Anthropic fait don d'Agent Skills, le standard ouvert qui fournit aux agents IA des connaissances et des workflows spécialisés, à la Agentic AI Foundation (AAIF). Depuis la publication du standard en décembre 2025, plus de 70 plateformes d'agents l'ont intégré, dont ChatGPT, Cursor, GitHub Copilot et VS Code.

L'AAIF, hébergée par la Linux Foundation, a été cofondée par Anthropic avec Block et OpenAI. Anthropic lui avait déjà cédé le Model Context Protocol (MCP). Le transfert couvre le nom et le logo Agent Skills, l'organisation GitHub et le domaine agentskills.io.

Les détails

Ce qu'est un skill

Un skill est un dossier qui contient un fichier SKILL.md. Ce fichier apprend à un agent une tâche ou un domaine précis, avec les scripts et les documents de référence nécessaires. Anthropic a développé le concept en travaillant sur Claude Code. L'outil traitait correctement le travail de connaissance général mais manquait souvent des connaissances procédurales dont les tâches métier réelles ont besoin.

L'adoption

Quelques semaines après le lancement en octobre 2025, des développeurs ont publié des milliers de skills sur GitHub et écrit des chargeurs pour Codex, Cursor et OpenCode. Anthropic a ensuite publié Agent Skills comme standard ouvert, avec sa propre organisation GitHub et son propre domaine. À ce jour, 1 million de skills ont été publiés et près de 280 millions ont été installés.

La gouvernance

Anthropic affirme vouloir garder Agent Skills ouvert, porté par la communauté et indépendant des fournisseurs. L'AAIF doit offrir un foyer neutre où la communauté aura son mot à dire sur l'évolution du standard. On peut continuer à l'utiliser ou à y contribuer sans rejoindre l'AAIF.

Des ingénieurs d'Anthropic, de Google, d'OpenAI et d'autres entreprises maintiendront le standard à titre individuel. David Soria Parra et Mahesh Murag en sont les Lead Maintainers.

La suite

Anthropic propose de commencer par une feuille de route couvrant des versions numérotées, un processus formel de proposition et des recommandations de sécurité pour ceux qui écrivent et installent des skills. Comme pour MCP, le projet veut donner la priorité aux retours de la communauté et à des décisions transparentes. Un Discord permet de commenter les changements de spécification proposés.

Pourquoi c'est important

Pour un développeur qui construit des agents, le signal est double. Le format SKILL.md devient un standard dont la gouvernance ne dépend plus d'un seul éditeur, ce qui limite le risque de voir le format évoluer au gré des intérêts commerciaux d'Anthropic. Et l'écosystème est déjà large, avec 70 plateformes et un volume d'installations qui donne au format un poids difficile à ignorer.

Le parallèle avec MCP est instructif. Anthropic a suivi la même trajectoire, d'un projet interne à un standard cédé à une fondation neutre. Cela suggère que l'entreprise mise sur l'adoption large de ses formats plutôt que sur leur contrôle. Mon hypothèse est que cette stratégie sert ses intérêts autant qu'elle rassure la communauté, car un standard répandu attire les intégrations vers les produits d'Anthropic.

Reste la question de la sécurité, que la feuille de route annonce sans détailler. Un skill contient des scripts que l'agent exécute. Avec 280 millions d'installations, la surface d'attaque est réelle et les recommandations annoncées méritent d'être suivies de près. Pour une équipe qui évalue l'écriture de ses propres skills, la spécification sur agentskills.io et le processus de proposition à venir seront les deux points d'entrée à surveiller.

Source

• Donating Agent Skills to the Agentic AI Foundation · Anthropic
• Donating Agent Skills to the Agentic AI Foundation · Simon Willison

Le Nasdaq 100 a perdu 5,5 % la semaine dernière, ce qui a relancé les questions sur la solidité de l'investissement dans l'IA, estimé à 1 000 milliards de dollars cette année. Le mouvement semble parti de l'échec de Firmus, une société australienne de centres de données, à s'introduire sur l'ASX. Son introduction en Bourse, valorisée à plusieurs milliards de dollars, devait un temps dépasser la capitalisation de Telstra avant même que l'entreprise n'ait produit les bénéfices promis.

Les marchés américains ont rebondi lundi soir. Le Nasdaq 100 vaut encore près de trois fois plus qu'au début de 2023.

Les détails

Des valorisations très concentrées

Sur le S&P 500, Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia et Tesla représentent désormais 35 % de l'indice, contre 12 % il y a dix ans. La capitalisation totale de ces sept entreprises a progressé de plus de 50 % en deux ans.

Gerard Minack, de Minack Advisors, estime que les investisseurs surestiment fondamentalement les rendements que les fournisseurs d'IA pourront dégager. Il se dit de plus en plus convaincu que ces rendements décevront, tout en reconnaissant être incapable de désigner le sommet exact du marché.

Raisah Rasid, stratège marchés chez JP Morgan Asset Management à Singapour, voit dans la récente correction « a valuation reset, rather than the market questioning the efficacy of AI itself ». Elle considère qu'il s'agit d'une transformation structurelle de long terme, très différente de la bulle internet.

