L'UE repousse à décembre 2027 l'entrée en vigueur des obligations pour les systèmes IA haut risque dans les outils RH. Un accord politique provisoire du 7 mai 2026 sur le Digital Omnibus IA modifie le calendrier du règlement 2024/1689.
Nouvel article arXiv proposant ePCA (Proof-Constrained Action), un framework de sécurité pour agents IA basé sur la vérification formelle. Les agents doivent formaliser leurs intentions en contraintes logiques du premier ordre avant d'exécuter des actions physiques, contournant les limites des garde-fous sémantiques empiriques. Évaluations montrent 0% de taux de succès d'attaque et 0% de faux positifs.
Framework neuro-symbolique pour construire des graphes de connaissances (KG) corrigés post-extraction selon des contraintes ontologiques. Combine extraction ouverte, canonicalization par embedding, et correction LLM ciblée des violations. Réduit les appels LLM et améliore la cohérence du KG pour le QA multi-hop et les opérations symboliques (agrégation, énumération).
Article définissant la « dette technique agentique » : accumulation de responsabilités quand prompts, mémoire, schémas d'outils et orchestration sont assemblés plus vite qu'ils ne peuvent être validés. Introduit aussi la « taxe stochastique » : coût opérationnel récurrent pour maintenir le comportement probabiliste des agents dans des limites acceptables. Propose des tableaux de bord légers pour la gouvernance.
eXTC combine optimisation structurée de prompts et apprentissage par renforcement pour la classification de texte. Le système apprend d'abord un rulebook en langage naturel, puis distille le raisonnement d'un LLM teacher vers un modèle compact, avant d'étendre les capacités via RL. Résultat : inférence rapide avec traces de raisonnement locales et explications globales modulaires.
Framework pour générer des erreurs synthétiques ciblées avec LLM selon une taxonomie cognitive (Bloom révisée). Un Generation Agent produit des solutions erronées, un Examination Agent valide leur cohérence avec le mode d'erreur spécifié. Testé sur TheoremQA, révèle que générer des erreurs authentiques est bien plus difficile que produire des réponses fausses arbitraires.
Étude arXiv sur la géométrie représentationnelle lors de l'apprentissage en contexte (ICL) dans les LLM. Les chercheurs montrent que la performance ICL corrèle avec la structure représentationnelle des tâches et que l'ICL réussi s'accompagne d'une réorganisation géométrique augmentant la séparabilité. Le comportement des LLM suit un algorithme de type prototype.
Étude comparative de 7 modèles transformer (MiniLM à LLaMA-2, 22M à 13B paramètres) pour la modélisation de sujets via BERTopic. Résultat : la taille du modèle n'impacte négligemment la qualité des sujets mesurée par cohérence et divergence. Les petits modèles égalent les performances des grands.
M2R (Micro-Macro Retrieval) est un framework retrieve-while-generate qui réduit les hallucinations dans la génération longue des LLM. Il combine une récupération macro (preuves externes) et micro (informations clés du raisonnement) pour maintenir la proximité entre données factuelles et sorties. Entraîné par reinforcement learning avec récompenses basées sur des règles.
Framework de classification de défauts d'équipements de transmission électrique utilisant un MLLM. Approche par in-context learning sur modèles commerciaux, génération de Q&A par chain-of-thought pour réduire l'annotation manuelle, puis fine-tuning de Qwen3-VL-8B via LoRA. SOTA sur trois tâches de classification.
KOFF décompose les LLM en backbone partagé épars et modules mémoire externes spécialisés. Sur Llama et Qwen (3B-8B), le framework préserve les performances à 12% de sparsité globale en utilisant des adaptateurs LoRA et des caches KV appris, tandis que l'élagage sans mémoires dégrade fortement le modèle.
Baymex, algorithme évolutionnaire multi-objectif, apprend des réseaux bayésiens discrets pour la classification clinique. Parallélisé sur 16 cœurs (speedup 54×), il optimise cross-entropy et complexité BIC. Sur données réelles (RADCURE, SUPPORT), il égale ou surpasse arbres de décision, régression logistique et forêts aléatoires, tout en produisant modèles interprétables.
Q-ALIGN DT aligne les modèles de séquences conditionnés en garantissant que la valeur Q de la politique correspond au return-to-go (RTG) d'entrée. La méthode utilise une fonction Q pour guider l'apprentissage et un fine-tuning par perturbation RTG. Résultats : meilleure contrôlabilité sur D4RL et généralisation à des tâches comme le velocity-tracking.
CosmicFish-HRM est un modèle compact avec un module de raisonnement hiérarchique (HRM) qui alloue dynamiquement l'effort computationnel pendant l'inférence. Le modèle apprend à arrêter selon la complexité de l'entrée, combinant cycles de raisonnement haut/bas niveau avec Grouped Query Attention, RoPE et SwiGLU. Les résultats montrent un comportement de raisonnement non-uniforme adapté aux tâches.
