Mercedes-AMG franchit un cap avec la nouvelle GT 4-Door Coupé, annoncée comme son véhicule le plus puissant à ce jour. L’initiative est toutefois marquante : plutôt qu’une évolution d’une formule thermique hybride, la marque s’appuie sur une architecture électrique inédite, pensée pour rivaliser directement avec la Porsche Taycan.

Une plateforme électrique 800 V pour viser la performance

Le modèle repose sur la plateforme AMG.EA, affichant une tension de 800 volts. L’ensemble fait appel à trois moteurs de type « axial-flux » (à flux axial), conçus pour combiner puissance et réduction de masse. Mercedes-AMG met en avant un avantage de compacité, avec un moteur avant particulièrement fin et des moteurs arrière alimentés via une transmission à une seule vitesse.

En termes de masse, le bloc de propulsion serait limité à 309 livres (environ 140 kg), ce qui contribue à la réactivité recherchée.

Des chiffres très élevés : 805 ch et 1 153 ch

La GT 4-Door Coupé est déclinée en deux versions. La GT55 délivre jusqu’à 805 ch et 1 328 lb-pi de couple. La GT63, plus musclée, grimpe à 1 153 ch et 1 475 lb-pi.

Mercedes-AMG annonce également un 0 à 60 mph en 2,0 secondes pour la GT63. L’entreprise compare sa performance à celle de la Taycan Turbo S, en mettant en avant un écart favorable au démarrage.

Pour ceux qui regrettent la sonorité d’un V8, la marque prévoit un mode de simulation acoustique, incluant notamment des variations liées au changement de rapports.

Une batterie de 106 kWh et une charge rapide

Le véhicule s’appuie sur une batterie de 106 kWh intégrant des cellules cylindriques longues, développées en lien avec le programme de Formule 1 de Mercedes. L’objectif affiché est de viser à la fois une densité énergétique élevée, une durabilité renforcée et une capacité de charge rapide.

Mercedes-AMG indique que le système peut charger à des puissances très élevées : avec une plage jusqu’à 800 V et 800 A, le GT 4-Door Coupé atteindrait plus de 600 kW. La marque évoque une fenêtre de charge rapide allant de 10 % à 80 % en 11 minutes. Pour l’autonomie, les estimations avancées se situent entre 370 et 470 miles sur le cycle WLTP européen selon les versions, ce qui correspond à une autonomie supérieure à 300 miles selon les cycles américains.

Châssis, freinage et conduite : entre usage quotidien et conduite appuyée

Pour encaisser la puissance, la GT 4-Door Coupé adopte une architecture de suspension multibras à l’avant et à l’arrière. La suspension pneumatique est présentée avec des amortisseurs pilotés et le système Active Ride Control. En conduite quotidienne, Mercedes-AMG indique que le ralentissement repose principalement sur la régénération ; lors d’attaques plus dynamiques, le freinage combine disques carbone-céramique à l’avant et disques en acier à l’arrière.

Un design aérodynamique et un habitacle technologique

La GT 4-Door Coupé s’affiche avec une silhouette très travaillée et un coefficient de traînée annoncé à 0,22. Les éléments aérodynamiques comprennent notamment des ailes gonflées, un toit vitré panoramique et des prises d’air pilotées à l’avant. À l’arrière, les feux sont conçus pour intégrer clairement la signature visuelle de Mercedes.

À l’intérieur, la marque met en avant des sièges enveloppants et un poste de conduite très numérique : écran central et écran dédié côté passager. Selon Mercedes-AMG, le conducteur pourra ajuster plusieurs paramètres de conduite via différents modes, réglages d’adhérence et fonctions de pré-conditionnement pour atteindre rapidement la bonne température des pneus et des moteurs. Un affichage dédié fournirait aussi des statistiques liées à la performance sur circuit.

Positionnement et concurrence

Le lancement est prévu en deux temps : la GT55 arriverait fin 2027, suivie par la GT63 la même année. Les tarifs n’ont pas été communiqués, mais la comparaison avec une Taycan Turbo S place logiquement la GT 4-Door Coupé dans la catégorie des modèles très haut de gamme.

Dans l’ensemble, la stratégie de Mercedes-AMG est claire : viser la Taycan sur le terrain de la vitesse instantanée, de la puissance et de la charge, tout en proposant une touche d’expérience « AMG » via des modes de simulation et un habitacle orienté performance.