Deux menaces plus sérieuses

Rasid identifie deux risques qui lui paraissent plus significatifs. Le premier est qu'un modèle d'IA open source, éventuellement chinois, vienne fragiliser l'économie du secteur et les centaines de milliards de dollars déjà investis. Minack partage cette inquiétude. Le second est qu'une opposition populaire atteigne une masse critique, que ce soit contre les projets de centres de données ou parce que l'IA ferait plus de mal que de bien aux travailleurs et à la société.

Le poids de la dette

Amazon, Microsoft, Google et Apple ont beaucoup emprunté pour financer leurs centres de données et l'infrastructure d'IA associée. Minack chiffre les dépenses d'investissement liées à l'IA de ces hyperscalers américains à 425 milliards de dollars en 2025, avec une trajectoire vers 800 milliards cette année et plus de 1 100 milliards ensuite. Selon le Fonds monétaire international, les obligations émises par ces entreprises représentent près de 10 % du marché mondial du crédit investment grade, contre 0,5 % fin 2024.

Le FMI a placé l'éclatement d'une bulle d'investissement dans l'IA en tête de trois risques menaçant l'économie mondiale, avec la hausse rapide des coûts d'emprunt et la menace d'une cyberattaque majeure.

Sally Auld, cheffe économiste de NAB, souligne un autre point de vigilance, la circularité croissante des financements entre entreprises. Un fabricant de puces peut par exemple financer la construction d'un centre de données en échange de l'achat de ses processeurs. Ces montages ne valent que ce que vaut leur maillon le plus faible. Si la demande d'IA n'est pas là, le centre ne se construit pas et les puces n'ont pas besoin d'être fabriquées.

Le cas australien

Les économistes de CBA estiment que l'Australie investira 150 milliards de dollars dans les centres de données d'ici 2030, et 260 milliards au milieu des années 2030. Auld juge cet investissement significatif mais pas majeur pour l'économie du pays, qui ne serait pas à l'épicentre d'un éventuel krach de l'IA.

Pourquoi c'est important

Pour une équipe qui construit sur des API de modèles ou qui loue du calcul, ces signaux financiers finissent par se traduire en conditions commerciales. La question de la circularité des financements mérite une attention particulière. Si un fournisseur de puces finance un centre de données pour écouler sa production, la demande observée n'est pas entièrement indépendante de l'offre. Mon hypothèse est que cette dépendance rend les prix et les capacités plus volatils qu'ils n'y paraissent.

Le risque open source cité par Rasid et Minack concerne directement les développeurs. Un modèle ouvert performant, où qu'il soit publié, pèse sur les tarifs des API propriétaires et change le calcul coût-bénéfice d'un projet. Cela reste à surveiller de près dans les prochains mois.

La saison des résultats trimestriels aux États-Unis donnera un premier verdict sur les valorisations. Auld rappelle que chaque grande technologie, des chemins de fer à internet, a connu une surcapacité. Elle en tire une question simple sur l'IA. Rien ne garantit que celle-ci échappe à la règle.

Source

• Is this the beginning of the end of the AI stock market boom? · The Guardian

Anthropic annonce la création de l'Anthropic Public Benefit Fund, une entité qui recevra une partie des actions de l'entreprise. Sous réserve de l'accord des actionnaires, 5 % des actions seront engagées dès aujourd'hui. Le conseil d'administration pourra y ajouter 2 % supplémentaires à chaque fois que la valeur de la société augmentera de 50 % au-dessus d'un seuil de référence.

Le fonds prend la forme d'une LLC détenue à 100 % par Anthropic, et non d'un 501(c)(3). Ce choix doit laisser de la souplesse entre plusieurs formes de dons. Les actions détenues par la LLC ne serviront ni au lobbying ni au financement politique, aux États-Unis comme à l'étranger.

Les détails

Un mécanisme indexé sur la croissance

La structure du fonds fait croître sa part à mesure que l'entreprise grandit. Anthropic présente ce dispositif comme une alternative aux primes en actions progressives que les entreprises technologiques offrent couramment à leurs dirigeants. Ici, ces actions vont à l'intérêt public plutôt qu'à la rémunération.

Ce que finance déjà l'entreprise

Anthropic rappelle que la plupart de ses travaux d'intérêt public se font au sein même de la société, car ils ont à la fois une dimension d'intérêt général et une valeur marchande. Cela couvre la recherche sur la sûreté et l'interprétabilité de l'IA, la recherche biomédicale appliquée, et des réductions sur Claude pour les organisations à but non lucratif et les institutions scientifiques.

Le fonds doit apporter plus de flexibilité et d'échelle. Anthropic évoque par exemple de grands dons à des associations traditionnelles ou des distributions directes à certaines populations.

L'exemple du marché du travail

Anthropic cite les effets sur l'emploi comme cas d'usage. L'IA peut créer beaucoup de valeur économique mais aussi déstabiliser de nombreux travailleurs. L'entreprise a déjà engagé 200 millions de dollars pour étudier et traiter cette question. Vu le rythme des progrès de l'IA, elle estime que des approches plus ambitieuses pourraient être nécessaires, et le fonds doit pouvoir les financer.