Détection d'attaques par injection de fausses données sur réseaux électriques via un détecteur informé par l'espace cyclique. Les auteurs proposent une méthode robuste contre les attaques d'autoencodeurs qui exploitent l'espace nul des mesures, en utilisant les contraintes topologiques du réseau et la base de cycles minimale pour améliorer la détection.
RACE-Sched, un framework multi-agent asynchrone, résout le problème d'ordonnancement dynamique en découplant exécution temps-réel (heuristiques symboliques) et raisonnement long-horizon (LLM). Un dépôt sémantique de règles validées améliore la transferabilité. Surpasse les baselines Deep RL et LLM sur GEN-Bench, MK-Bench, JMS-Bench.
Nouvelle approche de distillation de contexte formulée comme gestion de mémoire latente. Chaque contexte est distillé en adaptateur LoRA indépendant formant une banque mémoire modulaire. Un mécanisme Self-Gating décide de l'activation des mémoires latentes. Cache sharing réduit la surcharge d'inférence.
D-BOS (Differentiable Belief-based Opponent Shaping) est une méthode MARL qui façonne les adversaires en différenciant à travers les dynamiques de croyance bayésienne softmax sur k étapes. Contrairement aux approches existantes, elle traite l'état de croyance comme cible de façonnage plutôt que les paramètres ou politiques. Résultats : surpasse PPO et BBM dans les jeux à rôles cachés, notamment en contextes mixtes.
Étude sur l'impact du ton des prompts sur la performance des LLM. Tests sur ChatGPT-4o, ChatGPT-5-nano, Gemini 2.5 Flash/Lite avec 50 questions de base et 570 questions MMLU (57 sujets) en 5-7 variantes tonales. Résultats : effets tonals systématiques mais très dépendants du modèle, avec variations d'accuracy significatives selon le sujet.
Méthode pour prédire la dégénérescence conversationnelle (insultes personnelles) en ligne. Découple la décision d'alerte de l'estimation de probabilité en utilisant des simulations prospectives pour évaluer les chemins de récupération possibles. Réduit les faux positifs sans sacrifier la précision.
Diagnostic de mesure pour évaluer des construits comme l'« esprit entrepreneurial » dans des discours d'entreprises chinoises. Sur 80 discours de dirigeants d'entreprises d'État, les auteurs testent LDA, des scoreurs dictionnaires et Qwen3.5:9b. Le modèle LLM atteint d=1.09 en contraste appairé, mais la moitié de l'effet provient du style du locuteur. Corpus de 2 190 segments et lexique de slogans publiés.
Étude de l'effet des personas sur les explications générées par des agents multimodaux LLM en perception urbaine. Analyse de 59,808 annotations de 1,200 agents avec personas : les légendes convergent fortement, les justifications varient selon les attributs socioéconomiques/politiques, les tags de perception restent stables.
SovSim, un framework de simulation multi-agent, évalue comment 11 modèles LLM gèrent les ressources communes sous structures de pouvoir asymétriques. Résultat : l'introduction d'un agent avec pouvoir disproportionné (boss/roi) provoque une dégradation de 87,3% du taux de survie et des effondrements de coopération comparé aux paramètres symétriques.
LLMBridge est un système basé sur LLM pour la résolution de bridging référentiel en anglais. Le pipeline combine pré/post-traitement heuristique avec l'inférence en langage naturel des LLM. Évalué sur ISNotes, BASHI et GUMBridge, il surpasse l'état de l'art sur les trois datasets en configuration end-to-end et gold anaphor.
Vercel alerte sur le vol d'inférence IA : une requête à un modèle frontier coûte ~$2, créant une opportunité lucrative pour les attaquants. Les limites de débit et l'authentification par session sont insuffisantes ; Vercel propose BotID pour vérifier chaque requête IA individuellement et prévenir les pertes massives.
Chercheurs proposent une « couche interprétative » (Behavioral Specification) pour personnaliser les décisions d'IA selon les préférences utilisateur. Testée sur 14 corpus autobiographiques, elle améliore la précision représentationnelle de 25× avec moins de contexte que le corpus brut, tout en réduisant l'hésitation du modèle. Efficace sur questions d'interprétation, moins sur questions factuelles.
Étude qualitative auprès de 8 chercheurs en IA révélant un paradoxe : ils se méfient des classements LLM mais les utilisent quand même. Les réseaux pairs dominent la sélection de modèles. Les chercheurs en NLP subissent une pression SOTA absente en HCI/Systèmes. Demande unanime : transparence des coûts.
