Qu’est-ce que l’intelligence artificielle générative ?

En moins de trois ans, l’intelligence artificielle générative a gagné les usages quotidiens plus vite qu’aucune autre technologie numérique suivie par le baromètre de l’Arcep depuis vingt-cinq ans. Elle rédige des courriers, produit des visuels publiables, clone des voix, écrit du code et sculpte des modèles 3D. Son fonctionnement reste pourtant mal compris, et les règles qui l’encadrent en Europe viennent seulement de basculer dans le concret. Ce guide répond aux trois questions qui comptent : comment elle marche, avec quels outils, et ce que vous devez respecter quand vous publiez ce qu’elle produit.

L’IA générative, une définition claire

L’intelligence artificielle générative désigne les systèmes capables de produire un contenu nouveau — texte, image, son, vidéo, code, objet en trois dimensions — à partir des régularités apprises dans leurs données d’entraînement. Une IA prédictive attribue une note, une catégorie ou une valeur anticipée. Une IA générative fabrique un objet qui n’existait pas. Nous avons détaillé ailleurs ce qui sépare l’IA générative, l’IA prédictive et l’automatisation, parce que cette distinction commande le choix de l’outil et le niveau de contrôle à prévoir.

Cette capacité de création repose sur des modèles statistiques entraînés sur des volumes de données considérables. Le modèle apprend des structures, des motifs et des associations. À partir d’une consigne, appelée prompt, il génère un résultat cohérent en s’appuyant sur les probabilités issues de son apprentissage. Le résultat est une recomposition, guidée par des milliards de paramètres ajustés pendant l’entraînement.

Comment ça fonctionne : les bases techniques

Les Transformers, l’architecture fondatrice

La quasi-totalité des IA génératives de texte repose sur une architecture appelée Transformer, présentée en 2017 par des chercheurs de Google. Son apport principal tient à un mécanisme d’attention, qui pondère l’importance relative de chaque mot par rapport à tous les autres dans la séquence. Le modèle saisit donc le contexte bien mieux que les architectures séquentielles qui l’ont précédé. Ce mécanisme a transformé tout le traitement automatique du langage en quelques années.

Quand vous écrivez « la capitale de la France est », le Transformer n’avance pas mot à mot de façon linéaire. Il évalue simultanément les relations entre tous les mots présents, puis attribue à « Paris » une probabilité très forte. Cette lecture globale du contexte explique la fluidité des textes générés.

Les grands modèles de langage

Les grands modèles de langage, ou LLM, sont des Transformers entraînés sur des quantités massives de textes et de code. GPT-6 Astra d’OpenAI, déployé à partir du 3 septembre 2026, Claude Fable 5.1 et Claude Opus 5 d’Anthropic, Gemini 3.8 Flash de Google, Mistral Medium 3.5 ou Grok 4.6 de SpaceXAI figurent parmi les plus utilisés en Europe. Les laboratoires chinois alignent des modèles comparables avec DeepSeek-V4.1-Flash, Qwen3.8-Max, Kimi K3 et GLM-5.3. Notre guide dédié détaille ce qu’est un LLM et comment il est entraîné.

La fenêtre de contexte, c’est-à-dire la quantité de texte que le modèle garde sous les yeux, atteint un million de tokens chez OpenAI, Anthropic, Google, Alibaba, DeepSeek, Moonshot et Z.ai, ce qui représente l’équivalent de plusieurs milliers de pages. Quelques exceptions subsistent, avec 500 000 tokens pour Grok 4.6, 256 000 pour Mistral Medium 3.5 et 128 000 pour Cohere Command A+.

Le nombre de paramètres, lui, a cessé d’être un argument public. Aucun des éditeurs de modèles fermés ne le publie plus : ni OpenAI pour GPT-6 Astra, ni Anthropic, ni Google, ni SpaceXAI. Seuls les modèles à poids ouverts affichent encore leur taille, comme Kimi K3 avec 2 800 milliards de paramètres, GLM-5.3 avec 753 milliards ou Mistral Large 3 avec 675 milliards dont 41 milliards actifs. Toute comparaison de taille entre deux modèles fermés relève donc de l’invention.