Les engagements antérieurs

Cette annonce s'ajoute à des engagements déjà pris. À la fondation d'Anthropic, les cofondateurs se sont engagés à donner 80 % de leurs actions. L'entreprise opère aussi un programme d'abondement des dons d'actions des salariés, auquel participe environ la moitié d'entre eux. En combinant ces engagements et l'annonce du jour, environ 20 % des actions d'Anthropic seraient dédiées au bien public, auxquelles pourraient s'ajouter les pourcentages liés aux seuils de valorisation.

Anthropic indique qu'elle détaillera dans les prochains mois la structure et la gouvernance du fonds, ainsi que les seuils de valorisation qui peuvent accroître sa part. Un rapport public sur l'avancement de sa mission est également annoncé.

Pourquoi c'est important

Pour un développeur ou une équipe qui choisit ses fournisseurs de modèles, ce type d'annonce reste difficile à évaluer sur le plan technique. Elle ne dit rien des capacités des modèles ni des conditions d'accès à l'API. Elle donne en revanche un signal sur la gouvernance d'une entreprise qui vend des modèles de pointe.

Mon hypothèse est que ce montage intéressera les équipes qui doivent justifier leurs choix auprès d'une direction ou de clients attentifs aux engagements des fournisseurs. Le mécanisme indexé sur la valorisation est inhabituel et mérite d'être suivi. Il reste à voir comment le fonds sera gouverné et quels seuils déclencheront les versements supplémentaires, deux points qu'Anthropic renvoie à une publication ultérieure.

La question du marché du travail, avec les 200 millions de dollars déjà engagés, touche plus directement les métiers de la donnée et du développement. Cela reste à surveiller, car les conclusions de ces travaux pourraient orienter les discours des entreprises sur l'automatisation.

Source

• Investing in the public benefit · Anthropic

L'économie chinoise a progressé de 4,5 % au troisième trimestre, selon les données officielles publiées lundi par le National Bureau of Statistics. Ce chiffre marque un rebond après un plus bas de trois ans, porté par les exportations que stimule l'essor de l'intelligence artificielle. Il reste toutefois inférieur à la croissance de 5 % enregistrée entre janvier et mars.

Ce résultat se situe dans le bas de l'objectif annuel de Pékin, fixé entre 4,5 % et 5 %. Les analystes y voient une marge de manœuvre pour les décideurs face aux difficultés économiques du pays.

Les détails

Exportations et excédent commercial

La demande mondiale de puces et d'autres composants destinés aux centres de données d'IA a allégé la pression sur Pékin et amorti l'effet d'une consommation intérieure atone. Avec la hausse des exportations, l'excédent commercial chinois devrait dépasser le record de 1,2 billion de dollars atteint l'an dernier.

Sheana Yue, chercheuse chez Oxford Economics, attribue la croissance aux exportations manufacturières et technologiques, en dépit de la faiblesse de l'investissement et des dépenses des ménages.

Le secteur immobilier reste à la traîne

L'investissement dans l'immobilier a reculé de plus de 20 % sur les neuf premiers mois par rapport à la même période de l'an dernier. L'économie chinoise peine à sortir d'une longue crise du logement, conséquence d'années de surconstruction et d'un endettement excessif des promoteurs privés. Yue ne voit aucun signe d'une fin prochaine de cette tendance.

Les incertitudes commerciales et les tensions géopolitiques rendent aussi les consommateurs chinois plus « pessimistes » et moins enclins à dépenser, ajoute-t-elle.

Un soutien budgétaire sous tension externe

En septembre, Pékin a dévoilé une série de mesures de soutien, dont des taux d'intérêt réduits pour certaines entreprises et des subventions pour les acheteurs immobiliers. Le pays fait néanmoins face aux critiques des économies occidentales, États-Unis et Union européenne en tête, dont les industriels peinent à concurrencer le flux de biens chinois bon marché.

Des inquiétudes portent également sur les milliards de dollars investis dans les infrastructures d'IA et sur la capacité des entreprises concernées à tenir leurs promesses de profits élevés.

Pourquoi c'est important

Pour un développeur ou une équipe qui construit sur des composants d'IA, cette dépendance de la croissance chinoise aux exportations de puces et de matériel dessine un risque de chaîne d'approvisionnement. Si la demande mondiale ralentit ou si les tensions commerciales se durcissent, le moteur qui compense aujourd'hui la faiblesse intérieure pourrait caler. Mon hypothèse est que les investissements massifs dans les centres de données deviennent un point de vulnérabilité macroéconomique, pas seulement une question de calendrier de livraison.

La crise immobilière et la prudence des ménages pèsent sur la consommation intérieure, ce qui rend l'économie plus exposée aux chocs extérieurs. Cela reste à surveiller pour quiconque dimensionne des achats de matériel ou planifie des capacités de calcul sur plusieurs trimestres.

Source

• China's growth accelerates as AI export boom outweighs domestic weakness · BBC News

Anthropic a publié vendredi un rapport sur l'évolution de ses propres effectifs et de son organisation du travail sur un an. L'entreprise y voit un possible indicateur de la façon dont l'IA pourrait transformer l'embauche et la demande de travail dans le reste de l'économie, puisqu'elle a bâti ses processus autour de l'IA.

Les chiffres marquants concernent les juniors. Dans les départements techniques la proportion d'employés de niveau junior est passée de 21 % à 14 % depuis le début 2025. La part des recrutements techniques juniors a chuté plus fortement encore, de 27 % à 9 %.