Article proposant une méthode de résumé de graphiques via Program-of-Thoughts (PoT) : les VLMs génèrent des programmes Python pour extraire des statistiques valides plutôt que du texte direct. Introduit une tâche auxiliaire chart-to-dictionary. Résultats comparables aux méthodes existantes sur métriques sémantiques et factuelles.
GPF-LiveNews est un protocole d'évaluation en continu pour auditer comment les LLM encadrent les événements d'actualité pour différents publics. Testé sur 23 modèles et 12 cycles de monitoring, il mesure les variations sémantiques et de sentiment selon 42 labels d'identité. Les résultats montrent que les prompts Policy/Action produisent le plus fort mouvement sémantique.
Thoughts-as-Planning formalise l'optimisation des chaînes de raisonnement comme un processus de décision séquentielle sur un espace sémantique latent. Le framework apprend un modèle du monde latent simulant l'effet des édits de chaînes de raisonnement sur les sorties, supportant édits multi-échelle (token, segment, instruction) via planification par descente de gradient ou RL.
Étude comparative de quatre algorithmes de syllabification du néerlandais (Brandt Corstius, Liang, Trogkanis-Elkan CRF, et un modèle deep learning). Le modèle deep learning combinant informations phonétiques et orthographiques atteint 99,65% de précision (+0,14% vs littérature). Les algorithmes data-driven surpassent l'approche basée sur des règles.
Étude comparative de 9 modèles ASR (Whisper, Parakeet, Wav2Vec2) sur la parole enfantine en néerlandais. Whisper-medium fine-tuné atteint 5,54% WER sur JASMIN et 70,37% sur DART. Une méthode de sélection au niveau des énoncés identifie 42% (JASMIN) et 18,1% (DART) des utterances comme correctement prononcées avec précision ≥98,3%, réduisant le besoin de vérification manuelle.
Framework modulaire pour générer des lexiques artificiels prononçables et typologiquement plausibles. Utilise PHOIBLE pour les inventaires phonémiques, trois grammaires phonologiques (déterministe, OT, MaxEnt), et une ontologie Swadesh-Leipzig-Jakarta. Évaluation sur perplexité n-grammes et divergence KL : les grammaires probabilistes surpassent les baselines sur 100-5000 formes.
Méthode pour créer des sondes linéaires détectant des concepts dans les embeddings des LLM. Les auteurs définissent un processus : délineation du concept via datasets contrastés, entraînement de sondes par couche, suivi sur contextes larges. Testé sur 4 concepts et 3 LLM différents. Objectif : monitoring scalable de nouveaux modèles.
Méthode de correction de prévisions de consommation énergétique combinant un modèle spatio-temporel préentraîné avec l'Ensemble Score Filter (EnSF). EnSF utilise des modèles de diffusion basés sur les scores pour assimiler des observations partielles et bruitées. Tests sur données réelles montrent que EnSF surpasse l'Ensemble Kalman Filter en régime non-linéaire.
MoMa QL utilise la divergence maximum mean discrepancy (MMD) pour accélérer l'inférence des modèles génératifs score-based et flow-based en RL. La méthode garantit la convergence au niveau distribution et améliore les performances en offline-to-online RL sur les benchmarks D4RL.
Système de filet actif pour capture de débris spatiaux utilisant un réseau de neurones graphiques (GNN) pour optimiser simultanément la morphologie du filet, les masses et propulseurs des unités manœuvrables, et les points de visée du contrôleur. Le GNN réduit le problème d'optimisation mixte combinatoire non-linéaire (MCNLP) en problème non-linéaire (NLP) résolu par PSO avec affinage basé gradient.
COAST est une approche de causalité pour concevoir des interventions contraintes induisant des transitions d'état. Le système apprend des graphes causaux contextuels, attribue les changements distributionnels à des mécanismes causaux, et optimise via une formulation multi-objectifs équilibrant efficacité, complexité et stabilité. Validé sur benchmarks synthétiques et données biologiques réelles.
LoRe est un wrapper d'inférence sans entraînement qui optimise les solveurs neuraux basés sur diffusion pour l'optimisation combinatoire. Il applique un budget d'évaluation d'interactions par étape, routant dynamiquement le calcul vers les interactions à haut conflit/incertitude. Sur MIS et TSP, LoRe atteint ×8 speedup, ×12 réduction mémoire (MIS) et ×15 speedup, ×44 réduction mémoire (TSP n=1000).
BrainSimSiam, un framework d'apprentissage auto-supervisé léger, apprend des représentations robustes à partir de données fMRI sans labels. Utilisant des paires positives uniquement, il généralise sur plusieurs tâches (classification, régression) et surpasse les baselines supervisés, réduisant les besoins computationnels des modèles fondationnels en neuroimagerie.