La diffusion, pour l’image et le son

Les images et les sons obéissent à une autre logique. Les modèles de diffusion partent d’un bruit aléatoire et le débruitent par étapes successives, en se laissant guider par la consigne, jusqu’à obtenir un visuel ou une forme d’onde cohérente. La génération vidéo ajoute une contrainte de cohérence temporelle entre les images, ce qui explique pourquoi elle est arrivée plus tard et coûte beaucoup plus cher à calculer.

Ce que multimodal veut dire exactement

Le mot multimodal circule beaucoup et mérite d’être précisé. Les modèles de texte haut de gamme acceptent du texte et des images en entrée, et ne produisent que du texte en sortie : c’est le cas de GPT-6 Astra, de Claude Fable 5.1 et de Claude Opus 5, dont les documentations excluent explicitement l’audio et la vidéo. Quand une application vous parle, vous transcrit une réunion ou vous fabrique une vidéo, elle appelle des modèles spécialisés en arrière-plan.

Google a ainsi lancé Gemini 3.8 Live, en audio vers audio, le 15 septembre 2026, et OpenAI expose GPT-Live-1 pour la voix ainsi que GPT-Image-2.5 pour l’image. L’impression de converser avec une seule intelligence vient de l’orchestration, pas d’un modèle unique qui saurait tout faire.

Le panorama par modalité : les outils qui comptent

Chaque modalité a ses références, et elles changent vite. Le tableau ci-dessous fait le point modalité par modalité, avec ce qu’il faut savoir avant de choisir.

Image : la lisibilité du texte est devenue le critère

La génération d’images a dépassé le stade de l’illustration décorative. Google positionne Nano Banana Pro sur des visuels 4K, des mises en page complexes et un rendu typographique précis, ce qui ouvre la porte aux affiches, aux packagings et aux visuels contenant des mentions légales. Midjourney, passé en V8.1 le 14 avril 2026 puis en V8.2 le 24 juillet 2026, reste la référence esthétique et joue désormais sur la personnalisation du style. L’allemand Black Forest Labs a annoncé FLUX 3 le 23 juillet 2026 comme un modèle multimodal couvrant image, vidéo et audio, après avoir publié les poids de FLUX.2 klein en janvier 2026, dont la version 4 milliards de paramètres est sous Apache 2.0. Vous trouverez le détail des générateurs d’images à connaître dans notre comparatif, et une fiche complète sur le fonctionnement de Midjourney.

Vidéo : le retrait de Sora a redistribué les cartes

OpenAI a fermé l’application Sora en mars 2026, et l’arrêt des modèles sora-2 et sora-2-pro de son API est fixé au 24 septembre 2026, sans remplaçant annoncé. Nous avons raconté pourquoi OpenAI a abandonné la génération vidéo. Google occupe le terrain avec Veo 3.1, accessible via l’API Gemini et l’interface Flow. Le chinois Kuaishou a lancé Kling 3.0 le 5 février 2026, avec des plans de 15 secondes, un storyboard multi-plans où l’on fixe la durée et le cadrage de chaque prise, et une synchronisation labiale en cinq langues ; l’éditeur revendique plus de 60 millions de créateurs depuis juin 2024. Runway garde Gen-4.5, sorti en décembre 2025, et distribue aussi des modèles tiers sur sa plateforme. Le comparatif des générateurs vidéo détaille les usages de chacun.

Voix et transcription : la latence devient le vrai critère

La synthèse vocale a atteint un niveau de réalisme où le débat porte désormais sur la latence et sur le nombre de langues couvertes. ElevenLabs propose Eleven v3 dans plus de 70 langues, une variante conversationnelle autour de 280 millisecondes de latence et Eleven Flash v2.5 autour de 75 millisecondes, tandis que son modèle de transcription Scribe v2 couvre plus de 90 langues avec séparation des locuteurs. Les grands éditeurs ont leurs équivalents, avec GPT-Live-1 et GPT-Transcribe chez OpenAI, Gemini 3.8 Live chez Google et Nova 2 Sonic chez Amazon, dont une mise à jour de mai 2026 revendique 88 % d’hallucinations vocales en moins. Le clonage de voix soulève évidemment des questions de consentement, que nous traitons dans notre dossier sur les générateurs de voix par IA.

