Starbucks retire NomadGo, son outil de vision par ordinateur déployé dans 11 000 magasins après neuf mois. Le système, validé à 99% en environnement contrôlé, a échoué à l'échelle de production, illustrant le fossé entre les tests en sandbox et le déploiement réel.
La CNIL sanctionne IQVIA Operations France de 5 M€ (délibération SAN-2026-008, 26 mai 2026) pour violation du RGPD. La pseudonymisation des données ne supprime pas les obligations légales si l'entreprise conserve les clés de déchiffrement.
OpenAI rend GPT-5.5, GPT-5.4 et Codex accessibles via Amazon Bedrock aux mêmes tarifs que sa plateforme. Les modèles fonctionnent dans les régions AWS commerciales et gouvernementales, limités aux États-Unis. L'utilisation s'ajoute aux contrats AWS existants.
NVIDIA publie Cosmos 3, une collection de modèles omnimodaux (Nano 16B, Super 64B) capables de générer vidéo, image, audio et commandes d'action à partir de texte, image, vidéo et trajectoires. Disponible sur Hugging Face pour applications Physical AI.
Papier arXiv proposant des approches pour concevoir des systèmes agentic LLM pratiques. Framework avec « pseudo-tools » appelant récursivement les LLM sur contexte restreint. Les workflows fixes hand-engineered sont moins chers et plus précis que les workflows planifiés dynamiquement. Méthodes d'apprentissage pour optimiser pseudo-tools et workflows fixes, surpassant les agents hand-engineered.
DraDDP est le premier dataset public multimodal pour l'analyse de structures de discours en dialogues multi-parties. Construit à partir de séries TV américaines, il contient 495 segments de dialogue (6 374 énoncés, 9.1 heures de vidéo). Les benchmarks montrent l'utilité des informations multimodales pour identifier les dépendances et types de relations entre énoncés.
Étude théorique des taux d'apprentissage optimaux dans les réseaux de neurones linéaires à 2-3 couches. Dérivation de formules fermées exactes pour les gradients et la perte après 1-2 étapes de descente de gradient. Résultat clé : les taux d'apprentissage inégaux minimisent la perte en phase initiale, tandis que les taux égaux deviennent optimaux après. Code disponible.
TrustLDM est un benchmark d'évaluation de la fiabilité des modèles de diffusion de langage (LDMs), couvrant sécurité, confidentialité et équité. Les résultats montrent que les LDMs dégradent leur alignement quand des contextes malveillants sont ajoutés aux réponses masquées, indépendamment de la longueur du contexte. Un framework d'évaluation automatique (TrustLDM-Auto) identifie les configurations vulnérables.
Étude de la manipulation temporelle dans les médias : une taxonomie de 8 cadres temporels identifie comment les références au passé, présent et futur fonctionnent comme outils rhétoriques. Corpus annoté de 458 articles anglais/allemands (2K+ phrases, 3K annotations). Les modèles supervisés surpassent les approches zero-shot pour détecter ces cadres au niveau phrastique.
DeSQ décompose les questions complexes en contraintes atomiques pour générer des requêtes SPARQL. Le framework opère en trois étapes : décomposition, génération de fragments SPARQL avec placeholders, et assemblage final. Surpasse l'état de l'art sur 4/5 benchmarks majeurs avec meilleure robustesse aux variations lexicales.
ARCA propose une nouvelle méthode d'attribution de crédit au niveau des tokens pour l'apprentissage par renforcement des LLM. Elle résout la dégénérescence des signaux intrinsèques (surprisal, entropy reduction, policy divergence) sous LoRA en mesurant directement les changements cachés de l'adaptateur via la norme L2 du résidu. Testée sur MATH/Qwen3-1.7B avec GRPO, ARCA évite la concentration pathologique des poids.
Demo2Reward optimise les instructions textuelles des modèles de récompense VLM au moment du test, en utilisant 3-10 démonstrations d'experts pour réduire les faux positifs en robotique. Aucun entraînement supplémentaire requis. Validation sur tâches simulées et transfert réel.
