[AINews] Le dernier souffle de l'humanité

[AINews] Rien de notable aujourd'hui

La journée du 27-28 avril 2026 n'a pas produit de séisme dans l'industrie de l'IA, mais plusieurs sorties de modèles méritent attention. NVIDIA a lancé Nemotron 3 Nano Omni, un modèle multimodal open-source de 30 milliards de paramètres actifs (3B actifs, architecture MoE) capable de traiter texte, images, vidéo, audio et documents, avec une fenêtre de contexte de 256 000 tokens orientée vers les usages agentiques. Sa distribution a été immédiate : OpenRouter, LM Studio, Ollama, Fireworks, Together et une dizaine d'autres plateformes ont annoncé sa disponibilité le jour même. Le modèle intègre un encodeur audio Parakeet, fonctionne pour l'instant uniquement en anglais, et affiche un taux d'erreur de 5,95 % sur le benchmark Open ASR, avec un débit annoncé neuf fois supérieur à des modèles omni comparables. Du côté de Poolside, la startup a publié son premier modèle public, Laguna XS.2, un modèle de code MoE de 33 milliards de paramètres totaux (3B actifs) entraîné intégralement en interne, distribué sous licence Apache 2.0, et conçu pour tourner sur un seul GPU. Microsoft, de son côté, a sorti TRELLIS.2, un modèle open-source de 4 milliards de paramètres pour la génération de scènes 3D texturées à partir d'images, avec une résolution allant jusqu'à 1536 cubes et une compression spatiale 16x. Ces sorties illustrent une tendance de fond : la compétition sur l'efficacité d'inférence s'intensifie, et les acteurs cherchent à démocratiser des capacités avancées sur du matériel accessible. Que Poolside publie un modèle de code haute performance tournant sur un seul GPU, ou que NVIDIA intègre audio et vidéo dans un modèle ouvert, le message est clair : les capacités multimodales et agentiques descendent rapidement vers des configurations matérielles grand public. Pour les développeurs et les entreprises, cela signifie des coûts d'infrastructure moindres pour déployer des agents capables de comprendre des documents complexes ou de générer des assets 3D. En parallèle, l'infrastructure d'inférence connaît sa propre effervescence. La version 0.20.0 de vLLM, framework open-source de référence pour servir les grands modèles, embarque un cache KV 2 bits (TurboQuant) offrant quatre fois plus de capacité, ainsi qu'une amélioration de latence de 2,1 % grâce à une fusion d'opérations. Les benchmarks publiés par SemiAnalysis sur les puces B300 de NVIDIA indiquent un débit jusqu'à huit fois supérieur à celui des H200 pour des charges DeepSeek V4 Pro. Dans ce contexte, des voix techniques soulignent que DeepSeek s'éloigne progressivement de la dépendance exclusive à CUDA via ses TileKernels, ouvrant la voie à des déploiements sur accélérateurs hétérogènes, y compris des puces non-NVIDIA. Les prochaines semaines devraient confirmer si GPT-6, dont le buzz commence à monter, reconfigurera à nouveau les priorités de l'écosystème.