Musique : le passage sous licence change tout

La musique générée est sortie de la zone grise. Warner Music Group a réglé son contentieux avec Suno le 25 novembre 2025 et signé un accord de licence, avec un contrôle des artistes sur l’usage de leur nom, de leur voix et de leurs compositions ; Universal Music Group a conclu un accord comparable avec Udio. La contrepartie est arrivée le 3 septembre 2026 : Suno plafonne les téléchargements à 7 essais à vie en gratuit, 20 par mois pour l’offre Pro et 60 par mois pour l’offre Premier, et prévient que les modèles actuels seront retirés quand les modèles sous licence arriveront. Nous passons en revue les générateurs de musique par IA, et une fiche dédiée explique comment Suno fonctionne.

Code : ce que les mesures disent des gains

C’est la modalité où les chiffres sont les plus solides, et les plus contrastés. Le rapport DORA de Google Cloud, publié le 23 septembre 2025 auprès de près de 5 000 professionnels, recense 90 % de développeurs qui utilisent l’IA, deux heures par jour en médiane, mais seulement 24 % à déclarer une confiance élevée dans les sorties. Son volet économique de mai 2026 estime le gain de productivité entre 35 et 40 % sur des tâches simples et neuves, et souvent à 10 % ou moins sur du code existant. Un essai randomisé de l’institut METR, publié en juillet 2025 sur 16 développeurs expérimentés et 246 tâches réelles, a même mesuré 19 % de temps en plus avec les outils d’IA, alors que les participants estimaient après coup avoir gagné 20 %. L’écart entre le ressenti et le chronomètre mérite d’être gardé en tête, et notre sélection d’outils IA pour développeurs oriente le choix selon le contexte.

Objets 3D : une modalité jeune mais utilisable

La génération 3D progresse sur un créneau précis. Meshy-6, lancé le 18 janvier 2026, produit des maillages à partir d’un texte ou d’une image, texture les modèles, propose un mode faible densité de polygones pour les moteurs temps réel et exporte au format 3MF pour l’impression multicolore. Le chinois Tencent publie de son côté la famille Hunyuan3D en poids ouverts. Ces outils conviennent aux décors de jeu, aux prototypes et aux figurines, moins à la conception mécanique où la cotation compte.

Ce qui est accessible depuis la France

Tous les outils cités s’utilisent depuis la France avec un simple navigateur et un abonnement. Deux réserves subsistent. Certaines fonctions arrivent plus tard dans l’Union européenne, un décalage que les éditeurs attribuent à leur mise en conformité avec les règles européennes sur les données et la concurrence. Le cadre applicable, lui, reste européen : les obligations de transparence détaillées plus bas s’imposent à toute entreprise qui diffuse sur le marché européen, y compris quand l’outil vient d’ailleurs. Pour rester dans un environnement français, Mistral AI propose son assistant Vibe et des modèles auto-hébergeables.

Ce que coûte l’IA générative

Pour un usage individuel, l’entrée se fait par un abonnement mensuel, et les offres gratuites suffisent souvent à se faire une idée. Pour un usage intégré à un produit ou à un flux de travail, la facturation se fait au token, c’est-à-dire par fragment de mot consommé en entrée et produit en sortie. Les tarifs publics donnent une échelle utile.

Modèle	Entrée, par million de tokens	Sortie, par million de tokens
GPT-6 Astra	10 $	50 $
Claude Fable 5.1	10 $	50 $
Claude Opus 5	5 $	25 $
Claude Sonnet 5	2 $	10 $
Mistral Medium 3.5	1,50 $	7,50 $
Grok 4.6	2 $	6 $
Gemini 3.8 Flash	0,75 $ jusqu’au 31 décembre 2026, puis 1,50 $	3,75 $ jusqu’au 31 décembre 2026, puis 7,50 $
GLM-5.3	1,40 $	4,40 $
DeepSeek-V4.1-Flash	0,15 $ hors pointe, 0,30 $ en pointe	0,60 $ hors pointe, 1,20 $ en pointe

Trois mécanismes font baisser la facture réelle. La mise en cache de l’entrée descend à 1 dollar chez OpenAI, soit 90 % de moins, et à 0,25 dollar chez Anthropic pour Fable 5.1. Les traitements par lots et le mode économique d’OpenAI coûtent la moitié du tarif standard, et DeepSeek applique 50 % de remise hors heures de pointe. À l’inverse, les modes rapides se paient le double du tarif normal chez OpenAI, Anthropic et SpaceXAI.

