Anthropic : vous êtes la suite de tests.

OpenAI vient de publier une statistique colossale : ChatGPT gère désormais environ un cinquième des requêtes de type recherche que Google traite. Parallèlement à ce bond du volume de recherche, la base d'utilisateurs hebdomadaires de la plateforme est passée de 1 milliard à 1,2 milliard en environ 60 jours.

Ces chiffres confirment ce que les dirigeants de Google craignaient en privé. Capturer 20 % du volume de recherche de Google n'est pas une jolie expérience ; c'est une menace existentielle pour le modèle économique le plus lucratif de l'histoire d'Internet. Les utilisateurs contournent entièrement les liens bleus au profit de réponses directes et synthétisées.

Le passage d'un milliard à 1,2 milliard d'utilisateurs en deux mois montre que la courbe d'adoption continue d'accélérer. Si OpenAI peut maintenir cette trajectoire et affiner sa récupération web en temps réel, le comportement par défaut d'Internet changera fondamentalement, laissant le SEO traditionnel sur le carreau.

Google a déployé de nouvelles commandes qui désactivent par défaut Gemini, Gemini Notebook, Gemini in Classroom et Google Search pour les comptes d'élèves du primaire et du secondaire. Le détail crucial est que les fonctionnalités de recherche et d'IA de Google sont désormais si profondément intégrées que les écoles tentant d'interdire les outils d'IA pourraient par inadvertance perdre complètement la fonctionnalité de recherche de base pour leurs élèves.

C'est la conséquence inévitable d'avoir fourré l'IA générative dans chaque interface de produit existante. En refusant de découpler ses aperçus d'IA des résultats de recherche traditionnels, Google a mis les administrateurs scolaires devant un ultimatum impossible : exposer les enfants à des chatbots IA non vérifiés, ou leur couper l'accès à l'index principal d'Internet.

C'est une erreur impardonnable qui ouvre grand la porte à des moteurs de recherche alternatifs, sans IA, pour conquérir le marché de l'éducation. Si Google n'offre pas une version propre et sans IA de Search pour un usage institutionnel, ils vont perdre une hémorragie de jeunes utilisateurs qui grandiront simplement en utilisant un autre moteur par défaut.

Apple a officiellement mis en garde les investisseurs dans son rapport annuel sur la nature imprévisible des agents IA. Le géant de la technologie a explicitement averti que ces systèmes pourraient agir de manière inattendue, mentionnant spécifiquement le risque que l'IA effectue des transactions sans les autorisations appropriées.

Il ne s'agit pas seulement d'un texte juridique standard ; c'est un projecteur éclatant sur le point de friction exact qui freine l'économie des agents. Lorsque les modèles d'IA passent de la réponse aux questions à l'exécution d'actions, la surface d'attaque s'étend de manière exponentielle. Apple reconnaît publiquement que donner à un LLM l'accès au portefeuille d'un utilisateur ou aux autorisations système est une responsabilité énorme.

Le fait qu'Apple signale cela aux actionnaires signifie qu'ils se concentrent intensément sur la mise en bac à sable de leurs futures fonctionnalités d'agents. Quiconque construit des agents autonomes doit tenir compte de cet avertissement : si Apple est terrifiée par les transactions non autorisées, l'agent de votre startup a intérêt à avoir des garde-fous d'autorisation à toute épreuve.

Lauren Tan, ingénieure chez SpaceXSI, tempère l'idée que nous pouvons automatiser complètement l'assurance qualité. Discutant des limites de la vérification par l'IA, Tan a déclaré que son but est simplement « de se donner confiance dans le travail des agents ». Surtout, elle a reconnu que ce processus de vérification « n'est qu'une approximation et peut toujours être erroné ».

Cela touche au cœur du débat actuel sur les agents. Nous superposons l'IA sur l'IA, espérant que le second modèle attrapera les hallucinations du premier. Mais comme le souligne Tan, la couche de vérification est soumise exactement aux mêmes défauts probabilistes que la couche de génération.

Jusqu'à ce que nous développions des méthodes de vérification déterministes qui ne reposent pas sur les « vibes » des LLM, la supervision humaine reste non négociable pour les tâches critiques. Se fier uniquement aux approximations de l'IA pour du code ou du traitement de données à enjeux élevés est une recette pour des échecs silencieux et catastrophiques en production.