Les détails

Effectifs et recrutement

Les équipes techniques pèsent désormais 56 % des effectifs contre 61 % auparavant. Anthropic explique ce recul par l'expansion naturelle des fonctions support à mesure que l'entreprise grandit, et par des outils de programmation qui permettent à des salariés non techniques de produire eux-mêmes du logiciel.

Le quotidien vu de l'intérieur

Un employé décrit une « pression permanente chez Anthropic pour aller le plus vite possible et utiliser Claude pour tout ». Dans une enquête d'avril 2026, 27 % des salariés déclarent être plus productifs grâce à Claude et 20 % estiment que leur travail a glissé de l'exécution vers la supervision de Claudes. Un ingénieur compare cette activité à du baby-sitting : chaque enfant apporte ses soucis avec la même exigence d'attention, et les différents Claudes font de même.

Le rapport avance que l'attention et le jugement humains deviennent un goulot d'étranglement pour la productivité. Claude produit un flux de texte qu'il faut lire et organiser.

Productivité et réunions

Anthropic affirme que l'adoption de l'IA a accru sa productivité, avec plus de code par personne, plus de ventes par commercial et plus de contrats traités. L'entreprise reconnaît que davantage de code ne signifie pas forcément du meilleur code ni un impact business, mais elle n'a pas relevé de signe de baisse de qualité.

D'après les données de calendrier, le temps de réunion par salarié a augmenté de 20 % sur un an, et de 16 % pour les contributeurs techniques. Anthropic l'attribue au besoin de confiance et de responsabilité entre personnes, les salariés décrivant à répétition la coordination en face à face comme indispensable.

Pourquoi c'est important

Ce rapport décrit une organisation où l'IA génère le travail et où l'humain le trie. Pour une équipe de développement cela déplace la valeur : moins de production brute, plus de relecture, d'arbitrage et de coordination. Si l'attention devient la ressource rare, les outils qui aident à filtrer et prioriser les sorties de modèle comptent autant que ceux qui en produisent.

La baisse des juniors techniques mérite d'être surveillée. Mon hypothèse est qu'elle reflète moins un refus d'embaucher des débutants qu'un déplacement des tâches qu'on leur confiait vers des agents. Or ces tâches étaient souvent le chemin d'apprentissage du métier. Une entreprise qui réduit ce vivier doit trouver d'autres moyens de former ses futurs seniors, sinon elle prépare une pénurie interne.

Le bond du temps de réunion va à rebours de l'image d'équipes entièrement automatisées. Il suggère que plus la machine produit, plus il faut se parler pour décider quoi garder. Reste à savoir si ce surcoût de coordination se stabilise ou s'il continue de croître avec le volume généré.

Source

• Anthropic says its workforce has become less junior and is spending more time in meetings · TechCrunch

Google déploie Gemini 4 Argon à l'échelle mondiale. Le modèle est accessible aux développeurs, aux entreprises et aux consommateurs via l'API dans AI Studio et la plateforme Gemini. Les abonnés Google AI Ultra peuvent l'utiliser dans Google Antigravity, tandis que les abonnés AI Ultra et Pro y accèdent via l'application Gemini et le mode IA de Google Search.

Argon remplace la classe Gemini Pro et devient la nouvelle série frontier de Google. Les utilisateurs gratuits et les abonnés Plus sont désormais limités aux modèles Flash, moins performants, dans le cadre d'une nouvelle structure de niveaux. Google indique que d'autres modèles Gemini 4 suivront, ce qui suggère des variantes Flash mises à jour qui finiraient par être proposées aux utilisateurs gratuits et Plus. En interne, Google testerait déjà un successeur potentiel nommé « Carbon », censé surpasser Argon en codage.

Les détails

Tarifs et classements

Le tarif reste celui annoncé précédemment : 2 dollars par million de tokens en entrée et 10 dollars par million en sortie au tarif d'introduction, avec une réduction de 95 % sur les entrées mises en cache. Argon occupe la première place du Vals Index, mais reste derrière Claude Opus 5.5 d'Anthropic dans les classements globaux indépendants. Google ayant attendu environ deux semaines pour livrer, le modèle se situe aussi derrière Muse Wonder Full de Meta, lancé la veille.

Gains internes revendiqués

Google partage des chiffres internes auto-déclarés. Les ingénieurs logiciels utilisant Argon auraient augmenté de plus de 35 % les soumissions de code pilotées par agent, tandis que les rollbacks de code auraient chuté de près d'un tiers. Dans le projet Chromium, Argon a aidé l'équipe Chrome à mener un refactoring architectural sur des centaines de fichiers dans une base de code de 40 millions de lignes : un travail qui aurait pris des mois a été achevé en quelques semaines. Pour les utilisateurs, les pages web peuvent se déplacer entre onglets, barres latérales et fenêtres flottantes sans rechargement.

Avec l'Agent Development Kit open source de Google, Argon a tourné en autonomie pendant la nuit et trouvé des optimisations réduisant de 40 % le temps de préparation de session et accélérant de 21 % les imports à froid. La vitesse d'inférence des modèles ouverts Gemma sur un A100 via vLLM est passée d'environ 37 900 à plus de 108 000 tokens par seconde, soit un facteur de 2,85. Les changements sont visibles dans des pull requests upstream.