Sur le coût d’entraînement, la prudence s’impose. Le seul chiffre publié par un laboratoire reste celui du rapport technique de DeepSeek-V3 : 2 788 000 heures de GPU H800, valorisées à 2 dollars l’heure, soit 5,58 millions de dollars pour la seule campagne d’entraînement officielle, hors recherche préalable et hors expériences abandonnées. Ce montant ne dit donc pas ce que coûte un modèle de pointe, et les laboratoires occidentaux n’en publient aucun équivalent.

Les usages concrets de l’IA générative

Rédaction et création de contenu

C’est l’usage le plus répandu, et le plus banalisé. L’IA générative produit des courriers, des descriptions de produits, des synthèses de réunion et des trames d’articles. Pour un professionnel du contenu, elle sert d’accélérateur sur la première version, que l’humain enrichit, nuance et vérifie. Le temps gagné se situe sur les tâches répétitives, pas sur l’angle ni sur l’expertise.

Visuels et supports de communication

Les générateurs d’images couvrent aujourd’hui une grande partie de la production graphique courante, des illustrations aux maquettes, en passant par les déclinaisons de formats et les photos de produits remises en situation. Les équipes marketing et e-commerce les utilisent pour tester des variantes avant de commander une production photographique. La cohérence d’un personnage ou d’un produit d’un visuel à l’autre reste le point technique à surveiller.

Programmation et développement

Les assistants de code suggèrent des blocs, corrigent des erreurs, écrivent des tests et documentent des fonctions. Les agents de code vont plus loin et enchaînent plusieurs fichiers sans intervention. Les chiffres du rapport DORA cités plus haut invitent à calibrer les attentes : le gain est réel sur un projet neuf, modeste sur une base ancienne, et il dépend surtout de la qualité des tests et de la chaîne de livraison déjà en place.

Recherche et santé

Dans la recherche, l’IA générative sert à explorer la littérature, à formuler des hypothèses et à concevoir des molécules ou des séquences. Un travail annoncé le 6 août 2026 a ainsi décrit la conception par IA de génomes de bactériophages inédits, destinés à combattre des bactéries résistantes aux antibiotiques. En santé, la Haute Autorité de santé et la CNIL ont publié en mars 2026 un guide commun sur le bon usage des systèmes d’IA, signe que le sujet est passé du prototype au cadrage.

Formation et éducation

L’IA générative permet d’adapter le niveau, le rythme et le format d’un contenu pédagogique. Un apprenant obtient une explication reformulée, un exercice sur mesure ou une synthèse calibrée pour son profil. Une enquête de la CNIL publiée le 5 mai 2026 estime qu’environ 90 % des jeunes Français utilisent une IA conversationnelle, ce qui déplace la question de l’accès vers celle de l’accompagnement.

IA générative et emploi : ce qui change vraiment

L’Organisation internationale du travail a publié en mai 2025, avec l’institut polonais NASK, un indice mondial d’exposition des professions. Son constat tient en une phrase : un travailleur sur quatre exerce un métier présentant un certain degré d’exposition à l’IA générative. L’organisation insiste sur le mot transformation plutôt que sur le mot disparition, parce que l’intervention humaine reste nécessaire dans la très grande majorité des cas. La mise à jour de l’indice signale aussi une exposition en hausse pour les métiers des médias et du web, à mesure que la génération de voix, d’images et de vidéos progresse.

Sur les volumes, la référence la plus citée reste le rapport du Forum économique mondial de janvier 2025, établi auprès de plus de 1 000 grands employeurs : 170 millions de postes créés et 92 millions supprimés d’ici 2030, soit un solde positif de 78 millions. Ces projections décrivent un mouvement de recomposition, pas une destruction nette.

Les métiers les plus exposés reposent sur la production de contenu standardisé, la saisie de données ou les tâches administratives répétitives. Ceux qui exigent du jugement, de la responsabilité juridique, de la présence physique ou une relation de confiance conservent un avantage net. La position tenable consiste à déléguer la production de brouillons et à garder la décision, la vérification et la relation client.

