NVIDIA vient de soutenir une startup indienne qui aide les entreprises à exécuter l’IA avec moins de puces NVIDIA elles-mêmes. Elle s’appelle SimpliSmart, basée à Bengaluru, elle a levé 14 millions de dollars en série B auprès d’Accel, avec une valorisation d’environ 100 millions de dollars. Son logiciel se situe entre les modèles d’IA et l’infrastructure informatique, et ajuste automatiquement le déploiement des modèles pour permettre aux entreprises d’atteindre le bon équilibre entre vitesse, coût et performance, sans avoir à le gérer manuellement. InVideo a réduit ses coûts de service GPU de 56 % en l’utilisant. Ses revenus ont augmenté de 14 fois en six mois. Plus de la moitié provient des États-Unis. La question évidente est : pourquoi NVIDIA investirait-elle dans un logiciel qui réduit la demande pour ses propres puces ? La réponse des fondateurs : rendre l’inférence IA moins chère et plus facile incite davantage d’entreprises à adopter l’IA dès le départ, ce qui finit par vendre davantage de GPU. NVIDIA travaille également avec SimpliSmart sur des intégrations techniques avec son propre logiciel d’inférence Dynamo, en les présentant à ses clients et partenaires. Ainsi, NVIDIA ne se contente pas d’investir : elle s’incorpore dans une startup qui concurrence directement ses propres produits d’inférence. Soit NVIDIA croit sincèrement que l’efficacité stimule davantage d’adoption, soit elle préfère contrôler le segment de l’efficacité plutôt que de laisser quelqu’un d’autre le saisir.

Peter Steinberger, le créateur d'OpenClaw, estime avoir dépensé environ 10 millions de dollars en jetons le mois dernier. À ce rythme, cela représente 120 millions de dollars par an pour une seule personne. Cela suffirait à payer 500 ingénieurs seniors pendant un an. Son employeur, OpenAI, prend en charge la facture. Il a également admis que tout ce spending n'était pas utile. Donc, quand quelqu'un vous dit « l'IA est moins chère que le recrutement », demandez-vous ce que les jetons ont réellement acheté.

L'art IA n'est pas de l'ART !! BOOOOOOOO J'aime ça, ça me rappelle ma Nvidia

Je pense que tout l'écosystème Space X est incroyable. Une chose que j'aime faire, c'est liker les tweets que je vois ici et qui ont un lien avec l'IA, surtout quand je suis dans ma Cybertruck. Grok lit à voix haute les tweets que j'aime et me les explique pendant la conduite autonome.

Bullshot vient d'annoncer une levée de 7,7 M$ lors de ses rounds de financement, avec le soutien de @animocabrands et @PolygonVentures, ainsi qu'une collecte de 1 M$ auprès de @MindoAI. La croisée de la création de jetons, du trading et des agents IA fait de @Bullshot911 un projet à suivre 👀

SACRÉE F*CK, ELON MUSK A CRÉÉ LE BOT GROK QUI A REMPLACÉ 28+ OUTILS PAYANTS Il fonctionne sur son propre ordinateur cloud, se connecte à vos applications et exécute des routines selon un calendrier. Chaque bot peut contenir jusqu’à 50 routines. Ce qu’il remplace : → agents IA : chatgpt plus/pro, manus, perplexity pro, genspark, devin, lindy → automatisation : zapier, make, n8n cloud, bardeen, phantombuster, apify/browse ai → réseaux sociaux : hootsuite, buffer, sprout social, typefully, hypefury → ventes : apollo io, clay, lemlist/instantly, salesloft → opérations : superhuman, motion/reclaim, otter/fireflies, intercom fin/zendesk ai, feedly/brand24/mention → contenu : jasper/copy ai, gamma Commencez petit : choisissez l’abonnement que vous ouvrez chaque jour et confiez cette tâche à un bot sous forme de routine. Enregistrez ceci et lisez l’article ci-dessous pour configurer le bot grok comme les ingénieurs de spacexai ↓

