Une semaine qui raconte le nouveau rapport de force de l’IA
Google avance sur deux fronts à la fois. D’un côté, l’entreprise resserre les règles de sa recherche augmentée par IA : tenter d’influencer artificiellement les réponses générées par AI Overviews ou AI Mode entre désormais explicitement dans le champ du spam. De l’autre, elle prépare une nouvelle catégorie de machines, le Googlebook, pensée non plus seulement comme un ordinateur portable, mais comme un terminal Gemini.
Vu de l’intérieur, Google cherche donc à transformer ses produits historiques — Search, ChromeOS, Android, le laptop — en interfaces d’intelligence artificielle. Vu de l’extérieur, la semaine raconte une histoire plus nuancée : Runway défie Google sur la vidéo générative et les modèles de monde, tandis qu’une équipe française liée à l’INRIA montre qu’un modèle météo probabiliste peut rivaliser avec les grands systèmes de prévision avec beaucoup moins de calcul. Le message est clair : la taille compte encore, mais l’architecture, les données et l’efficacité comptent de plus en plus.
Search : Google ajoute l’IA à sa définition du spam
Selon The Verge, Google a mis à jour ses règles de spam pour préciser que les politiques de Google Search s’appliquent aussi aux réponses génératives dans Search. Le texte officiel de Google Search Central, mis à jour le 15 mai 2026, inclut désormais les tentatives de manipulation des réponses d’IA générative dans Google Search parmi les pratiques visées par ses politiques anti-spam.
Ce n’est pas une simple retouche lexicale. Depuis l’arrivée d’AI Overviews, puis d’AI Mode, le vieux métier du référencement se déplace : il ne s’agit plus seulement d’apparaître en première page, mais d’être cité, résumé ou repris dans une réponse synthétique. Les spécialistes parlent déjà de GEO, pour Generative Engine Optimization. Certaines pratiques sont légitimes — structurer l’information, renforcer l’expertise, citer ses sources —, mais d’autres cherchent à forcer le modèle à répéter une marque, un produit ou une affirmation.
Search Engine Roundtable résume bien l’enjeu : les recettes destinées à faire remonter une marque dans AI Overviews ou AI Mode peuvent désormais tomber sous les règles de spam si elles visent à tromper les systèmes. Google tente ainsi de refermer une zone grise avant qu’elle ne devienne une industrie entière.
Le problème : Google devient à la fois moteur, éditeur et arbitre
Cette mise au point arrive au moment où les réponses IA prennent plus de place dans la recherche. Un preprint publié sur arXiv, intitulé « Measuring Google AI Overviews », donne un aperçu de l’ampleur du phénomène. Les auteurs y analysent 55 393 requêtes tendance sur 40 jours, entre le 13 mars et le 21 avril 2026. Ils observent une activation globale d’AI Overviews de 13,7 %, mais de 64,7 % pour les requêtes formulées sous forme de questions. Ils notent aussi que près de 30 % des domaines cités dans les réponses IA ne figurent pas dans les résultats classiques affichés en première page.
Il faut rester prudent : il s’agit d’un preprint, donc d’un travail non encore évalué par les pairs. Mais il pointe un basculement important. Dans la recherche traditionnelle, Google ordonnait des liens. Dans la recherche générative, Google fabrique une réponse. L’entreprise ne se contente plus de classer le Web : elle en produit une version condensée, et parfois dominante.
C’est précisément ce pouvoir éditorial qui rend les nouvelles règles anti-spam nécessaires, mais aussi sensibles. Si Google sanctionne les manipulations, qui décide de ce qui est manipulation ? Une marque qui publie une documentation technique claire tente-t-elle d’aider les utilisateurs ou d’influencer Gemini ? La frontière sera difficile à tracer.
Googlebook : le Chromebook rebaptisé pour l’ère Gemini
L’autre annonce structurante vient du Googlebook. Dans son billet officiel, Google présente ces machines comme une nouvelle catégorie de laptops « conçus pour Gemini Intelligence ». L’entreprise explique vouloir passer d’un système d’exploitation à un « système d’intelligence ». Le vocabulaire est révélateur : le centre de gravité n’est plus l’application, ni même le navigateur, mais l’assistant.
Le Googlebook combine des éléments d’Android, de ChromeOS et de Gemini. Parmi les fonctions mises en avant : Magic Pointer, qui fait apparaître des suggestions contextuelles au niveau du curseur, Create My Widget, qui permet de générer des widgets personnalisés par requête, ainsi qu’une meilleure intégration avec les téléphones Android. Google promet aussi des machines premium produites avec des partenaires comme Acer, ASUS, Dell, HP et Lenovo, reconnaissables à une « glowbar ».
Chrome Unboxed insiste sur un détail très concret : le Googlebook introduit enfin un vrai bureau avec icônes, widgets et espace de travail plus traditionnel. Ce détail peut sembler secondaire, mais il marque une rupture avec l’idéal Chromebook originel : un ordinateur simple, centré sur le Web, presque sans friction locale. PCMag, dans une tribune reprise par Yahoo Tech, y voit même la fin symbolique du rêve Chromebook : le Web léger cède la place à Android, aux apps natives et à Gemini partout.
