Étude de la mémorisation verbatim lors du préentraînement Fill-in-the-Middle (FIM) sur Llama 3.2. FIM récupère davantage de spans courts ou partiels comparé au LTR standard, avec une extraction croissant linéairement avec les répétitions. Le contexte suffixe ne suffit pas : la mémorisation reste ancrée au contexte préfixe.
Article arXiv proposant une méthodologie pour concevoir des benchmarks d'IA adaptés au travail de connaissance (coding, recherche, santé). Les auteurs critiquent les évaluations actuelles qui ne reflètent pas les conditions réelles et proposent un cadre en 3 étapes : définir l'activité, spécifier le contexte (outils, rôles, contraintes), scorer le produit final. Analyse de 3 cas : GDPval, OfficeQA Pro, APEX-SWE.
Datasette 1.0a30 introduit un menu « Jump to... » personnalisable accessible via la touche `/`. Le nouveau hook plugin `jump_items_sql()` permet aux extensions d'ajouter leurs propres éléments au menu de recherche.
Datasette-agent 0.1a4 intègre une interface de chat agent dans le menu Jump (touche /) via le nouveau hook JavaScript makeJumpSections() de Datasette 1.0a30. Permet d'interroger des bases de données en langage naturel directement depuis l'interface.
DeepSeek rend permanente sa réduction de 75 % sur V4-Pro : $0,435 par million tokens en entrée, 11,5× moins cher qu'GPT-4.5 en input, 34× moins cher en output. Cette tarification agressive pourrait presser les fournisseurs occidentaux, notamment pour les systèmes agentiques.
Meituan annonce LongCat-Video-Avatar 1.5, framework open-source pour la génération vidéo d'avatars humains pilotée par l'audio. Remplace Wav2Vec2 par Whisper-Large, supporte Audio-Text-to-Video et Video Continuation avec inférence en 8 étapes. Évaluation humaine sur 508 paires image-audio couvrant 6 scénarios et 2 langues.
Nvidia et Hugging Face présentent Nemotron-Labs, des modèles de langage basés sur la diffusion pour accélérer la génération de texte. L'approche parallélise la génération de tokens, réduisant la latence par rapport aux méthodes autorégressives traditionnelles.
Llama.cpp ajoute le support de Programmatic Dependent Launch (PDL) pour les GPU Nvidia Blackwell (CC >= 90). PDL améliore l'exécution des kernels : +5-6% en token generation sur Qwen 35B et Gemma 26B, sans gain en pre-fill. À activer avec '-D GGML_CUDA_PDL=ON' à la compilation.
OpenAI a généré 5,7 milliards de dollars de revenus au Q1 2026 mais a perdu 1,22 dollar par dollar gagné, avec une marge opérationnelle ajustée de -122%.
SupraLabs publie Supra-50M, un modèle de 50M paramètres entraîné sur 20B tokens de texte éducatif haute qualité. Architecture Llama-style avec vocab 32k. Surpasse GPT-2 (124M) et SmolLM-135M sur plusieurs benchmarks (BLiMP 76.3%, SciQ 77.2%, ARC-Easy 52.2%). Roadmap : Supra-124M et Supra-350M prévus.
Trump annule un décret sur la sécurité de l'IA après des appels de Musk, Zuckerberg et Sacks. L'ordre aurait créé un système d'examen volontaire pour les modèles frontière avec une fenêtre de 90 jours avant la publication.
DeepSeek lève 10,29 milliards de dollars. Liang Wenfeng s'engage à poursuivre le développement de modèles open-source plutôt que la commercialisation court-termiste. L'entreprise vise l'AGI.
GitHub publie un SDK multi-plateforme pour intégrer l'agent Copilot dans des applications et services tiers. Permet aux développeurs d'accéder aux capacités d'IA de Copilot via API standardisée.
TimesFM est un modèle fondation préentraîné développé par Google Research pour la prévision de séries temporelles. Le repo GitHub propose une implémentation open-source de ce modèle spécialisé.