Produits utiles à considérer

Pour ceux qui envisagent l’usage au quotidien d’une voiture 800 V (charge rapide et optimisation du temps), un chargeur mural EV Type 2 performant peut faciliter la planification des recharges à domicile, en complément des solutions publiques.

En complément, un compresseur de gonflage électrique reste pratique pour maintenir la pression des pneus, particulièrement utile sur des véhicules orientés performance.

Une enquête met en évidence des défaillances fréquentes dans les formulaires « opt-out » destinés à refuser la vente ou le partage de données personnelles. Selon les résultats, plusieurs entreprises de l’Internet et des acteurs de l’IA rendent ces démarches difficiles d’accès, notamment en exigeant une connexion préalable, en limitant les droits à certains territoires ou en n’offrant pas d’option claire pour refuser le partage des données.

Des démarches souvent inaccessibles ou incomplètes

Les chercheurs indiquent qu’il n’est pas toujours possible de trouver un mécanisme d’opt-out sans se connecter sur des services populaires comme Meta, X, OpenAI ou Tinder. L’étude souligne également le rôle de fournisseurs de surveillance et d’intermédiaires : certaines instructions d’opt-out seraient présentées comme valables uniquement pour les résidents de Californie, alors que de nombreux autres États américains ont adopté des lois accordant des droits similaires.

Le rapport pointe aussi des cas où la démarche proposée ne couvre pas les usages visés. Palantir, contractant lié à la défense et aux services d’intelligence, met à disposition un formulaire de confidentialité, mais sans option explicite permettant de refuser la vente ou le partage des données personnelles. Le constat rejoint, selon l’enquête, des situations déjà observées chez TikTok, Amazon ou un acteur spécialisé de la détection sonore des tirs, SoundThinking.

Réponses des entreprises : opt-out par défaut et contrôles disponibles autrement

Amazon conteste les conclusions. L’entreprise affirme ne pas vendre les informations personnelles des clients et considère donc que les utilisateurs sont « opt-out » par défaut. Pour les partages liés à la publicité, la société renvoie vers des pages de préférences, dont Your Ads Privacy Choices, ainsi que des réglages dédiés à la publicité via Advertising Preferences. Amazon indique aussi que les options décrivent les mêmes usages que ceux définis par la réglementation applicable, tout en évitant le terme « share » dans sa communication.

OpenAI réplique pour sa part que l’entreprise ne vend pas les données utilisateurs, tout en reconnaissant partager des données limitées avec des partenaires marketing dans un cadre de publicité ciblée. La société met en avant un portail de confidentialité permettant d’effectuer des demandes, y compris pour des personnes qui n’ont pas de compte OpenAI. OpenAI défend l’idée de proposer plusieurs canaux pour exercer ses droits.

Côté HireVue, une entreprise de recrutement, les représentants contestent une partie du périmètre mis en cause. Ils expliquent que la politique publique concerne le site marketing et que les données des candidats relèvent d’un traitement via une plateforme RH, paramétré par consentement au niveau de chaque employeur. La société n’aurait pas répondu directement au reproche lié au fait que les instructions d’opt-out affichées en public cibleraient uniquement la Californie.

SoundThinking, enfin, indique que ses formulaires d’opt-out se trouvent en bas de sa page de politique de confidentialité, avec un numéro de téléphone pour l’assistance.

Un opt-out utile, mais difficile à exercer pour les consommateurs

L’enquête conclut que l’opt-out ne suffit pas à protéger efficacement la vie privée. Même lorsque le mécanisme est théoriquement « disponible », l’utilisateur doit d’abord repérer l’option, puis soumettre une demande à chaque acteur détenant, vendant ou transférant des données. Le rapport estime qu’un meilleur design ne règle pas le problème de fond : tant que la collecte reste large et que les données nécessaires ne sont pas minimisées, la charge retombe sur les consommateurs.

À la place d’une amélioration purement technique des formulaires, l’étude plaide pour des règles visant à réduire la collecte « moins de données » et à limiter la récupération d’informations personnelles non indispensables dès le départ.

Pourquoi cela concerne les utilisateurs

En pratique, ces constats posent une question centrale : dans quelle mesure les droits numériques sont-ils réellement mobilisables par le public ? Si les démarches exigent une connexion, si elles sont segmentées par territoire ou si elles n’offrent pas la possibilité explicite de refuser certains usages, l’opt-out devient une protection moins effective, et plus difficile à exercer au quotidien.

