L'AI Act impose la transparence : les règles du jeu changent pour les entreprises européennes aujourd'hui

Le 2 août 2026 marque une nouvelle étape dans l'application du règlement européen sur l'intelligence artificielle. Les obligations de transparence et le régime de sanctions deviendront applicables, tandis que le volet consacré aux systèmes à haut risque a été reporté. Ce basculement réglementaire transforme profondément la relation des entreprises à l'IA. Les entreprises ne devront plus seulement expliquer pourquoi elles utilisent l'intelligence artificielle, mais où, comment et sous quelle responsabilité. Cette échéance modifie la place de l'IA dans l'entreprise : elle ne relève plus seulement de l'innovation ou de la productivité, mais de la gouvernance. Concrètement, les chatbots, deepfakes et contenus générés par IA devront être clairement identifiés comme tels, dès le 2 août 2026. Quant aux obligations plus strictes relatives aux systèmes à haut risque — recrutement, biométrie, éducation —, elles n'entreront en vigueur qu'en 2027 et 2028. Pour les dirigeants et les équipes IA, l'urgence est claire : dresser l'inventaire des systèmes en place, documenter les données utilisées et établir les responsabilités. L'IA s'est ainsi installée dans les directions juridiques, les ressources humaines, les services commerciaux, l'informatique et les fonctions support, parfois sans politique interne ni vision consolidée au niveau de la direction générale. Le flou organisationnel doit laisser place à la clarté administrative et éthique avant ce seuil critique.

Claude Opus 5 a été lancé le 24 juillet 2026, proposant une intelligence proche de Claude Fable 5 à la moitié du prix. Cette sortie intervient dans un contexte de compétition exacerbée entre les trois piliers du marché : Anthropic, OpenAI et Google DeepMind. Le modèle coûte $5 par million de tokens en entrée et $25 en sortie, dispose d'une fenêtre contextuelle d'1 million de tokens et offre des performances proches de Fable 5 à la moitié du coût. Un positionnement redoutable pour les équipes cherchant une alternative bon marché aux flagships concurrents. Sur les benchmarks, Opus 5 plus que double le score d'Opus 4.8 et surpasse tous les autres modèles. Sur CursorBench 3.2, il atteint 0,5 % du pic de Fable 5 au mode max pour la moitié du coût par tâche. Sur ARC-AGI 3, il obtient une note trois fois plus élevée que le modèle suivant. La fenêtre contextuelle d'1 million de tokens — l'une des plus larges du marché sans surcharge — ouvre des possibilités pour le traitement de longs documents, l'analyse de codebase entière et la recherche scientifique. C'est le nouveau modèle par défaut sur Claude Max et le plus fort sur Claude Pro. Pour les équipes fonctionnant en mode agent ou code intensif, Opus 5 pose sérieusement la question du ratio coût-performance des alternatives.

Le 7 juillet, la startup parisienne UMA a dévoilé Northstar, un prototype de robot humanoïde industriel, marquant pour la première fois, une invitation d'une jeune pousse française dans une compétition jusqu'ici dominée par les États-Unis et la Chine. Présenté au Machina Summit à Station F, le robot était relié à un câble d'alimentation et retenu par un harnais de sécurité. Lorsqu'on le pousse, la machine corrige sa posture et retrouve son équilibre, preuve que la partie logicielle commence à répondre. UMA annonce viser des programmes pilotes en entrepôt et en usine dès 2026, et dit discuter avec une cinquantaine de clients potentiels. Aucune commercialisation grand public n'est annoncée à ce stade. Le défi principal reste l'industrialisation : passer d'un prototype fonctionnel à une production fiable et compétitive en coût. UMA dispose d'atouts en recherche et en technologie, notamment sur la partie logicielle et l'IA. Cette avancée française intervient alors que l'Europe n'a pas d'acteur majeur dans la course aux humanoïdes, et que le marché se concentre sur Optimus (Tesla), Figure AI et Atlas (Boston Dynamics). L'émergence de Northstar confirme l'accélération du secteur vers les déploiements réels en 2026, au-delà des simples démonstrations.

Le débat autour de l'Intelligence Artificielle Générale (AGI) continue de diviser experts et industriels, sans que le consensus n'émerge. En janvier 2026, l'AGI véritable n'existe pas encore. Mais les jalons se posent. Le test ARC-AGI, conçu pour déterminer si une IA peut être qualifiée de générale, doit d'ailleurs être mis à jour courant 2026, signe que nous approchons d'un seuil critique. Les modèles 2026 atteignent des niveaux experts sur des domaines ciblés — code, mathématiques de compétition — mais échouent sur l'apprentissage continu autonome et les missions longues. Cette lacune illustre un fossé : la capacité pointue ne vaut pas la généralité. Consensus pratique en 2026 : les meilleurs modèles — GPT-5.6, Claude Fable 5, Gemini 3 — sont généraux dans leurs compétences mais ne constituent pas une AGI au sens fort. Récemment, les derniers modèles d'intelligence artificielle ont atteint 50 % de performance sur le test ARC-AGI2, réputé pour être une digue technologique infranchissable, contre 20 % il y a encore quelques mois. Le progrès s'accélère, mais la définition même de l'AGI demeure mouvante. Personne ne s'accorde vraiment sur sa définition, un flou théorique qui permet toutes les interprétations et toutes les annonces dans le vent. Pour les organisations, l'AGI reste un horizon de levée de fonds plutôt qu'une réalité à planifier.

L'IA menace le marché du travail comme « une onde de choc » : 40% des emplois mondiaux et 60% dans les économies avancées sont exposés à la disruption causée par l'IA, avec un impact plus lourd sur les postes d'entrée de gamme. Ce diagnostic, issue d'une institution aussi austère que le FMI, scelle le basculement : l'IA n'est plus une menace théorique, mais un facteur de restructuration en cours. McKinsey estime que 27 % des tâches professionnelles en France pourraient être automatisées d'ici 2030, avec 5 % des emplois directement remplacés. Cette transformation pourrait générer entre 250 et 420 milliards d'euros de PIB supplémentaire sur dix ans. Le paradoxe économique est net : destruction nette de tâches, création nette de valeur. Le Future of Jobs Report 2025 projette que d'ici 2030, l'IA et les tendances associées déplaceront 92 millions d'emplois tout en créant 170 millions de nouveaux rôles — un gain net de 78 millions de postes. Mais ce chiffre global masque un énorme renouvellement : des catégories entières de travail disparaissent tandis que d'autres émergent, et les compétences requises pour les nouveaux rôles ne ressemblent guère à celles qu'elles remplacent. Les emplois exigeant des compétences IA sont assortis d'une prime salariale de 56 %, tandis que les postes d'entrée font face à un risque d'automatisation 2 à 3 fois plus élevé que les postes de direction. Le bénéfice s'accumule vers le haut de l'échelle des compétences. Une enquête de la Harvard Business Review menée en janvier 2026 auprès de 1 006 dirigeants révèle un écart majeur : 39 % des dirigeants reconnaissent avoir réduit les effectifs par anticipation des capacités de l'IA, contre seulement 2 % sur la base de résultats concrets d'automatisation. Le phénomène porte un nom : « AI washing ». Les entreprises utilisent l'IA comme justification de restructurations motivées avant tout par la réduction des coûts. La vraie question n'est donc pas l'emploi total — le bilan devrait être positif — mais la transition. 40 % des compétences de la main-d'œuvre actuelle deviendront obsolètes dans cinq ans. Pour ceux qui peuvent se former et s'adapter, les opportunités abondent. Pour les autres, le coût du changement sera réel.