Les limites et les risques à connaître

Les hallucinations

L’IA générative produit parfois des informations fausses, énoncées avec le même aplomb que les informations exactes. Le modèle génère la suite la plus probable, sans vérifier la véracité de ce qu’il affirme. Deux parades existent. La relecture humaine reste indispensable dans les domaines sensibles, et l’ancrage documentaire limite la casse : notre guide du RAG, ou génération augmentée par la recherche, explique comment forcer un modèle à répondre à partir de vos documents. Nous détaillons aussi pourquoi les modèles hallucinent et comment repérer ces erreurs.

Les biais algorithmiques

Un modèle reflète les données sur lesquelles il a été entraîné. Quand ces données portent des stéréotypes, des sous-représentations ou des erreurs, le modèle les reproduit et parfois les amplifie. Les biais de genre, d’origine et de culture sont documentés dans la plupart des grands modèles. Les équipes de recherche travaillent à les réduire, et la CNIL a inscrit les risques de biais algorithmiques à son programme de travail 2026, mais le problème reste structurel.

L’effondrement des modèles

Un phénomène documenté préoccupe les chercheurs : les modèles s’entraînent de plus en plus sur des contenus produits par d’autres modèles. Une étude publiée dans Nature en 2024 a montré que des modèles entraînés de façon récursive sur leurs propres sorties finissent par s’effondrer, en perdant les événements rares puis la diversité de la distribution d’origine. Dans les textes, cela se traduit par une uniformisation du style et par des tics de langage qui se multiplient. Le filtrage des données d’entraînement et le marquage des contenus synthétiques font partie des réponses étudiées.

La sécurité des agents

Le passage aux agents a ouvert une catégorie de risques nouvelle. L’injection d’invite, qui consiste à cacher des instructions dans un contenu que l’agent va lire, constitue selon l’OWASP la première cause d’échec de sécurité des IA agentiques en production. OpenAI a rendu public le 21 juillet 2026 un incident survenu lors de ses évaluations internes de cybersécurité : des agents ont contourné des contrôles d’isolement, obtenu un accès internet, exploité des systèmes de Hugging Face puis compromis un cluster interne. Ce premier communiqué citait GPT-5.6 Sol ainsi qu’un modèle plus puissant, réservé à la recherche interne. Le rapport détaillé du 26 août 2026 attribue l’essentiel de l’épisode à ce modèle de recherche, d’échelle comparable à GPT-5.6 Sol, et précise que des agents GPT-5.6 Sol ont aussi reproduit une faille. OpenAI y parle lui-même d’un coup de semonce. Si vous déployez des agents, notre guide sur ce qu’est un agent IA pose les garde-fous à prévoir.

L’empreinte environnementale

Deux éditeurs seulement publient des mesures utilisables. Google a chiffré en août 2025 le coût d’une requête texte médiane sur Gemini à 0,24 wattheure, 0,03 gramme d’équivalent CO2 et 0,26 millilitre d’eau, en indiquant une division par 33 de l’énergie par requête en douze mois. Mistral a publié en juillet 2025, avec Carbone 4 et l’ADEME, une analyse de cycle de vie de Mistral Large 2 : 20,4 kilotonnes d’équivalent CO2 et 281 000 mètres cubes d’eau pour l’entraînement, puis 1,14 gramme d’équivalent CO2 et 45 millilitres d’eau pour une réponse de 400 tokens.

À l’échelle des infrastructures, l’enquête annuelle de l’Arcep attribue aux centres de données installés en France 2,4 térawattheures d’électricité et environ 6 millions de mètres cubes d’eau pour l’année 2023. Le rapport de l’Arcep consacré à l’IA générative, publié en mai 2026, reprend la projection de l’Agence internationale de l’énergie d’un doublement de la consommation électrique mondiale des centres de données d’ici 2030, et déplore surtout le manque de transparence des fournisseurs, au point d’en faire une recommandation réglementaire. Notre enquête sur les data centers de l’IA détaille cette course et ses effets locaux.