MediaTek, partenaire annoncé, pousse un autre argument : l’architecture Android du Googlebook permettrait de réduire les couches de traduction logicielle et d’optimiser l’IA locale grâce à ses processeurs. C’est évidemment une communication d’entreprise, donc intéressée, mais elle confirme une tendance lourde : l’IA personnelle ne vivra pas seulement dans le nuage. Elle exigera aussi des puces, des NPU et une intégration système beaucoup plus profonde.
Runway : la vidéo comme chemin vers les modèles de monde
Face à Google, Runway joue une carte différente. TechCrunch raconte comment cette startup née dans les outils créatifs pour cinéastes veut maintenant rivaliser avec Google sur les modèles de monde. Ses fondateurs défendent l’idée que la prochaine forme d’intelligence artificielle ne viendra pas seulement du texte, mais de la vidéo et de l’observation du monde.
Runway n’est plus seulement un outil pour générer des plans cinématographiques. Avec Gen-4.5 et GWM-1, l’entreprise veut construire des modèles capables de simuler des environnements, d’anticiper des conséquences physiques et de servir à des usages comme le jeu vidéo, la robotique ou, à terme, la science. Runway présente GWM-1 comme une famille de « general world models » capable de générer des environnements interactifs en temps réel.
La comparaison avec Google est inévitable. DeepMind a déjà Veo pour la vidéo et Genie 3 pour les mondes interactifs. Google dispose de YouTube, de centres de données massifs, de TPU et d’un accès privilégié à son écosystème. Runway, selon TechCrunch, a beaucoup moins de moyens, même après des levées de fonds importantes. Mais son avantage potentiel est culturel : elle vient du cinéma, du design et des outils créatifs, pas d’un moteur de recherche ou d’un laboratoire de calcul géant.
La question ouverte est la suivante : peut-on transformer un excellent modèle vidéo en modèle général du monde ? Personne ne l’a encore prouvé. Mais la course est lancée.
Météo : l’INRIA rappelle que l’efficacité est une stratégie
L’exemple le plus frappant de la semaine vient peut-être de France. 01net rapporte qu’un modèle issu de l’INRIA Paris, ArchesWeatherGen, fait mieux que plusieurs systèmes opérationnels de prévision météo avec beaucoup moins de ressources. Les travaux, également disponibles sur arXiv, décrivent un modèle probabiliste basé sur le « flow matching », une variante moderne des modèles de diffusion.
L’idée est élégante : au lieu de tout apprendre directement avec un énorme modèle génératif, l’équipe combine un modèle déterministe, ArchesWeather, avec un modèle probabiliste qui apprend l’incertitude autour des prévisions. D’après les auteurs, ArchesWeatherGen dépasse IFS ENS et NeuralGCM sur les principales variables WeatherBench, à l’exception du géopotentiel de NeuralGCM. Le tout avec un budget d’entraînement d’environ 45 jours-GPU V100 pour ArchesWeatherGen, et un code ouvert publié sur GitHub.
Là encore, il faut distinguer les niveaux de preuve. L’article arXiv indique un preprint et le dépôt GitHub prouve l’ouverture du code. 01net rapporte une publication dans Science Advances. Dans tous les cas, l’intérêt stratégique est net : la performance ne vient pas uniquement du gigantisme. Une bonne formulation du problème peut abaisser la barrière d’entrée pour les laboratoires universitaires.
Prospective : moins de magie, plus de gouvernance
Ces actualités dessinent une même trajectoire. Google veut intégrer Gemini partout, mais doit maintenant gouverner les effets secondaires de cette intégration : spam, dépendance des éditeurs, opacité des citations, confusion entre réponse et source. Le durcissement de Search est donc autant un geste défensif qu’un aveu : l’IA générative transforme la recherche en surface manipulable.
Le Googlebook, lui, montre que l’IA devient une couche système. Si Google réussit, l’ordinateur portable de demain ne sera plus seulement une machine à lancer des apps, mais un environnement où l’assistant observe, suggère, agence et automatise. Ce sera puissant, mais cela posera des questions de vie privée, d’autonomie de l’utilisateur et de dépendance à un fournisseur unique.
Runway et l’INRIA rappellent enfin que l’innovation ne suit pas toujours la courbe du capital. Un challenger créatif peut déplacer la compétition vers la vidéo et les mondes simulés. Un laboratoire public peut trouver une architecture plus sobre pour la météo. Dans les deux cas, la leçon est la même : à mesure que l’IA quitte le texte pour entrer dans le monde — les interfaces, les vidéos, les prévisions, les robots —, la prochaine bataille ne sera pas seulement celle du plus gros modèle. Ce sera celle du modèle le mieux situé : dans le bon produit, avec les bonnes données, au bon coût, et sous les bonnes règles.