Argon peut aussi générer des modèles 3D complexes, des jeux et des animations en code pur exécutés directement dans le navigateur. Une démo présente un moteur de raytracing écrit entièrement en Python sans bibliothèque externe ; Google a publié le code source. Dans une autre démo, Argon part d'une seule image dans Antigravity et pilote Blender via MCP dans une boucle autonome, modélisant une architecture gothique et configurant un éclairage réactif à l'audio.

Accès chercheurs et sécurité

Google offre à 10 000 chercheurs le plus haut niveau d'utilisation de Google Antigravity gratuitement pendant six mois, les places étant attribuées au fil de l'eau selon l'éligibilité, la capacité et la sélection. Les défenseurs en cybersécurité peuvent candidater séparément au programme Fairwind, qui donne accès à Argon sans garde-fous cyber ; Google prévoit d'étendre ce programme à des centaines de partenaires supplémentaires.

Côté sécurité, Google qualifie l'architecture d'Argon de plus robuste à ce jour. Le red teaming externe en biologie aurait contourné moins de 1 % des contrôles testés, et sur un ensemble adversarial, les violations auraient chuté de près de moitié par rapport aux modèles Gemini antérieurs. Les tentatives de raccourcis non autorisés par l'agent tombent à 2 %, avec un moniteur de désalignement automatisé analysant en temps réel le raisonnement et les actions. Argon obtient aussi le plus faible taux d'attaque sur le benchmark Gray Swan d'injection indirecte de prompt, avec 0,7 % de réussite sur 15 tentatives adaptatives, contre 8,5 % pour GPT-6 Astra et 4,8 % pour Claude Opus 5 lors du test précédent — la source note que Google ne précise pas si les tests étaient identiques.

Pourquoi c'est important

Pour une équipe qui construit sur des API, la segmentation par niveaux change la donne : les modèles frontier deviennent un produit payant, et les utilisateurs gratuits ou Plus basculent sur des Flash. Cela suggère de vérifier dès maintenant quels modèles vos intégrations ciblent réellement, et de prévoir une stratégie de repli si un modèle change de palier.

Les chiffres internes sur Chromium et l'Agent Development Kit sont auto-déclarés, donc à prendre avec prudence, mais ils pointent une tendance : les agents autonomes qui tournent la nuit sur du refactoring et de l'optimisation deviennent un usage de production, pas une démo. Le taux de 0,7 % sur Gray Swan est à surveiller pour les équipes qui exposent des agents à des entrées non fiables, même si la comparabilité des tests reste incertaine. Enfin, le programme Fairwind — accès sans garde-fous cyber — mérite une lecture attentive : c'est un outil de recherche défensive, mais il élargit volontairement la surface d'usage.

Source

• Gemini 4 Argon is now available worldwide as Google's most capable frontier model · The Decoder
• Google finally releases Gemini 4 Argon · The Verge
• Gemini 4 Argon begins rolling out in Gemini app and Antigravity, but only if you pay · Ars Technica
• Gemini 4 Argon: Built to solve your hardest problems · Google AI

Un Secteur Face aux Défis du XXIe Siècle

L'industrie horlogère suisse emploie environ 59 000 personnes réparties dans plus de 600 entreprises. La concurrence des smartwatches (180 millions d'unités vendues en 2024 contre 23 millions de montres suisses) pousse les manufactures à innover.

Apple Watch détient 36% du marché global des montres, obligeant les marques traditionnelles à repenser leur stratégie.

IA et Conception : Le Cas Audemars Piguet

Audemars Piguet, manufacture fondée en 1875, utilise depuis 2022 des algorithmes de design génératif pour optimiser la géométrie de ses mouvements tout en réduisant le poids de 15%.

Leur Royal Oak Concept, dévoilée en 2024, intègre :

• Simulation numérique de 10 000 variantes de mécanismes
• Optimisation topologique par IA pour alléger les composants
• Analyse prédictive de résistance aux chocs

Vacheron Constantin (fondée en 1755) utilise l'apprentissage machine pour analyser son archive de 1 100 dessins historiques et générer de nouveaux designs cohérents avec leur patrimoine.

Contrôle Qualité Révolutionné

Rolex et l'Inspection Automatisée

Rolex, qui produit environ 1 million de montres par an, a déployé en 2023 un système de vision par ordinateur dans ses ateliers de Bienne :

• Détection de micro-rayures de 0,01mm invisibles à l'œil nu
• Inspection de 100% des composants (contre 10% en contrôle manuel)
• Réduction de 40% des pièces rejetées en fin de chaîne
• Temps d'inspection divisé par 5

Patek Philippe et la Traçabilité IA

Patek Philippe a implémenté un système de traçabilité par IA qui :

• Suit chaque composant depuis la matière première
• Enregistre les 300+ étapes de fabrication d'un mouvement
• Détecte automatiquement les anomalies de production
• Garantit l'authenticité via signature numérique

Maintenance Prédictive : L'Exemple Omega

Omega (groupe Swatch, 7 500 employés) a réduit ses temps d'arrêt machines de 35% grâce à l'IA prédictive :

• 450 capteurs sur les machines de production
• Analyse en temps réel de 15 000 paramètres
• Prédiction des pannes 2 semaines à l'avance
• Économies estimées à 12 millions CHF par an