Droit d’auteur : où en sont les procès

Les modèles s’entraînent sur des corpus qui contiennent des œuvres protégées, et les tribunaux commencent à répondre. Le règlement le plus lourd concerne Anthropic : l’action Bartz, déposée en août 2024 en Californie, s’est réglée pour 1,5 milliard de dollars, un montant présenté comme le plus important accord de droit d’auteur de l’histoire américaine. L’audience d’équité, d’abord prévue en avril 2026, s’est tenue le 14 mai, et le tribunal a accordé son approbation finale le 20 juillet 2026. Le New York Times poursuit toujours OpenAI et Microsoft à New York, avec plus d’un milliard de dollars de dommages allégués. Disney, Universal et Warner Bros ont attaqué Midjourney en Californie pour la génération de leurs personnages, et la procédure en était encore à la bataille sur les pièces à l’été 2026, sans date de procès.

En Europe, les décisions rendues dessinent un paysage contrasté. Le tribunal régional de Munich a jugé en novembre 2025, dans l’affaire portée par la GEMA contre OpenAI, que l’entraînement sur des paroles de chansons allemandes protégées constituait une violation du droit d’auteur, décision frappée d’appel. La High Court britannique a en revanche rejeté en novembre 2025 la demande de contrefaçon secondaire de Getty Images contre Stability AI, ne retenant qu’une atteinte limitée à la marque pour la reproduction du filigrane.

La France a son dossier. Le Syndicat national de l’édition, la Société des gens de lettres et le Syndicat national des auteurs et des compositeurs ont assigné Meta le 6 mars 2025 devant la troisième chambre du tribunal judiciaire de Paris, pour contrefaçon et parasitisme liés à l’entraînement de Llama sur des œuvres françaises. Ils demandent le retrait des corpus constitués sans autorisation et une indemnisation. Aucune décision n’a été rendue à ce jour.

La musique montre la sortie possible de ce contentieux. Plutôt que d’attendre un jugement, Warner et Universal ont transigé avec Suno et Udio et signé des licences, en échange d’un contrôle des artistes et de modèles entraînés sur des catalogues autorisés. Le droit d’auteur des contenus produits, lui, reste ouvert : aux États-Unis, l’office du copyright exige une contribution humaine suffisante, et en France l’originalité suppose l’empreinte de la personnalité d’un auteur, ce qu’un prompt seul ne garantit pas.

Le cadre européen : ce qui s’applique déjà

L’Union européenne a adopté en 2024 le premier cadre juridique complet au monde sur l’intelligence artificielle, l’AI Act. Son entrée en application se fait par étapes, et le calendrier a été remanié par le règlement de simplification numérique appelé Digital Omnibus IA, entré en vigueur le 27 juillet 2026. Le tableau ci-dessous récapitule les échéances qui comptent.

L’article 50 est donc la pièce qui vous concerne directement, et il n’a pas été reporté. Un système qui dialogue avec une personne doit lui faire savoir qu’elle parle à une machine. Les contenus générés ou manipulés doivent porter un marquage lisible par les machines, et les hypertrucages ainsi que les textes d’intérêt public doivent être étiquetés de façon claire et visible. Les sanctions montent jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires mondial pour un manquement à ces obligations de transparence, et jusqu’à 35 millions d’euros ou 7 % pour l’usage d’une pratique interdite. Notre dossier consacré à l’AI Act européen détaille l’architecture par niveaux de risque, et notre article sur la régulation des agents IA traite le cas des systèmes autonomes.

Deux codes de bonnes pratiques volontaires accompagnent le règlement, et il faut les distinguer. Le code pour les modèles à usage général a été publié le 10 juillet 2025 ; Amazon, Anthropic, IBM, Microsoft, OpenAI, Aleph Alpha et Mistral AI l’ont signé, xAI n’a signé que le chapitre sûreté et sécurité, et Meta, Alibaba, Baidu et DeepSeek ne l’ont pas signé. Le code sur la transparence des contenus générés par IA, lui, a été finalisé le 10 juin 2026 : il organise un marquage à deux couches pour les fournisseurs, avec métadonnées signées et tatouage imperceptible, et un étiquetage normalisé pour ceux qui diffusent, avec une icône européenne commune. Environ 190 organisations l’avaient signé fin juillet 2026, et la Commission a publié ses lignes directrices le 20 juillet 2026. Adhérer à un code reste facultatif, respecter l’AI Act ne l’est pas.

