Produits et services transformés par les capacités de l'IA.
12 fiches · 32 entities · Mis à jour
Produits et services se remodèlent à mesure que la capacité de l'IA se diffuse, et suivre ce remodelage est le but poursuivi. Les applications bâties sur des modèles — outils de développement, plateformes internes, apps grand public — changent ce qu'est un produit, comment il atteint ses usagers et ce qu'ils en attendent. Lancements, glissements de fonctionnalités et passage du logiciel vendu au siège au logiciel qui accomplit un travail vont de pair avec la couche de services qui se forme autour du déploiement et de l'intégration. L'essor d'un logiciel personnel à usage unique, rendu bon marché par la génération, en est un cas récurrent. L'attention reste sur l'offre elle-même : des produits et services concrets, et la reconfiguration par l'IA de leur forme, leur valeur et leur livraison.
Chiffres clés
un profit brut en hausse de 25 % à 3,2 Md$ au T2 2026, pour des revenus en hausse de 10 % à 6,62 Md$
Block · déclaré dans la source
levée d'amorçage (Seed) de 2,5 M€ (≈2,74–2,83 M$) menée par 20VC, annoncée mi-avril 2025
Delos Intelligence · déclaré dans la source
plus d'un milliard d'utilisateurs
AI Overviews · déclaré dans la source
ses effectifs d'environ 4 000 personnes, soit ~40 %, lors d'une réorganisation centrée sur l'IA six mois plus tôt
Billet du blog corporate de **Block** (`block.xyz/inside`), non signé — l'auteur affiché est **« Block »** —, publié le **18 août 2026**, ~930 mots, qui annonce **l'ouverture du code de Berd**, l'application de bureau interne de Block pour travailler avec des agents, et expose la thèse de conception qui l'a guidée : donner du caractère aux agents *« not only through roles, instructions, skills, and tools, but through distinctive visual identities »* — d'où les personnages animés maison, les *« Gloopies »*. Le billet part d'un constat de fragmentation (*« The technology was powerful, but the experience around it was fragmented »*) et d'un problème d'interface nommé avec précision : *« the product gives people little sense of how the agent is configured, which context and tools are available to it, and how it differs from another agent »*. Deux apports structurants. **(A) Une articulation en trois étages** : **goose** reste le framework et le *runtime* qui tient la boucle d'agent ; **Berd** est le client de bureau (projets, contexte, sessions, agents, configuration) ; les deux communiquent par l'**Agent Client Protocol**. **Buzz** est désigné comme la suite, quand le travail solo devient collaboratif (*« Start alone, then go multiplayer »*). **(B) Six exigences léguées à Buzz**, énoncées comme bilan : *« private space, durable context, recognizable agent identities, reusable skills, visible configuration, and clearer visibility into an agent's configured context, tools, and capabilities »* — grille directement réutilisable pour évaluer un client d'agents. Le texte distingue lui-même identité et capacité : *« The avatars make the agent recognizable. Its role, skills, and tools make it useful. »* Aucun chiffre d'usage n'est produit et aucune licence n'est nommée pour l'ouverture de code.
#Berd#Block#open source
**Aucun auteur nommé** : le billet est signé **« Block »** — le champ *Author* de la page porte le nom de l'entreprise. Publié le **18 août 2026** sur `block.xyz/inside` · le blog **corporate** · et non sur `engineering.block.xyz`.
