EN DIRECT
CliffCompaction : une méthode de compression de contexte pour réduire le coût des agents de codage22/09/26|FleXray : un modèle généraliste pour segmenter les radiographies du corps entier22/09/26|Anthropic dévoile Claude Opus 5.522/09/26 · Anthropic|Des documents judiciaires révèlent des propos internes accablants sur le scraping de contenu par l'IA19/09/26|L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Google DeepMind ajoute une mémoire côté serveur sécurisée à Private AI Compute23/09/26 · Google DeepMind|Google DeepMind ajoute la synthèse vocale à Gemini 3.823/09/26 · Google DeepMind|NVIDIA lance Nemotron 3 Diarization pour identifier les locuteurs en temps réel23/09/26 · NVIDIA|OpenAI élargit l'accès de son programme Daybreak à l'Ukraine pour la cyberdéfense civile23/09/26 · OpenAI|OpenAI mise sur des influenceurs pour redorer son image publique23/09/26 · OpenAI|Claude Code ne lirait le fichier AGENTS.md que si la télémétrie est activée23/09/26 · Anthropic|CliffCompaction : une méthode de compression de contexte pour réduire le coût des agents de codage22/09/26|FleXray : un modèle généraliste pour segmenter les radiographies du corps entier22/09/26|Anthropic dévoile Claude Opus 5.522/09/26 · Anthropic|Des documents judiciaires révèlent des propos internes accablants sur le scraping de contenu par l'IA19/09/26|L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Google DeepMind ajoute une mémoire côté serveur sécurisée à Private AI Compute23/09/26 · Google DeepMind|Google DeepMind ajoute la synthèse vocale à Gemini 3.823/09/26 · Google DeepMind|NVIDIA lance Nemotron 3 Diarization pour identifier les locuteurs en temps réel23/09/26 · NVIDIA|OpenAI élargit l'accès de son programme Daybreak à l'Ukraine pour la cyberdéfense civile23/09/26 · OpenAI|OpenAI mise sur des influenceurs pour redorer son image publique23/09/26 · OpenAI|Claude Code ne lirait le fichier AGENTS.md que si la télémétrie est activée23/09/26 · Anthropic|
ReleaseGoogle DeepMind

Google DeepMind ajoute une mémoire côté serveur sécurisée à Private AI Compute

Google DeepMind étend son infrastructure Private AI Compute avec une mémoire côté serveur chiffrée, permettant aux assistants personnels de conserver du contexte sans compromettre la confidentialité des données.

23 septembre 20263 min de lecturePublié parGoogle DeepMind

Google DeepMind a annoncé une extension de Private AI Compute, son infrastructure de calcul confidentiel destinée aux fonctionnalités d'IA personnelle sur les appareils Google. La nouveauté consiste en une mémoire côté serveur, chiffrée et sécurisée, qui permet aux assistants IA de conserver du contexte entre les sessions sans que ces informations transitent en clair ou soient accessibles à des tiers, y compris aux équipes internes de Google.

Private AI Compute repose sur une architecture de calcul confidentiel construite autour des TPU de Google, associée à des environnements d'exécution isolés et à des mécanismes d'attestation matérielle. L'objectif affiché est de reproduire les garanties de confidentialité d'un traitement local, tout en bénéficiant de la puissance de calcul du cloud pour des modèles plus lourds que ceux embarqués directement sur un smartphone. Jusqu'à présent, cette infrastructure traitait les requêtes de manière largement éphémère, sans conservation persistante des données entre les sessions.

L'ajout d'une mémoire côté serveur change cette logique en introduisant une forme de continuité contextuelle nécessaire à des fonctionnalités d'assistant plus personnalisées, comme le suivi de préférences ou d'informations mentionnées lors de conversations antérieures. Google précise que cette mémoire reste chiffrée de bout en bout et isolée dans les mêmes enclaves sécurisées que le reste du traitement, avec des clés liées à l'appareil de l'utilisateur plutôt qu'à des identifiants centralisés côté serveur.

Cette annonce s'inscrit dans une tendance plus large de l'industrie, où les assistants IA grand public (ChatGPT, Gemini, Siri) intègrent progressivement des capacités de mémoire persistante. Le défi technique consiste à concilier cette personnalisation accrue avec des garanties de confidentialité vérifiables, un enjeu que plusieurs acteurs — Apple avec Private Cloud Compute, désormais Google avec cette extension — tentent de résoudre par des architectures de calcul confidentiel plutôt que par de simples promesses contractuelles.

Tags
privacyconfidential-computingpersonal-aimemoryinfrastructuregoogle

À lire aussi

Google DeepMind ajoute une mémoire côté serveur sécurisée à Private AI Compute · nAIvigate