Smartwatches Suisses : La Réponse des Marques

TAG Heuer Connected

TAG Heuer (groupe LVMH) a lancé en 2015 sa première Connected, collaboration avec Google et Intel. La 3e génération (2024) :

• Processeur Snapdragon Wear 4100+
• 1GB RAM, écran AMOLED 454x454
• Prix : 1 800€ à 2 000€
• Chiffre d'affaires estimé : 50 millions € en 2024

Montblanc Summit

Montblanc propose sa Summit 3 (2024) :

• Système Wear OS de Google
• Suivi fitness et santé
• Boîtier titane fabriqué en Suisse
• Prix : 1 290€
• Ventes estimées : 15 000 unités/an

Tissot T-Touch Connect Solar

Tissot (groupe Swatch) a créé une montre hybride :

• Écran tactile solaire
• Connectivité Bluetooth
• Autonomie illimitée grâce au solaire
• Prix accessible : 995€

Lutte Anti-Contrefaçon

Le marché de la contrefaçon horlogère est estimé à 4 milliards CHF de pertes annuelles pour l'industrie suisse.

Watchfinder (Groupe Richemont)

Watchfinder, racheté par Richemont en 2018, utilise l'IA pour :

• Authentifier 50 000 montres d'occasion par an
• Analyser 200 points de contrôle en 30 secondes
• Taux de détection des contrefaçons : 99,7%
• Base de données : 2 millions d'images de références

Hublot et la Blockchain

Hublot (groupe LVMH) a intégré en 2023 :

• Certificat d'authenticité NFT sur blockchain Ethereum
• Vérification par application mobile avec IA
• Chaque Big Bang vendue dispose d'un "passeport numérique"

Personnalisation par IA : Le Cas Breitling

Breitling a développé un configurateur en ligne avec IA qui :

• Recommande des modèles selon le style de vie (données de 1,2 million de clients)
• Suggère des combinaisons cadran/bracelet par apprentissage machine
• Prédit les préférences avec 78% de précision
• A généré 23% de ventes en ligne supplémentaires en 2024

Formation : École Technique de la Vallée de Joux

L'École Technique de la Vallée de Joux (ETVJ) a intégré l'IA dans son cursus dès 2023 :

• Simulateurs VR pour assemblage de mouvements complexes
• IA tutorielle adaptée au rythme de chaque étudiant
• Numérisation 3D de 500 mouvements historiques pour conservation
• Réduction de 30% du temps d'apprentissage des gestes de base

École d'Horlogerie de Genève propose depuis 2024 un module "IA et Horlogerie" obligatoire pour tous les étudiants.

Innovations Matériaux

Rolex et les Alliages

Rolex utilise l'IA pour développer ses alliages propriétaires :

• Oystersteel : acier 904L optimisé par algorithmes
• Everose : or rose dont la composition est calculée par IA pour résistance à l'oxydation
• Cerachrom : céramique dont les pigments sont formulés par apprentissage machine

Richard Mille et les Matériaux Composites

Richard Mille (montres de 100 000€ à 2 millions€) utilise l'IA pour :

• Optimiser les fibres de carbone TPT (Thin Ply Technology)
• Simuler résistance aux chocs de 5 000G
• Réduire poids des boîtiers de 40% vs titane

Le Marché Secondaire Transformé

Chrono24

Chrono24, plus grande marketplace horlogère (500 000 montres, 30 millions de visiteurs/mois) :

• Algorithme de pricing dynamique sur 2 millions de transactions historiques
• Prédiction de l'évolution des prix à 6 mois avec 82% de précision
• IA de détection de photos suspectes (92% de faux détectés)

WatchBox

WatchBox (USA/Hong Kong) valorisé 1,4 milliard $ en 2024 :

• IA d'évaluation instantanée de l'état
• Vérification d'authenticité par vision computationnelle
• Recommandations personnalisées pour 200 000 collectionneurs

Données Économiques

Selon la Fédération de l'Horlogerie Suisse (FH) :

• Montres de < 200 CHF : -15% en volume (concurrence smartwatches)
• Montres de > 3 000 CHF : +18% en valeur (segment de luxe résiste)
• Investissement R&D : 850 millions CHF en 2024 (+12% vs 2023)
• 40% des manufactures utilisent l'IA en production (vs 15% en 2020)

Les Défis de l'Intégration IA

Convention Collective de Travail (Suisse) et syndicats surveillent :

• 2 800 emplois potentiellement automatisables d'ici 2030
• Formation obligatoire de 80h/an aux nouvelles technologies pour 15 000 employés
• Investissement formation : 45 millions CHF en 2024

Conclusion

L'horlogerie suisse prouve qu'excellence artisanale et IA ne sont pas incompatibles. Les 23,7 milliards CHF d'exportations 2024 montrent que la tradition enrichie par la technologie crée de la valeur.

Jean-Claude Biver (ancien PDG TAG Heuer, Hublot, Zenith) déclare : "L'IA est l'outil du XXIe siècle, comme le tour à guillocher fut celui du XVIIIe. Elle ne remplace pas l'horloger, elle décuple son talent."

Avec 850 millions CHF investis en R&D dont 30% en IA, l'industrie prépare son avenir tout en honorant ses 5 siècles d'histoire.