Brève de presse spécialisée (**Payments Dive**, format *Dive Brief*, **6 août 2026**) couvrant la publication trimestrielle de **Block** : l'entreprise a déjà déployé plusieurs outils d'IA chez ses clients — **Moneybot** (Cash App) et **Managerbot** (Square) — et n'a pas encore choisi comment les facturer. **Jack Dorsey** en conférence analystes : *« We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers. »* **Le contexte financier éclaire cette position.** Six mois plus tôt, Block licenciait environ **4 000 personnes, soit ~40 % de ses effectifs**, dans une réorganisation explicitement centrée sur l'IA. Au T2 2026 : profit brut **+25 % à 3,2 Md$**, revenus **+10 % à 6,62 Md$**, mais **résultat net à 89 M$, en baisse de 83 %** sur un an du fait des indemnités de départ achevant la restructuration ; guidance 2026 relevée. La valeur de l'IA est donc encaissée par la structure de coûts avant de l'être par le prix. **Le fait le plus lourd est au milieu de la brève**, tiré de la lettre aux actionnaires : *« Starting in June, agentic AI helped write and review nearly all of our production code changes »* — écrire **et relire** la quasi-totalité des changements de code en production, chez une entreprise cotée du paiement, six mois après la suppression de 40 % des effectifs. Déclaration auto-rapportée aux investisseurs, sans définition de *« nearly all »* ni de ce que *« review »* recouvre. **L'outillage** : **Goose**, système interne construit deux ans plus tôt, présenté comme agnostique (il intègre différents modèles commerciaux pour les employés) ; **Buzz**, lancé le mois précédent pour *« agent collaboration, communication, and code repositories »*. **Côté clients** : Moneybot surveille l'activité de l'utilisateur Cash App et renseigne comptes, soldes et transactions — plus d'**un million de comptes actifs hebdomadaires** ; Managerbot fait du marketing automatisé, de l'analyse de marge et suggère des *« operational fixes »* aux commerçants Square. Les analystes d'**Evercore ISI** listent quatre voies de monétisation — bundles SaaS, abonnements directs, offres entreprise, tarification à l'usage — dont **aucune n'est indexée sur le résultat**. Ordre de priorité déclaré : **qualité du produit → distribution → adoption → modèle de prix**. Deux faits de distribution complètent le tableau : Square s'installe dans **Google Maps** avec une *« conversational AI experience »*, présentée comme *« the first step in a broader partnership between Square and Google »* ; et le boîtier de paiement **Tags** (porte-clés et baguettes à puce NFC) affiche **trois millions de personnes en liste d'attente**. Citations d'analystes : William Blair (*« Block epitomizes the secular shift toward tech-forward digital finance firms »*) et Bank of America sur le *« post-reset operating model »*.
#Block#Jack Dorsey#Cash App
**Justin Bachman** — Senior Reporter · **Payments Dive** (groupe Industry Dive). Journaliste sectoriel paiements ; signe ici un **Dive Brief** · format court en deux temps (*Dive Brief* = les faits du jour, *Dive Insight* = le contexte) qui compile une conférence de résultats · une lettre aux actionnaires · un communiqué et trois notes d'analystes.
Annonce de **Meta AI Research** publiée le **5 août 2026** (lecture annoncée : 4 minutes, aucune signature individuelle) : **Muse Code** en bêta, *« a terminal coding agent »*, et le modèle qui l'anime, **Muse Spark 1.2**. Meta situe elle-même le lancement : *« This marks our next step toward the frontier, with larger and much more capable models on the way. »* **Trois éléments d'architecture côté harnais.** Des **agents d'arrière-plan asynchrones** qui *« remain active throughout each session, rather than being spawned for individual tasks »*, afin d'éviter la collecte d'information redondante et de réduire le besoin de pilotage. Un **journal d'événements local** où *« every model call, tool run, approval, and edit is appended »*, faisant du runtime un système *« replay-exact and restart-safe »* capable de reprendre exactement où il s'est arrêté après un plantage. Et **trois skills livrées d'origine** : `/plan` (transforme une tâche en plan soumis à approbation), **`/grill`** (met le plan à l'épreuve *« until it holds up »*) et `/goal`. **Côté modèle**, Meta revendique un **co-entraînement du modèle avec le harnais** (*« to maximize harness compatibility »*, avec trajectoires de harnais échantillonnées par rejet et optimisations de recette pour les buts, la compaction et les sous-agents), un entraînement **long-horizon** (génération de dépôt entier, projets bout-en-bout, auto-recherche, avec planification, conditionnement par le but et compaction de contexte), et une **boucle d'auto-amélioration** où Muse Spark 1.1 génère les environnements et les gabarits d'instructions puis note les solutions candidates, produisant un jeu d'entraînement pour la 1.2. **Ce que montrent les graphiques publiés**, sans que le texte le commente : les quatre comparatifs — Terminal-Bench 2.1, DeepSWE 1.1, un benchmark interne Meta, et l'étude de cas d'optimisation de noyaux GPU — placent **Muse Spark 1.2 derrière Opus 5 dans les quatre cas**, y compris sur le benchmark propriétaire de Meta (70,6 % contre 79,4 %) et sur l'étude de cas, où le modèle finit quatrième sur six (+68,7 % contre +74,0 %). **Précaution de lecture sur le gain de version** : sur les deux benchmarks publics, la 1.1 est mesurée avec `mini-swe-agent` et la 1.2 avec Muse Code, de sorte que l'écart de 6,7 points mélange modèle et harnais. Sur le benchmark interne, seul comparatif où aucun harnais n'est mentionné, l'écart 1.1 → 1.2 tombe à **2,3 points**.