Microsoft publie un toolkit de gouvernance pour agents IA autonomes. Inclut application de politiques, identité zero-trust, sandboxing d'exécution et ingénierie de fiabilité. Couvre les 10/10 risques OWASP Agentic Top 10.
La FTC condamne Cox Media Group et deux autres entreprises à payer près d'1 million de dollars pour avoir trompé les clients sur un service marketing IA appelé « Active Listening ». Le service prétendait écouter les conversations via les appareils intelligents pour cibler les publicités, mais n'utilisait en réalité aucune donnée vocale.
FlowLM transforme des modèles de langage par diffusion pré-entraînés en modèles de flux via fine-tuning efficace. En réalignant les trajectoires courbes en lignes droites, FlowLM génère du texte de haute qualité en quelques étapes, rivalisant avec 2000 étapes de diffusion. La saturation des performances est atteinte en moitié moins d'epochs.
Étude comparative de 5 classifieurs (régression logistique, random forest, XGBoost, SVM, naive Bayes) sur prédiction du risque de maladie rénale chronique. Tous atteignent AUROC 1.00 en interne (UCI, 400 patients), mais s'effondrent sur MIMIC-IV externe (AUROC 0.48-0.58). Calibration et couverture conforme dégradées drastiquement. Aucun modèle ne satisfait les critères de déploiement clinique.
Psy-Chronicle est un framework de génération de données pour synthétiser des dialogues de conseil psychologique sur long horizon. Les auteurs créent CPCD, un dataset chinois de 90 000 dialogues couvrant 100 profils d'étudiants sur un semestre, avec un benchmark évaluant la mémoire long-horizon et le raisonnement causal. Code et données open-sourcés.
Faithful-MR1 est un framework d'entraînement pour MLLMs qui améliore le raisonnement multimodal via apprentissage par renforcement. Il ancre l'attention visuelle directement sur les régions d'image (pas via descriptions textuelles) et renforce l'utilisation fidèle de cette attention par intervention contrefactuelle. Résultats sur Qwen2.5-VL-Instruct 3B/7B avec moins de données.
Mahjax est un simulateur Riichi Mahjong entièrement vectorisé en JAX pour l'apprentissage par renforcement sur GPU. Atteint 2 millions de steps/sec sur 8 A100 NVIDIA (règles sans rouge) et 1 million (avec rouge). Démontre l'entraînement d'agents tabula rasa sans pré-entraînement supervisé.
Étude théorique de pourquoi les méthodes RL sans critique (PPO, GRPO) améliorent les LLM. Les auteurs montrent que les mises à jour d'acteur sont de type value-gradient en espérance, et que l'autodifférenciation à travers l'attention produit des costates empiriques approximant le signal de valeur. Décomposition de l'impact RL en signal value-gradient et marge de récompense atteignable.
FlyRoute est un framework d'auto-évolution de profils d'agents qui améliore le routage de requêtes en entreprise. Via un mécanisme de flywheel, il collecte des preuves de capacités depuis le trafic réel, distille des descriptions apprises et les injecte dans un routeur LLM avec des succès récupérés par BM25. Sur un dataset propriétaire, FlyRoute passe de 72,57% (zero-shot) à 89,83% de précision après 7,211 requêtes.
Étude d'optimisations pour pipelines d'agents industriels (AssetOpsBench). Propose un cache sémantique temporel et des optimisations MCP (découverte d'outils, exécution parallèle) : 1.67x speedup, réduction latence 40%, cache hits 30.6x. Identifie limites du semantic caching pur pour requêtes paramétrées.
Datasette Agent, un assistant IA conversationnel pour Datasette, a été lancé. Il permet de poser des questions sur les données stockées dans Datasette et génère des graphiques via le plugin datasette-agent-charts. La démo utilise Gemini 3.1 Flash-Lite.
Sortie de datasette-agent-sprites 0.1a0, un plugin Datasette Agent permettant d'exécuter des commandes dans un sandbox Fly Sprites.
Cohere publie Command A+, son modèle de langage le plus puissant à ce jour, en open source sous licence Apache 2.0.