Sources et Références

• Fédération de l'Horlogerie Suisse (FH) - Statistiques officielles et rapports annuels
• Audemars Piguet - Royal Oak Concept, design génératif
• Vacheron Constantin - Archives historiques et IA
• Rolex - Systèmes de contrôle qualité, alliages propriétaires
• Patek Philippe - Traçabilité et mouvements perpétuels
• Omega (Swatch Group) - Maintenance prédictive
• TAG Heuer (LVMH) - TAG Heuer Connected smartwatch
• Montblanc (Richemont) - Summit smartwatch collection
• Tissot (Swatch Group) - T-Touch Connect Solar
• Hublot (LVMH) - Blockchain et certificats NFT
• Breitling - Configurateur IA et personnalisation
• Richard Mille - Matériaux composites avancés
• Watchfinder (Richemont) - Authentification par IA
• Chrono24 - Marketplace et algorithmes de pricing
• WatchBox - Évaluation automatisée
• École Technique de la Vallée de Joux (ETVJ) - Formation horlogère
• École d'Horlogerie de Genève - Cursus intégrant l'IA

Les Niveaux d'Autonomie

Avant de plonger dans la technologie, il est essentiel de comprendre les différents niveaux d'autonomie définis par la SAE (Society of Automotive Engineers) :

• Niveau 0 : Aucune autonomie - le conducteur contrôle tout
• Niveau 1 : Assistance - régulateur de vitesse adaptatif ou aide au maintien de voie
• Niveau 2 : Automatisation partielle - combine plusieurs fonctions (Tesla Autopilot)
• Niveau 3 : Automatisation conditionnelle - conduite autonome dans certaines conditions
• Niveau 4 : Haute automatisation - autonomie complète dans des zones définies
• Niveau 5 : Automatisation complète - aucune intervention humaine requise

Aujourd'hui, la plupart des véhicules "autonomes" sur le marché se situent entre les niveaux 2 et 3.

Les Technologies d'IA au Cœur du Véhicule

Vision par Ordinateur

La vision par ordinateur est le "sens de la vue" du véhicule autonome. Elle repose sur plusieurs technologies :

Caméras haute résolution :

• Capture d'images en temps réel à 360°
• Reconnaissance des panneaux, feux de signalisation, piétons, véhicules
• Analyse des marquages au sol et des voies

Deep Learning pour la détection d'objets :

# Exemple simplifié de détection d'objets
import tensorflow as tf
from tensorflow.keras.applications import MobileNetV2

# Modèle de détection d'objets léger pour systèmes embarqués
model = MobileNetV2(weights='imagenet', include_top=False)

def detect_objects(image):
    # Prétraitement de l'image
    processed = preprocess_input(image)

    # Détection
    predictions = model.predict(processed)

    # Classification des objets détectés
    return decode_predictions(predictions)

LIDAR et Fusion de Capteurs

Le LIDAR (Light Detection and Ranging) crée une carte 3D précise de l'environnement :

• Émission d'impulsions laser
• Mesure du temps de retour pour calculer les distances
• Création d'un "nuage de points" 3D en temps réel
• Précision millimétrique jusqu'à 200 mètres

La fusion de capteurs combine :

• Données LIDAR (distances précises)
• Caméras (reconnaissance visuelle, couleurs)
• Radar (détection à longue distance, conditions météo difficiles)
• Ultrasons (proximité immédiate, parking)

Localisation et Cartographie (SLAM)

Le SLAM (Simultaneous Localization and Mapping) permet au véhicule de :

• Se localiser avec une précision centimétrique
• Construire une carte détaillée de son environnement
• Mettre à jour sa position en temps réel

Cette technologie combine :

• GPS haute précision (RTK-GPS)
• Unités de mesure inertielle (IMU)
• Cartes HD pré-enregistrées
• Données de capteurs en temps réel

L'Intelligence Décisionnelle

Planification de Trajectoire

L'IA doit constamment planifier la trajectoire optimale en tenant compte de :

1. Contraintes physiques

   • Limites d'accélération et de freinage
   • Rayon de braquage
   • Adhérence de la route

2. Règles de circulation

   • Code de la route
   • Priorités aux intersections
   • Limitations de vitesse

3. Sécurité

   • Distance de sécurité
   • Anticipation des comportements des autres usagers
   • Zones d'incertitude

Prédiction des Comportements

Les réseaux de neurones prédisent les actions futures des autres usagers :

# Architecture simplifiée d'un modèle de prédiction de trajectoire
class TrajectoryPredictor(nn.Module):
    def __init__(self):
        super().__init__()
        self.lstm = nn.LSTM(input_size=4, hidden_size=128, num_layers=2)
        self.fc = nn.Linear(128, 2)  # Prédiction (x, y) futures

    def forward(self, historical_positions):
        # historical_positions: positions passées de l'objet
        lstm_out, _ = self.lstm(historical_positions)
        prediction = self.fc(lstm_out[-1])  # Dernière sortie
        return prediction  # Position future prédite

Cette prédiction permet d'anticiper :

• Le changement de voie d'un véhicule
• La traversée d'un piéton
• Le freinage brusque du véhicule devant

Prise de Décision en Temps Réel

Le système décisionnel doit réagir en millisecondes :