#Meta AI Research#Muse Code#Muse Spark 1.2
**Meta AI Research** — publication institutionnelle sans auteur nommé · sur `research.meta.ai`. Le billet renvoie à un **rapport** pour la méthodologie d'évaluation · non repris ici.
Synthèse de **fact-checking** sur **Delos Intelligence** (delos.so), startup française d'IA générative B2B, confrontant une note de veille antérieure aux **sources primaires** (billet « Overlooked » d'Alexandre Dewez / 20VC du 15 avril 2025, site delos.so, registres officiels) et à la presse spécialisée (Le Monde Informatique, L'Usine Nouvelle, FrenchWeb, Le JDD). **Verdict global : ossature factuelle fiable.** La levée d'**amorçage (Seed) de 2,5 M€** (≈2,74–2,83 M$) menée par **20VC** (Harry Stebbings) en **avril 2025**, avec Inovia Capital, Kima Ventures (Xavier Niel) et Plug and Play, est confirmée ; les fondateurs (les frères **Pierre** et **Thibaut de la Grand'rive**) et les clients **TotalEnergies, Shiseido, Groupe Casino** aussi. **Point méthodologique fort** : la liste des business angels — souvent suspecte de « remplissage » hallucinatoire — est **CONFIRMÉE mot pour mot** par le communiqué de l'investisseur lead (Pigment, Dataiku, Hexa + Ramp et Kerala à ajouter) : ce n'est donc PAS une hallucination. **À corriger** : l'effectif « 50 personnes » n'est **pas sourçable** (~20 en avril 2025, une quarantaine fin 2025) ; la grille tarifaire réelle est plus riche (forfait **Student à 10 €** + Enterprise sur devis, en plus de 25/45/80 €) ; les chiffres d'utilisateurs (10 000 → 50 000 → « 100 000+ ») et l'ARR sont **auto-déclarés et non audités**. **À signaler comme spéculatif** : **aucune Série A n'a été bouclée** (seulement annoncée comme intention visant mars 2026) ; **aucun ARR global publié** (seule une autopromotion « 1 M$ d'ARR en quelques jours » pour le nouveau produit **Workers**, portant sur ce seul produit). La souveraineté « 100 % Scaleway » était **en cours de finalisation** fin 2025 (calcul encore partiellement sur Azure France). L'intérêt de la fiche est autant méthodologique — **comment distinguer, dans une synthèse IA, le confirmé, le partiellement exact, le spéculatif et l'auto-déclaré** — que documentaire.
#Delos Intelligence#delos.so#fact-checking
Synthèse de veille (fact-checking) — sources primaires : blog 20VC (Alexandre Dewez) · delos.so · registres officiels ; presse : Le Monde Informatique · L'Usine Nouvelle · FrenchWeb · Le JDD
Netflix — lettre actionnaires Q2 FY2026 : la GenAI passe à l'échelle en production (≈300 titres en 2026), LLMs pour la découverte et recherche en langage naturel, outils IA sur tout le cycle publicitaire (Netflix)
Décryptage SFEIR (voix cabinet) du lancement, le 8 juillet 2026, de **LLMD** par la startup parisienne **ZML** (fondée par **Steeve Morin**, ex-VP Engineering de Zenly) : un serveur d'inférence qui fait tourner les LLM sur **cinq familles de puces** (NVIDIA CUDA, AMD ROCm, Google TPU, Intel oneAPI, Apple Metal) **depuis une seule base de code**. Thèse structurante : l'entraînement cède la vedette à l'**inférence**, où se jouent désormais le coût par token, la latence et surtout la **dépendance au silicium**. Le pari de ZML — résumé par la devise *model to metal* — est de **découpler le modèle du matériel** via un compilateur en **Zig + MLIR** produisant un binaire natif hermétique, sans Python dans le chemin d'exécution, exposé par une **API compatible OpenAI**. Deux briques, deux licences : **ZML** (framework, Apache-2.0, >90 % Zig) est open source ; **LLMD** (serveur) ne l'est pas, gratuit au lancement. L'article lit l'objet sous trois angles cabinet — **FinOps du token**, **liberté d'architecture** (Design to Exit), **souveraineté** (puces européennes émergentes, intégration dans le processeur VSORA Jotunn8) — puis livre un verdict sans complaisance : c'est une **alpha**, à mettre « sous surveillance active », pas à basculer aujourd'hui.
Google DeepMind Genie 3 — modèle de génération vidéo interactive : world models, génération contrôlable, jeux jouables générés par IA (deepmind.google)