Un ensemble d’assistants fondés sur l’IA a montré une capacité à accomplir des tâches de « drug-retargeting », c’est-à-dire à repérer des médicaments potentiellement réutilisables contre des maladies. Dans le cas étudié ici, l’objectif portait sur la dégénérescence maculaire, avec une approche combinant formulation d’hypothèses biologiques, propositions expérimentales et évaluation des candidats à partir de données et de critères définis par des chercheurs.

De l’hypothèse biologique à un plan d’essais

Le système baptisé « Robin » a d’abord exploité des résumés pour construire plusieurs hypothèses sur les mécanismes susceptibles d’expliquer la dégénérescence maculaire. À partir de ces pistes, il a produit un rapport structuré, décrivant les éléments disponibles en faveur de chaque mécanisme et les limites associées.

Ensuite, un « juge » basé sur un modèle de langage a comparé ces hypothèses deux à deux afin d’établir des classements relatifs, à la manière d’un tournoi. Cette étape a permis de hiérarchiser les scénarios biologiques et d’orienter les recherches vers ceux jugés les plus prometteurs.

Choisir des modèles cellulaires et des médicaments candidats

Le dispositif a ensuite été réutilisé pour proposer des lignées cellulaires et des conditions de culture susceptibles de reproduire les mécanismes retenus. À partir de là, il a généré des rapports pour environ 30 médicaments candidats. D’après l’équipe « FutureHouse », chaque proposition contenait à la fois une justification du lien entre le médicament et le mécanisme ciblé dans le modèle « in vitro », ainsi que des limites potentielles.

Ces rapports n’ont pas été considérés comme suffisants à eux seuls : des experts humains ont évalué les recommandations afin de décider quels tests poursuivre. Le système a également suggéré des essais (assays) pour vérifier l’effet des molécules, les humains validant, ajustant ou reprenant le cas échéant des variantes de ces propositions.

L’intérêt d’un outil capable d’exploiter certains types de données

La différence mise en avant par l’équipe concerne l’assistant « Robin », qui intègre un outil supplémentaire appelé « Finch ». Celui-ci est conçu pour automatiser l’évaluation de résultats provenant de certains criblages biologiques standard, comme la cytométrie en flux et l’analyse d’expression génique par RNA-seq. Autrement dit, lorsque les expérimentations impliquent des formats de données pris en charge par Finch, une étape d’analyse supplémentaire peut être réalisée par le système.

Une hypothèse ciblée et des résultats à valider

Robin a également proposé une hypothèse originale : renforcer la capacité des cellules rétiniennes à capter des débris situés en dehors des cellules pourrait apporter une forme de protection contre la maladie. Dans les expériences proposées, le système a identifié au moins un médicament susceptible d’améliorer ce mécanisme, mais la validation finale dépendait des essais retenus par les chercheurs.

Vérifier la robustesse des références et limiter les « hallucinations »

Le travail souligne aussi l’importance d’outils spécifiquement conçus pour interagir avec la littérature scientifique. Le remplacement d’un module (« Crow ») par un outil lié à OpenAI a augmenté fortement la proportion de références « inventées » ou non fiables, passant de l’absence d’erreurs à un niveau substantiel. Par ailleurs, lorsque des médicaments étaient suggérés par un système mais pas par Robin, ils échouaient systématiquement à produire un effet dans les tests sur les cellules, ce qui suggère que l’alignement du système avec le cadre expérimental comptait pour la pertinence des résultats.

Repères pratiques : comment se préparer à ce type d’exploitation des données

Dans un environnement de recherche, l’activation de pipelines analytiques dépend souvent des outils et formats de données utilisés en laboratoire. Pour des équipes qui traitent des données de type expression génique, des solutions de stockage et de traitement adaptées peuvent faciliter l’exploitation des résultats, par exemple via des ordinateurs conçus pour la manipulation de gros volumes de données, comme un ordinateur portable de type workstation avec 16 Go de RAM pour des analyses locales.

Pour la manipulation et l’export de résultats de criblage ou de jeux de données, certains chercheurs privilégient aussi des périphériques fiables de stockage à accès rapide, par exemple un SSD externe 1 To en USB-C afin de gérer les exports liés aux workflows d’analyse.