• Perception : Traitement des données capteurs (< 100ms)
• Prédiction : Anticipation des scénarios (< 50ms)
• Planification : Choix de la meilleure action (< 50ms)
• Contrôle : Commande des actuateurs (< 20ms)

Latence totale critique : ~200ms maximum

Les Défis Techniques Majeurs

Conditions Météorologiques Extrêmes

L'IA doit fonctionner par :

• Pluie intense (visibilité réduite)
• Brouillard dense (LIDAR perturbé)
• Neige (marquages au sol invisibles)
• Éblouissement solaire

Solutions :

• Fusion de capteurs redondants
• Cartes HD comme référence
• Apprentissage sur données diversifiées

Scénarios Edge Cases

Les cas limites restent un défi majeur :

• Travaux routiers imprévus
• Véhicules d'urgence
• Comportements imprévisibles (animal, objet tombé)
• Zones non cartographiées

Dilemmes Éthiques

Le fameux dilemme du tramway appliqué aux voitures :

• En cas d'accident inévitable, qui protéger en priorité ?
• Comment programmer des décisions morales ?
• Qui est responsable en cas d'accident ?

Ces questions nécessitent des réponses sociétales, pas seulement techniques.

Les Acteurs Majeurs

Waymo (Google)

• Leader technologique avec plus de 20 millions de miles parcourus
• Service de robotaxi opérationnel à Phoenix et San Francisco
• Approche conservatrice privilégiant la sécurité

Tesla

• Approche "vision pure" sans LIDAR
• Full Self-Driving (FSD) déployé auprès de millions d'utilisateurs
• Apprentissage continu grâce à la flotte connectée

Cruise (General Motors)

• Robotaxis dans plusieurs villes américaines
• Incidents récents ayant temporairement stoppé les opérations
• Leçons apprises sur la gestion des situations complexes

MobilEye (Intel)

• Fournisseur de technologies pour de nombreux constructeurs
• Approche pragmatique par niveaux progressifs
• Partenariats avec Volkswagen, BMW, Nissan

L'Apprentissage Machine au Service de l'Amélioration Continue

Simulation et Entraînement

Les véhicules autonomes s'entraînent dans des simulateurs virtuels :

• Millions de kilomètres virtuels par jour
• Scénarios dangereux sans risque réel
• Validation avant déploiement sur route

Apprentissage par Renforcement

L'apprentissage par renforcement permet d'optimiser :

• Confort de conduite (accélérations douces)
• Efficacité énergétique
• Temps de trajet

Le système apprend en recevant des récompenses pour les bonnes décisions.

Shadow Mode

Le mode fantôme de Tesla :

• L'IA prend des décisions sans les exécuter
• Comparaison avec les actions du conducteur humain
• Amélioration continue du modèle

Impact sur la Société

Sécurité Routière

94% des accidents sont causés par l'erreur humaine. Les voitures autonomes promettent :

• Élimination de l'alcool au volant
• Suppression de la fatigue et de la distraction
• Respect constant du code de la route
• Temps de réaction plus rapides

Mobilité pour Tous

Accès à la mobilité pour :

• Personnes âgées
• Personnes en situation de handicap
• Jeunes sans permis
• Zones rurales mal desservies

Transformation Urbaine

Les villes pourraient se réinventer :

• Réduction du nombre de voitures (partage optimisé)
• Conversion des parkings en espaces verts
• Fluidification du trafic
• Réduction de la pollution

Impact Économique

Bouleversements à prévoir :

• Positif : Nouveaux emplois tech, gain de productivité
• Négatif : Millions de chauffeurs professionnels concernés
• Transport : Modèles économiques à réinventer (assurance, propriété)

Les Enjeux Réglementaires

Cadre Légal

Questions en suspens :

• Qui est responsable en cas d'accident ?
• Quelles normes de sécurité imposer ?
• Comment certifier un système d'IA ?
• Protection des données collectées ?

Cybersécurité

Les voitures connectées sont des cibles potentielles :

• Piratage à distance
• Manipulation des capteurs
• Vol de données personnelles

Solutions : Cryptage, authentification, mise à jour sécurisée (OTA)

L'Avenir de la Conduite Autonome

Court Terme (2025-2030)

• Généralisation du niveau 3 sur autoroutes
• Expansion des robotaxis dans grandes villes
• Prix des systèmes en baisse

Moyen Terme (2030-2040)

• Niveau 4 dans zones urbaines étendues
• Intégration avec infrastructures intelligentes (V2X)
• Premiers corridors de camions autonomes

Long Terme (2040+)

• Niveau 5 généralisé dans pays développés
• Disparition progressive du permis de conduire
• Villes redessinées autour de la mobilité autonome

Conclusion

Les voitures autonomes représentent l'une des applications les plus complexes et ambitieuses de l'intelligence artificielle. Elles combinent vision par ordinateur, apprentissage profond, robotique, et prise de décision en temps réel pour relever un défi qui semblait impossible il y a encore vingt ans.

Si des obstacles techniques, éthiques et réglementaires subsistent, les progrès sont fulgurants. L'IA ne fait pas que conduire des voitures : elle redéfinit notre rapport à la mobilité et esquisse les contours des villes de demain.

La question n'est plus "si" mais "quand" les voitures autonomes domineront nos routes. Et avec elles, c'est toute une société qui devra s'adapter à cette révolution technologique sans précédent.