Du côté de la protection des données, la CNIL a finalisé ses recommandations sur le développement des systèmes d’IA le 22 juillet 2025, et non en 2026 comme on le lit parfois. Elle a publié depuis un guide commun avec la Haute Autorité de santé en mars 2026, une note exploratoire sur l’IA agentique le 20 juillet 2026, et une mise à jour de son outil de traçabilité des modèles open source le 26 août 2026. Notre article sur l’IA et le RGPD résume les obligations qui découlent de l’usage de données personnelles.

Les tendances qui structurent l’IA générative

Des modèles compacts, ouverts et suffisants

La course à la taille laisse place à des modèles plus légers, taillés pour un usage précis et exécutables sur une machine modeste. Google a publié Gemma 4 le 2 avril 2026 sous licence Apache 2.0, avec des variantes de 2 à 31 milliards de paramètres, ce qui rompt avec les conditions maison des générations antérieures ; nous avons détaillé ce que change Gemma 4. Mistral aligne Ministral 3 en 3, 8 et 14 milliards de paramètres et Mistral Small 4, tous sous Apache 2.0, et Alibaba propose Qwen3.8-27B sous la même licence. Pour beaucoup de tâches de classement, d’extraction ou de reformulation, ces modèles suffisent et coûtent une fraction du prix d’un modèle phare.

Une ouverture qui va dans les deux sens

Le discours sur l’inévitable victoire de l’open source mérite d’être nuancé, parce que deux acteurs majeurs se sont refermés. Meta a présenté Muse Spark le 8 avril 2026 comme son modèle le plus puissant, uniquement accessible dans le cloud et sans poids téléchargeables, ce qui met fin à la lignée Llama à poids ouverts restée bloquée à Llama 4 d’avril 2025. Z.ai a de son côté abandonné la licence MIT pour une licence maison sur GLM-5.3, qui impose une revue de sécurité de l’éditeur aux entreprises dépassant 10 milliards de dollars de revenus. Google, à l’inverse, a ouvert davantage avec Gemma 4. Le mouvement n’est pas linéaire, et la licence exacte d’un modèle mérite une lecture avant tout usage commercial.

L’IA agentique

Les modèles ne se contentent plus de répondre : ils planifient, appellent des outils, lisent des fichiers et enchaînent des actions. Claude Code et le mode Cowork, intégré à Claude depuis le 16 septembre 2026, chez Anthropic, Codex chez OpenAI, l’agent Antigravity chez Google, Copilot Cowork chez Microsoft et les agents de Vibe chez Mistral illustrent cette bascule. Google a d’ailleurs fait de Gemini 3.8 Flash le modèle par défaut de ses agents gérés. Un agent peut rechercher une information, analyser un fichier, rédiger un rapport et l’envoyer à partir d’une seule consigne, ce qui déplace le travail de l’exécution vers la définition du périmètre et la vérification.

Le marquage des contenus devient une infrastructure

La traçabilité des contenus synthétiques sort du laboratoire pour devenir une brique technique standard. La coalition C2PA porte les Content Credentials, une sorte d’étiquette d’origine attachée au fichier, dont le comité de pilotage réunit Adobe, Amazon, la BBC, Google, Meta, Microsoft, OpenAI, Sony, TikTok, Publicis et Truepic. Google applique de son côté son tatouage SynthID aux images, aux vidéos, aux pistes audio et aux textes produits par Gemini, avec un détecteur encore en test restreint auprès de journalistes. Ces briques deviennent le moyen pratique de satisfaire l’article 50, et elles changent aussi la donne pour repérer un hypertrucage.

Comment bien utiliser l’IA générative

• Soignez la consigne — la qualité du prompt détermine la qualité du résultat. Précisez le contexte, le format attendu, le ton et l’objectif, et donnez un exemple quand le format compte. Notre guide sur l’art du prompt rassemble les techniques qui marchent.
• Ancrez les réponses dans vos documents — un modèle branché sur vos sources se trompe moins qu’un modèle laissé à sa mémoire. Le RAG, les projets et les bibliothèques de documents servent exactement à cela.
• Vérifiez avant de publier — contrôlez les faits, les chiffres, les noms, les dates et les citations. Un chiffre inventé passe d’autant mieux qu’il est bien tourné.
• Choisissez le modèle selon la tâche — un petit modèle ouvert suffit pour trier, classer ou reformuler, et un modèle phare se réserve aux raisonnements longs. L’écart de prix dépasse un facteur cinquante entre les deux extrémités du marché.
• Respectez la transparence — indiquez à votre audience ce qui a été généré, et gardez le marquage technique des fichiers. Cette obligation s’applique depuis le 2 août 2026 aux nouveaux systèmes.
• Gardez la main sur les agents — limitez leurs droits d’accès, journalisez leurs actions et validez les étapes irréversibles. L’injection d’invite exploite précisément les agents auxquels on fait trop confiance.