[AINews] Loopcraft : l'art d'imbriquer les boucles

Un nouveau paradigme s'impose progressivement dans la communauté des développeurs travaillant avec l'IA : plutôt que de solliciter manuellement les agents, il faut concevoir des boucles autonomes qui s'en chargent à leur place. Les 10 et 11 juin 2026, cette idée a cristallisé en une tendance publique portée par plusieurs voix influentes. Steipete, figure connue du développement IA, l'a formulé directement : "Vous ne devriez plus solliciter les agents de codage, vous devriez concevoir des boucles qui s'en chargent." L'ingénieur Boris a renchéri : "Je n'écris plus de prompts, j'écris des boucles." Andrej Karpathy, co-fondateur d'OpenAI et désormais auteur du projet Autoresearch, a mis des mots précis sur l'enjeu : se retirer soi-même de la boucle, maximiser le débit de tokens, et orchestrer des systèmes entièrement autonomes. En parallèle, Anthropic a traversé une controverse autour de Claude Fable 5 : la société avait instauré une dégradation discrète des capacités du modèle pour certains cas d'usage liés à la recherche en IA, avant de faire marche arrière en moins de vingt-quatre heures sous la pression publique. Ce débat sur les "boucles" traduit un changement profond dans la manière dont développeurs et chercheurs envisagent leur propre rôle. Concevoir des systèmes d'orchestration autonomes permet de démultiplier l'effet de levier de chaque intervention humaine, en déléguant aux agents la répétition, la vérification et l'enchaînement de tâches complexes. Sur les benchmarks, Fable 5 affiche des résultats impressionnants : 87,8 % sur WeirdML selon l'utilisateur htihle, premier modèle à dépasser les 70 % en moyenne sur chaque tâche, et classement numéro un sur FrontierSWE selon ProximalHQ, avec des sessions productives de près de vingt heures sur certaines tâches. Mais la controverse sur la dégradation silencieuse illustre les risques de gouvernance : comme l'a formulé Code Star, les garde-fous sont légitimes, mais "l'opacité sans avertissement" rompt le contrat entre utilisateur et fournisseur. Clement Delangue, PDG de Hugging Face, a rappelé l'importance d'éviter toute manipulation silencieuse du comportement des modèles. Le débat sur la transparence d'Anthropic dépasse la seule question technique. Ryan Greenblatt a distingué deux postures : restreindre l'accès à la recherche frontier peut être raisonnable en principe, mais le "sandbagging" silencieux ne l'est pas. Il plaide pour des programmes d'accès avec vérification d'identité destinés aux chercheurs en sécurité, plutôt qu'un refus global de capacités. La chercheuse Natasha Lambert a identifié l'erreur centrale : une implémentation de sécurité inégale qui induit les utilisateurs en erreur et renforce la concentration du pouvoir sur qui peut conduire de la recherche avancée. L'ingénieur Gergely Orosz en tire une leçon pratique : placer les modèles derrière des routeurs agnostiques aux fournisseurs, pour pouvoir changer rapidement de prestataire si les conditions d'utilisation deviennent inacceptables. La "Salty Lesson" résume l'esprit du moment : ne pas corriger les problèmes soi-même comme par le passé, mais se concentrer sur des systèmes qui s'améliorent avec davantage d'agents.

💬 Je n'écris plus de prompts, j'écris des boucles." Ça paraît anecdotique dit comme ça, mais c'est en train de redéfinir ce que tu fais quand tu travailles avec l'IA. Pendant ce temps, Anthropic a essayé de sabrer discrètement Claude pour les chercheurs, recule en 24h sous pression publique : la leçon, c'est qu'un routeur agnostique au fournisseur n'est plus une option de luxe.

Le pari open source de la Chine

Les laboratoires d'IA chinois ont adopté une stratégie radicalement différente de leurs rivaux américains : au lieu de monétiser leurs modèles derrière des API payantes, ils les publient en open-weight, c'est-à-dire sous forme de packages téléchargeables que n'importe quel développeur peut adapter et faire tourner sur ses propres serveurs. Ce tournant a pris une dimension mondiale en janvier 2025, lorsque DeepSeek a publié son modèle de raisonnement R1, qui a égalé les meilleures performances américaines à une fraction du coût annoncé. Dans la foulée, un véritable écosystème s'est structuré autour de ce modèle : Z.ai (anciennement Zhipu), Moonshot, Alibaba avec sa famille Qwen, et MiniMax ont tous suivi la même logique, en publiant des modèles de plus en plus capables. En août 2025, une étude menée par des chercheurs du MIT et de Hugging Face a établi que les modèles open-weight chinois représentaient 17,1 % des téléchargements mondiaux de modèles d'IA, dépassant pour la première fois la part américaine, fixée à 15,86 %. Les modèles Qwen d'Alibaba comptent aujourd'hui plus de variantes créées par des utilisateurs que ceux de Google et Meta réunis. L'impact de cette stratégie dépasse largement les benchmarks techniques. À mesure que l'enthousiasme autour de l'IA se tasse et que les entreprises passent des expérimentations aux déploiements concrets, les outils moins chers et plus personnalisables prennent l'avantage. Les modèles chinois permettent aux développeurs aux budgets limités d'expérimenter davantage, et le format open-weight leur donne la liberté d'adapter les modèles sans négocier de contrat commercial avec un acteur américain. Cette combinaison de prix bas et de liberté technique crée une adhérence forte : une fois qu'un écosystème se construit autour d'un modèle, comme l'ont montré Linux et Android, l'adoption se traduit naturellement en revenus API. Le Sud global, notamment Singapour, la Malaisie, le Kenya ou le Brésil, embrasse ouvertement ces outils, y voyant un chemin vers une souveraineté numérique. Derrière cette générosité apparente se cachent des calculs stratégiques précis. Sans accès aux puces de pointe bloquées par les contrôles à l'exportation américains, les laboratoires chinois compensent en ouvrant leurs modèles : plus les développeurs extérieurs contribuent et testent, plus vite le cycle d'amélioration s'accélère. Ce n'est pas sans tensions : en février 2026, Anthropic a accusé plusieurs laboratoires chinois de pratiques illicites de distillation, consistant à entraîner un nouveau modèle sur les sorties d'un autre. Les modèles chinois sont par ailleurs soumis aux exigences de censure du gouvernement de Pékin. Malgré ces limites, la dynamique est enclenchée : l'avenir de l'IA sera plus multipolaire que Silicon Valley ne l'anticipait, et rien ne semble pouvoir inverser cette tendance.

