- Adecco alerte les intérimaires suite à une fuite de données. Plusieurs employés, anciens salariés et candidats ont reçu un message du groupe d’intérim leur indiquant que suite à un piratage, leurs données ont pu être « potentiellement divulguées ». Les informations comprennent les noms, prénoms, adresses mail, numéros de sécurité sociale et coordonnées bancaires. Selon nos confrères du Parisien, la violation de données date déjà du mois de novembre et des intérimaires avaient été alors victimes d’un prélèvement de 50 euros sur leur compte par une société nommée « Solfex France SASU ». Il s'agit donc d'une seconde vague d'alerte menée par Adecco.

- Mastodon refuse les dollars des fonds d’investissement. Pour préserver son statut d'organisme à but non lucratif, Mastodon, le rival de Twitter, a décidé de rejeter des propositions de financement. Ces derniers mois, selon le Financial Times, plus de cinq offres d'investissement de sociétés de capital-risque de la Silicon Valley ont été écartées par le fondateur de la plateforme, le développeur allemand Eugen Rochko. Depuis le rachat de Twitter par Elon Musk, Mastodon a connu une montée en flèche des utilisateurs, mais Eugen Rochko a expliqué que le statut non lucratif de la plateforme était "intouchable", ajoutant que l'indépendance de Mastodon et le choix des styles de modération sur ses serveurs faisaient partie de son attrait. Les utilisateurs actifs mensuels de Mastodon sont passés de 300 000 à 2,5 millions entre octobre et novembre 2022. 

- Le deep learning pour prédire en quelques secondes l'impact des tsunamis. Grâce aux données des 150 stations offshore disséminées sur la côte Nord-Est du Japon, il est déjà possible d’envoyer une alerte avant l’arrivée d’un tsunami. Des chercheurs du centre scientifique japonais Riken (Institut de recherche en physique et chimie) ont utilisé l'apprentissage profond pour réduire à une poignée de secondes au lieu d'une demi-heure environ, le temps de calcul nécessaire pour prédire l’impact d’un tsunami. L’utilisation du deep learning accélère la compilation de prévisions détaillées sur l'impact d'un tsunami, ce qui laisse un temps précieux aux habitants pour prendre les mesures appropriées. La modélisation traditionnelle prend environ 30 minutes sur un ordinateur standard, pour aller plus vite -  les tsunamis étant rares - l'équipe de l’Institut de recherche physique et chimique a entraîné son système d'apprentissage automatique en utilisant plus de 3 000 tsunamis virtuels générés par ordinateur. Ils l'ont ensuite testé avec 480 autres scénarios de tsunamis et trois tsunamis réels. La même approche d’apprentissage profond pourrait être utilisée pour d’autres scénarios de catastrophe où le temps presse.