Geodesic Flow Matching adapte le transport Riemannien pour débruiter les Spatial Semantic Pointers (SSPs) sur des variétés toriques. Testé sur un système SLAM neuronal à pics, la méthode réduit l'erreur de suivi de 72% et augmente l'efficacité neurale de 40% par rapport aux baselines.
Des chercheurs montrent que les traces de raisonnement cachées des LLM peuvent être extraites via Reasoning Exposure Prompting (REP), une méthode de prompting légère utilisant des démonstrations générées par modèles fantômes. REP expose les traces internes même quand les systèmes déployés les masquent intentionnellement, préservant les signaux de raisonnement utiles pour la distillation.
Workflow IA itératif pour optimiser les anodes en graphite via apprentissage séquentiel et retours expérimentaux. Plateforme Citrine utilisée pour générer modèles de substitution et affiner contraintes de faisabilité. Résultats : fiabilité de fabrication passée de défaillances fréquentes à 100%, capacité ≥350 mAh/g augmentée de 28,4% à 84,8%, rétention de capacité de 42,1% à 97,3%.
ART (Attention Run-time Termination) est un mécanisme léger qui interrompt l'accès aux blocs KV lors du décodage si leur contribution à l'attention devient négligeable. Testé sur LongBench, il améliore le débit de génération de 20% en grands batches tout en préservant la précision.
MERIT, un framework de retrieval multi-horizon pour agents text-to-SQL, maintient une mémoire à deux niveaux (épisode et tour) avec des politiques de retrieval apprises par RL. Testé sur BIRD-Interact, il surpasse les baselines sans mémoire et améliore le taux de succès tout en réduisant les tours d'interaction.
Vercel Blob propose désormais des URLs signées limitées dans le temps pour télécharger, envoyer, inspecter ou supprimer des objets sans accès complet au stockage. Chaque URL est restreinte à une opération unique, un chemin spécifique et une expiration jusqu'à 7 jours. Les uploads multipart permettent au navigateur de streamer directement vers Blob sans passer par le serveur.
Des hackers ont exploité le chatbot IA de support Meta pour accéder à des comptes Instagram haut-profil. En demandant simplement au bot de lier une nouvelle adresse email au compte cible, ils ont contourné l'intégralité du processus de récupération de compte. Meta avait connecté son système de support à une IA capable d'exécuter des changements de compte en une seule requête.
Alphabet annonce une levée de fonds de 80 milliards de dollars en capital-actions pour étendre son infrastructure IA et sa capacité de calcul. Cette injection massive vise à soutenir la croissance des services IA et renforcer la position concurrentielle du groupe face aux autres géants technologiques.
Anthropic a déposé confidentiellement un projet d'IPO auprès de la SEC. L'éditeur de Claude est valorisé à près d'1 trillion de dollars après son dernier tour de financement. OpenAI prépare également son IPO.
Anthropic dépose un dossier pour son introduction en bourse. L'entreprise, créatrice de Claude, prépare une IPO majeure.
Anthropic a soumis confidentiellement un brouillon de formulaire S-1 à la SEC, première étape vers une introduction en bourse. Aucun détail financier ou calendrier n'a été divulgué.
Vercel Chat SDK intègre AgentPhone : les bots peuvent désormais recevoir appels vocaux et SMS sur un numéro unique. Les transcriptions d'appels deviennent des messages, calls et textes arrivent via un webhook unique et partagent le même contexte conversationnel.
MiniMax lance M3, un modèle open-weight avec fenêtre contextuelle d'un million de tokens, performances de codage haut de gamme et multimodalité native. Premier modèle open-source à combiner ces trois capacités.
Nvidia lance à GTC Taipei trois modèles pour l'IA physique : Cosmos 3 (world model), Alpamayo 2 Super (modèle de conduite autonome amélioré) et une plateforme de référence ouverte pour robots humanoïdes.
OpenAI inaugure un centre de données de 1 GW au Michigan dans le cadre du projet Stargate. L'infrastructure vise à élargir l'accès à l'IA, créer des emplois et soutenir les communautés locales.