[AINews] Vendredi Saint

Google a lancé Gemma 4 le 3 avril 2026, sous licence Apache 2.0, marquant un tournant dans sa stratégie open source. La famille de modèles comprend plusieurs variantes, dont le 26B A4B (une architecture MoE, mixture of experts) et le modèle 31B, conçus pour le raisonnement, les workflows agentiques, la multimodalité et l'usage sur appareil local. Dès le premier jour, l'écosystème était prêt : vLLM, llama.cpp, Ollama, Intel (Xeon, Xe GPU, Core Ultra), Unsloth et Hugging Face Inference Endpoints ont tous annoncé une compatibilité immédiate. François Chollet a qualifié Gemma 4 de modèle open source le plus solide jamais produit par Google, recommandant le backend JAX via KerasHub, tandis que Demis Hassabis a mis en avant l'efficacité du modèle, qui surpasserait des modèles dix fois plus grands selon les benchmarks internes. Les premiers tests sur matériel grand public confirment des performances remarquables : 162 tokens par seconde sur une RTX 4090 à 19,5 Go de VRAM, 34 tokens par seconde sur un Mac mini M4 avec 16 Go de RAM, et même un portage fonctionnel sur iPhone via Swift MLX. L'importance de cette sortie tient autant à la licence qu'aux performances. En optant pour Apache 2.0, Google lève les restrictions habituelles sur l'usage commercial et la redistribution, ce qui ouvre la voie à une intégration dans des produits tiers sans friction juridique. Clément Delangue (Hugging Face) et plusieurs autres acteurs du secteur ont salué ce choix comme une vraie libération des poids, contrairement aux licences restrictives qui avaient accompagné des releases précédentes. Sur le plan technique, la compression TurboQuant réduit le cache KV de 13,3 Go à 4,9 Go pour le modèle 31B à 128 000 tokens de contexte, ce qui rend ce niveau de performance accessible sur du matériel abordable. Le modèle E4B est même présenté comme capable de tourner directement sur smartphones et ordinateurs portables. En parallèle de Gemma 4, le framework agentique open source Hermes Agent, développé par Nous Research, s'impose comme la surprise de la journée. De nombreux développeurs ont signalé avoir migré depuis OpenClaw vers Hermes, citant une meilleure stabilité sur les tâches longues. L'équipe de Nous a livré une infrastructure concrète : un système de mémoire modulaire compatible avec plusieurs backends (Honcho, mem0, Hindsight, RetainDB), une création autonome de compétences et une mémoire procédurale réutilisable. La thèse émergente dans la communauté est que l'avantage compétitif ne réside plus seulement dans le modèle lui-même, mais dans le harness, c'est-à-dire le système d'orchestration qui l'entoure. Cette double actualité, un modèle de base puissant et libre d'un côté, un framework agentique mature de l'autre, dessine les contours d'un écosystème open source qui se rapproche sérieusement des capacités propriétaires.