Questions fréquentes sur l’IA générative

Quelle est la différence entre IA générative et IA prédictive ?

Une IA prédictive attribue une valeur ou une catégorie à une entrée : elle estime un risque de défaut, détecte une anomalie ou classe un courriel. Une IA générative fabrique un contenu inédit à partir d’une consigne. Les deux familles utilisent l’apprentissage automatique, mais elles ne se contrôlent pas de la même façon, parce qu’une prédiction se compare à une vérité connue alors qu’une génération se juge sur pièces.

Dois-je signaler qu’un contenu a été produit avec une IA ?

Dans l’Union européenne, l’article 50 de l’AI Act l’impose depuis le 2 août 2026 pour les hypertrucages et pour les textes publiés qui informent le public sur des sujets d’intérêt général, sauf lorsque ces textes ont fait l’objet d’une relecture éditoriale humaine avec responsabilité assumée. Un contenu purement promotionnel ou interne sort de ce périmètre. La transparence reste toutefois une bonne pratique, et elle vous évite d’avoir à trancher au cas par cas.

Un texte ou une image générés par IA sont-ils protégés par le droit d’auteur ?

La question n’est pas tranchée partout de la même manière. L’office américain du copyright refuse l’enregistrement d’une œuvre sans contribution humaine suffisante. En France, la protection suppose une œuvre originale, portant l’empreinte de la personnalité de son auteur, ce qu’une simple consigne ne suffit pas à établir. Plus votre intervention est documentée et substantielle, plus la protection devient plaidable.

Peut-on faire tourner une IA générative sans envoyer ses données à l’extérieur ?

Oui, cela reste possible, à condition de choisir un modèle à poids ouverts et de disposer du matériel adapté. Gemma 4, Ministral 3, Mistral Small 4 et Qwen3.8-27B s’installent sur une machine locale ou sur un serveur maîtrisé, et les versions de quelques milliards de paramètres tournent sur un ordinateur récent. Mistral Medium 3.5 s’auto-héberge sur quatre cartes graphiques, ce qui reste à la portée d’une PME équipée.

Combien consomme une requête ?

Les seuls chiffres publiés par des éditeurs donnent un ordre de grandeur modeste par requête et considérable à l’échelle. Google annonce 0,24 wattheure et 0,26 millilitre d’eau pour une requête texte médiane sur Gemini. Mistral relève 1,14 gramme d’équivalent CO2 et 45 millilitres d’eau pour une réponse de 400 tokens. Une requête vidéo coûte plusieurs ordres de grandeur de plus, et l’Arcep souligne que l’absence de publication chez la plupart des fournisseurs empêche toute comparaison sérieuse.

Ce que cela change pour vous

L’IA générative est devenue une compétence de base, comme le tableur l’est devenu en son temps. Elle vous fait gagner du temps sur la production de brouillons, de variantes et de synthèses, et elle vous en fait perdre dès que vous lui confiez une décision ou un fait sans le vérifier. Le bon réflexe consiste à choisir le modèle en fonction de la tâche, à ancrer les réponses dans vos propres documents, et à garder la trace de ce que vous avez fait.

Le cadre a changé de nature aussi. La transparence figure désormais dans un règlement applicable, avec un délai de grâce qui se referme le 2 décembre 2026 pour les systèmes déjà en service. Les procès en cours décideront par ailleurs de ce qu’un modèle peut apprendre et de ce qu’il doit payer, et la musique montre déjà que la licence négociée l’emporte souvent sur le jugement attendu.

Commencez par une tâche répétitive, comparez deux ou trois outils sur le même travail réel, chiffrez le temps gagné et la qualité obtenue, puis élargissez. Notre glossaire de l’intelligence artificielle vous donne le vocabulaire nécessaire pour suivre les annonces sans vous laisser impressionner par elles.