Les modèles frontier d'OpenAI et Codex sont désormais disponibles en général sur AWS. Les entreprises peuvent utiliser OpenAI via les environnements, contrôles et workflows d'approvisionnement AWS existants, accélérant le passage de l'évaluation à la production.
SoftBank s'engage à investir 45 Md€ en France pour développer des data centers IA dans une première phase, avec 75 Md€ potentiels sous réserve d'extension. Le projet vise une capacité jusqu'à 5 GW.
Dell a livré le premier serveur Vera Rubin NVL72 à CoreWeave, intégrant 72 GPU dans un seul rack. Cette infrastructure marque une étape clé dans la densité de calcul pour l'IA.
Qwen 3.7 Plus d'Alibaba est désormais disponible sur Vercel AI Gateway. Ce modèle multimodal unifie vision et langage pour les agents IA, couvrant GUI/CLI, coding et tâches visuelles. Accès via SDK avec tarification transparente et zéro frais de plateforme.
NVIDIA lance Cosmos 3, un modèle omni ouvert pour l'IA physique capable de raisonner et d'agir. Le modèle traite vidéo, texte et images pour comprendre la physique du monde réel et générer des actions robotiques.
DisjunctiveNet propose une méthode neuro-symbolique pour intégrer des contraintes logiques et linéaires mixtes directement dans les réseaux de neurones via des couches d'optimisation différentiables. Utilisant des relaxations convexes hiérarchiques, le framework garantit la satisfaction exacte des règles tout en maintenant la performance prédictive sur des données réelles.
LinTree améliore le raisonnement des LLM en représentant explicitement la structure arborescente des traces de recherche. Les chercheurs montrent que l'accès brut à l'historique de recherche ne suffit pas à surpasser la recherche heuristique guidée par LLM. Ajouter des pointeurs parents pour expliciter la structure arborescente améliore les performances sur Blocks World, Navigation et Sokoban.
Étude arXiv sur l'ingénierie de données autonome par agents LLM pour la spécialisation de modèles. GPT-5.2 construit un curriculum d'entraînement qui améliore un modèle étudiant de 57,29% via adaptation itérative des données. Formalise une nouvelle tâche évaluant les LLM comme ingénieurs de données autonomes.
Étude de la dominance narrative globale dans les LLM via CulturalNB, dataset de 717 instances culturelles bengali avec paires questions-réponses parallèles anglais-bangla. Évaluation de 9 LLM montre que les questions en anglais augmentent la substitution globale et réduisent la couverture des perspectives locales, même avec des preuves locales.
GRiD, un framework basé sur les modèles de diffusion, génère des règles graph-like pour le raisonnement sur graphes de connaissances. Combine pré-entraînement supervisé et apprentissage par renforcement pour découvrir des règles complexes (cycles, branches) au-delà des chaînes simples. Évalué sur 6 benchmarks avec code open-source.
Des réseaux de neurones non entraînés correspondent mieux au cortex visuel précoce que des réseaux entraînés. Une étude sur 720 images (THINGS) et données fMRI de 3 sujets montre qu'une époque de training réduit l'alignement V1 de 25-90% selon la règle d'apprentissage. La rétropropagation dégrade le plus (Δr = -0.080), tandis que le codage prédictif et STDP préservent mieux l'alignement (Δr ~ -0.04).
Méthode pour générer automatiquement des rubriques d'évaluation fine-grained sans annotation humaine, testée sur quatre benchmarks. Approche sans entraînement initial, puis affinement itératif via signaux de récompense meta-judge. Un générateur 14B affiné surpasse des modèles propriétaires plus grands.
Nouvelle méthode de post-training pour modèles de raisonnement : Feedback Distillation entraîne le modèle à reproduire sa propre distribution conditionnée par des retours de LLM. Testée sur Lean4 (théorèmes), elle maintient plus de diversité que GRPO, améliore l'entropie et le scaling pass@k. Combinée à GRPO, elle surpasse les deux méthodes seules.