Google utilise d'anciens reportages et l'IA pour prédire les crues soudaines

Google fouille dans les vieux journaux pour prédire les inondations

Google utilise son IA pour analyser d'anciennes coupures de presse afin de mieux prédire les risques d'inondations. Cette approche exploite des données historiques issues de la presse pour améliorer les modèles de prévision des crues.

Meta AI utilise un second agent d'IA comme coach de mémoire pour maintenir le cap sur les tâches longues

Meta AI a développé un système qui associe à un agent principal un second agent dédié uniquement à la mémoire, chargé de l'empêcher de refaire les mêmes erreurs pendant l'exécution de tâches longues et complexes. Ce "coach mémoire" tient à jour une banque de mémoire structurée qui consigne les échecs déjà diagnostiqués, les impasses rencontrées et les solutions déjà tentées. Il décide lui-même quand intervenir pour rappeler ces éléments à l'agent principal et quand rester silencieux afin de ne pas surcharger son raisonnement. Selon les tests menés par Meta AI, ce dispositif a permis d'améliorer les résultats jusqu'à 8,3 points de pourcentage sur deux benchmarks conçus pour évaluer les agents sur des tâches multi étapes. Ce gain est important car les agents IA actuels, même dotés de fenêtres de contexte très larges, ont tendance à oublier les erreurs qu'ils ont déjà identifiées au fil d'une tâche longue, ce qui les pousse à répéter des stratégies déjà vouées à l'échec. Cette limite freine directement leur fiabilité pour des usages professionnels comme le développement logiciel autonome, la recherche approfondie ou l'automatisation de tâches administratives complexes, où chaque boucle inutile coûte du temps de calcul et de la confiance des utilisateurs. Cette approche s'inscrit dans une course plus large de l'industrie pour résoudre les limites de mémoire des agents, un chantier également investi par OpenAI, Google et Anthropic. Plutôt que de simplement agrandir les fenêtres de contexte, Meta AI parie sur une architecture à plusieurs agents spécialisés, une piste qui pourrait s'imposer comme standard pour les futurs systèmes agentiques capables de mener des missions complexes sur de longues durées sans supervision humaine constante.

💬 Meta comprend enfin ce que les fenêtres de contexte géantes n'ont jamais réglé : un agent qui bosse seul finit par oublier ses propres erreurs et retombe dans les mêmes impasses. Séparer la mémoire du raisonnement dans un second agent dédié, c'est malin, et le gain de 8,3 points sur les benchmarks le confirme. Reste que c'est encore du labo, faut voir si ça tient sur un vrai projet de dev en autonomie pendant des heures, pas juste sur deux benchmarks calibrés pour ça.

Google associe son modèle Genie à Street View pour créer des mondes IA explorables basés sur des lieux réels

Google DeepMind a couplé son modèle de monde génératif Genie 3 à la base de données Street View pour permettre à des utilisateurs de créer des environnements 3D explorables à partir de lieux réels. Le principe est simple : l'utilisateur pose une épingle sur une carte, et le système génère automatiquement un monde interactif dans lequel il peut se déplacer, construit à partir des images photographiées par les voitures Google au fil des années. La démonstration illustre une convergence inédite entre la cartographie grand public et la génération de mondes par intelligence artificielle. L'enjeu dépasse la simple curiosité technologique. Ces environnements synthétiques mais ancrés dans la réalité constituent une ressource d'entraînement particulièrement précieuse pour les agents IA et les systèmes robotiques, qui ont besoin de naviguer dans des espaces proches du monde physique sans avoir à y être déployés physiquement. Là où les simulateurs classiques exigeaient un travail de modélisation manuel considérable, Genie 3 génère ces espaces à la volée, à partir de données déjà collectées massivement. Google DeepMind travaille sur la série Genie depuis 2024 : Genie 1 avait montré la capacité à générer des environnements 2D jouables, Genie 2 avait franchi le cap de la 3D cohérente. L'intégration à Street View transforme la flotte de véhicules cartographiques de Google en infrastructure d'entraînement pour la prochaine génération de robots et d'agents autonomes, positionnant l'entreprise avec un avantage concurrentiel difficile à répliquer pour des acteurs sans accès à des données géospatiales à cette échelle.

L'IA pour prédire la prochaine pandémie

L'intelligence artificielle s'attaque à l'un des défis les plus complexes de la santé publique mondiale : anticiper l'émergence de pandémies inconnues avant qu'elles ne deviennent incontrôlables. Des chercheurs explorent des modèles capables de calculer des trajectoires épidémiques potentielles dès les 200 premiers jours suivant la détection d'un premier cas, même en l'absence totale de données historiques sur le pathogène concerné. L'enjeu est considérable. La pandémie de Covid-19 a mis en lumière une faille critique des systèmes de surveillance épidémiologique traditionnels : leur dépendance aux données passées pour formuler des prévisions. Or, par définition, un nouveau pathogène n'en possède aucune. Disposer d'un outil capable de modéliser le comportement d'une menace inédite permettrait aux autorités sanitaires de déclencher des réponses préventives bien avant que les hôpitaux ne soient saturés. L'approche repose sur une modélisation par trajectoires probabilistes : plutôt que de prédire un scénario unique, le système génère un éventail de courbes d'évolution plausibles fondées sur des paramètres structurels, vitesse de transmission estimée, comportements de mobilité, densité de population, capacité de réponse sanitaire locale. Ce cadre permet d'encadrer l'incertitude inhérente aux premiers stades d'une émergence, là où les données sont rares et les inconnues biologiques nombreuses. Si la méthode se confirme, elle pourrait transformer radicalement le protocole de réponse des organisations comme l'OMS ou les CDC. La capacité à cartographier des scénarios du pire dès la détection initiale d'un foyer ouvrirait une fenêtre d'intervention précoce aujourd'hui inexistante, un changement de paradigme qui, selon ses promoteurs, aurait pu modifier significativement le cours de la crise Covid-19.