SACRÉE MERDE. OPENAI VIENT DE RENDRE LES AGENTS IA PLUS CHERS ET PLUS EFFICACES POUR UTILISER VOTRE ORDINATEUR. Découvrez GPT 6.1 Terra. Cette mise à jour va bien au-delà de la génération de réponses améliorées. OpenAI pousse l’IA vers quelque chose de bien plus utile : accomplir réellement du travail. Terra est conçu pour comprendre ce qui se passe sur votre écran, interagir avec les applications informatiques et accomplir des séquences complexes de tâches. Pensez à ce que cela implique. Une IA peut vous aider à préparer des propositions, interpréter des plans techniques, remplir des formulaires, éditer des vidéos et gérer les tâches répétitives de bureau. Au lieu de vous expliquer comment faire quelque chose, elle peut accomplir les étapes nécessaires pour y parvenir. Et OpenAI affirme que ce nouveau modèle est nettement plus performant que GPT 5.6 Terra pour ce type de tâches. Mais voici la partie qui m’a vraiment retenu. Le prix. Le tarif standard de l’API de GPT 6.1 Terra est 50 % inférieur à celui de GPT 5.6 Terra. Cela compte, car les agents IA peuvent effectuer de nombreuses requêtes vers un modèle pendant l’accomplissement d’un seul flux de travail. Chaque étape coûte de l’argent. Lire des informations, analyser un écran, décider de la prochaine action et vérifier le résultat peuvent rapidement s’additionner. Des coûts plus bas rendent plus pratique le déploiement à grande échelle de ces systèmes. OpenAI signale également d’importants progrès en matière de performance de codage et de raisonnement visuel, ainsi qu’une réduction des erreurs factuelles dans ses évaluations internes. Cette combinaison est cruciale. Un modèle qui comprend une tâche, opère des logiciels et écrit du code devient bien plus utile lorsqu’il peut accomplir tout cela plus rapidement et à moindre coût. Imaginez des agents IA traitant des factures, mettant à jour des feuilles de calcul, organisant les informations clients ou gérant des tâches répétitives à travers plusieurs applications. Pas seulement vous dire quoi faire. Mais vous aider réellement à le faire. Bien sûr, l’utilisation d’un ordinateur n’équivaut pas à une autonomie parfaite. Les flux de travail complexes nécessitent toujours des tests, des autorisations et une supervision humaine. Mais la direction devient claire. La prochaine grande course en matière d’IA ne concerne pas seulement quel modèle pense le mieux. C’est quel modèle peut transformer de manière fiable cette intelligence en action. Et maintenant, OpenAI rend cette capacité moins coûteuse à utiliser.

🚨 MON DIEU. JENSEN HUANG VIENT DE TENIR UN PÉTAFLOP DE PUISSANCE IA DANS UNE MAIN. Et la comparaison qu’il a faite est absolument folle. En 2016, Jensen Huang a livré un système NVIDIA DGX 1 à une petite entreprise appelée OpenAI. C’était une machine énorme conçue spécifiquement pour le calcul IA. Elle offrait une performance d’un petaflop et disposait de 128 Go de mémoire. Et Jensen a rappelé à tous un détail. Il fallait deux personnes pour porter cette machine à l’étage. Maintenant, dix ans plus tard, il tient dans une main un ordinateur IA compact et affiche les mêmes chiffres phares. Un petaflop. 128 Go de mémoire. Laissez cela résonner un instant. La nouvelle gamme RTX Spark a été développée au cours de quatre ans de collaboration avec Microsoft et l’industrie du PC dans son ensemble. Selon Jensen, ce projet impliquait une nouvelle puce appelée N1X et une toute nouvelle famille d’ordinateurs, incluant des ordinateurs de bureau, des ordinateurs portables et des postes de travail. L’objectif est de porter une puissance de calcul IA sérieuse dans un format beaucoup plus compact. Et c’est là que les choses deviennent intéressantes. Pendant des années, accéder à du matériel IA puissant signifiait compter sur une infrastructure cloud coûteuse ou sur des machines spécialisées bien au-delà des moyens de la plupart des développeurs individuels. Des systèmes compacts comme celui-ci pointent vers une approche différente. Imaginez développer des agents IA, expérimenter avec des modèles et exécuter des charges de travail IA exigeantes directement sur votre bureau. Moins de dépendance à l’infrastructure distante. Plus de contrôle sur votre environnement de développement. Et potentiellement moins de coûts cloud récurrents pour les charges de travail pouvant être exécutées localement. Bien sûr, il existe une distinction importante. Égaler la même puissance maximale en petaflops ne signifie pas automatiquement que deux machines offrent des performances identiques dans le monde réel. La précision utilisée, l’architecture mémoire et la charge de travail comptent toutes. Mais la transformation physique reste remarquable. En 2016, cette classe de calcul IA se présentait sous la forme d’une machine nécessitant deux personnes pour la déplacer. Maintenant, Jensen Huang peut tenir dans une main un système avec des spécifications comparables en chiffres phares. C’est ce qui fait de cela bien plus qu’un simple lancement d’ordinateur. Le matériel IA ne devient pas seulement plus puissant. Il devient nettement plus accessible. Et la prochaine génération de développeurs IA n’aura peut-être pas besoin d’une salle serveurs pour commencer.