Anthropic approche sa première trimestre rentable avec un bénéfice d'exploitation projeté de 559 millions $ sur 10,9 milliards $ de revenus au Q2. La rentabilité est accélérée par les outils de codage et l'utilisation d'agents Claude, qui ont parfois dépassé la capacité de calcul disponible.
Le dossier IPO de SpaceX révèle des pertes xAI de 6,36 milliards $ en 2025, un accord de calcul Anthropic de 15 milliards $/an, et une valorisation cible de 2 billions $. Musk conserve 85,1% du pouvoir de vote via des actions à double classe.
LLM Planner est un guide interactif pour choisir du matériel ou des modèles open-weights. 60+ configurations, 50+ modèles, tokens/sec sourcés, consommation électrique, prix multi-régions, 150+ vidéos YouTube de reviewers. Modes bidirectionnels : « quel rig pour ce modèle/budget » ou « quels modèles sur mon GPU ». Données mises à jour hebdomadairement, repo GitHub public.
Google annonce l'intégration officielle de publicités dans les résultats de recherche AI Mode. Cette monétisation des réponses génératives marque un tournant stratégique pour le géant de la tech face à la concurrence des chatbots.
OpenAI GPT-next a résolu le problème planar unit distance d'Erdős, ouvert depuis 80 ans, pour moins de 1000 dollars. Résultat significatif à l'intersection IA et mathématiques.
Qwen 3.7 Max d'Alibaba est désormais disponible sur Vercel AI Gateway. Le modèle, conçu comme fondation d'agent, excelle en prototypage frontend, ingénierie multi-fichiers et automatisation de workflows bureautiques via orchestration multi-agent.
M-ORE, un éditeur en ligne pour modèles multimodaux, corrige les MLLMs via un flux continu sans dégradation. Utilise une formulation proximal-projection avec récursion Sherman-Morrison pour éviter les conflits cross-modaux et l'interférence inter-édits. Code disponible.
Article théorique sur la généralisation hors-distribution en RL. Les auteurs étendent le cadre d'abstraction d'état aux POMDPs et introduisent une réduction de modèle pondérée par successeur. Ils prouvent qu'un espace d'état abstrait plus petit améliore la généralisation à des tâches plus complexes.
LEAP couple un LLM spécialisé en chimie des pérovskites avec l'apprentissage actif pour découvrir des additifs précurseurs optimisant les cellules solaires. Le modèle extrait des connaissances mécanistiques de la littérature et génère des descripteurs interprétables intégrés dans une optimisation bayésienne. Validation expérimentale : PCE de 20,13-20,87% vs 19,25% contrôle, champion 21,32%.
Kernel Discovery, un framework évolutionnaire piloté par LLM, automatise la conception de noyaux Gaussiens pour l'optimisation bayésienne haute-dimensionnelle. La méthode génère des formes mathématiques nouvelles via LLM, les convertit en code validé, et utilise un critère LOO-CRPS pour éviter le surapprentissage. Sur 5 benchmarks, elle atteint un rang moyen de 1,2/17.
Entraînement conjoint d'une voiture autonome et de 12 piétons via MARL (MAPPO) en simulation. Le SDC atteint 78% de ses objectifs avec 14% de collisions, contre 35%/33% pour la baseline. Les jaywalkers (13% des traversées) causent 62% des collisions. Co-entraînement réduit les collisions de 30% vs RL monoagent.
CP-MoE propose un framework de continual learning pour LLMs et VLMs utilisant une architecture Mixture-of-Experts. Un expert transient capture les mises à jour initiales spécifiques aux tâches et guide leur intégration dans des experts stables via un routing bias et une régularisation. Validé sur SuperNI et VQA v2, CP-MoE réduit l'oubli catastrophique tout en préservant le transfert de connaissances cross-task.
MedicalBench est un benchmark pour l'extraction de concepts médicaux implicites à partir de dossiers médicaux (MIMIC-IV). Il formule la tâche comme vérification de paires note-concept avec identification d'évidences au niveau phrase. Les LLM actuels obtiennent des performances modestes, révélant la difficulté du raisonnement médical implicite.