Ontun lance Ontology 1 : un modèle de recherche neurosymbolique 2,7 fois plus précis que les meilleurs moteurs e-commerce

Meilleurs modèles de reconnaissance vocale (ASR) open source en 2026 : comparatif WER, langues, latence et licences

Cohere a publié en mars 2026 son modèle de reconnaissance vocale Transcribe, doté de 2 milliards de paramètres et sous licence Apache 2.0, qui a pris la tête du Open ASR Leaderboard d'Hugging Face avec un taux d'erreur mot (WER) moyen de 5,42%. Cinq semaines plus tard, IBM a riposté avec Granite Speech 4.1 2B, à 5,33%. Depuis, ARK-ASR-3B et MOSS-Transcribe-preview-2B ont affiché des scores encore plus bas, si bien que le sommet du classement se joue désormais à moins d'un point de WER. Mais ce chiffre de 5,42% mérite d'être décortiqué: il correspond à une moyenne sur huit jeux de test anglophones incluant TED-LIUM (AMI 8,13, Earnings-22 10,86, GigaSpeech 9,34, LibriSpeech clean 1,25, LibriSpeech other 2,37, SPGISpeech 3,08, TED-LIUM 2,49, VoxPopuli 5,87). Or ARK-ASR-3B affiche son 5,04% sur seulement sept jeux, sans TED-LIUM, l'un des plus faciles du lot. En recalculant Cohere et Granite sur ces mêmes sept jeux, leurs scores remontent respectivement à 5,84 et 5,65: l'avance réelle d'ARK est donc plus grande que ne le laissent penser les chiffres bruts, pas plus petite. Cette affaire de méthodologie a des conséquences très concrètes pour quiconque doit choisir un modèle de transcription en production. Le rang au classement n'est plus le critère décisif: la licence, la couverture linguistique, le support du streaming et le coût par heure audio pèsent désormais davantage. Deux biais supplémentaires fragilisent le classement public: MOSS-Transcribe-preview-2B a été explicitement affiné par apprentissage par renforcement sur les données d'entraînement du leaderboard lui-même, ce qui mesure sa capacité à optimiser le benchmark plutôt que sa performance réelle. Par ailleurs, des jeux d'évaluation privés fournis par Appen, couvrant les accents australien, canadien, indien et américain en parole scriptée et spontanée, rebattent les cartes: activés, ils font passer zoom/scribe_v1 de la quatrième à la première place, reléguant le leader public. Les modèles calibrés sur de la parole lue propre s'effondrent proportionnellement plus sur de la conversation spontanée. Sur le terrain de la précision pure, Cohere Transcribe reste le modèle réellement adopté en production, avec plus de 620 000 téléchargements en un mois et un support d'exécution large (transformers, vLLM, mlx-audio pour Apple Silicon, port Rust, version WebGPU). Construit autour d'un encodeur Conformer et d'un décodeur Transformer léger entraîné depuis zéro, il couvre 14 langues et affiche un taux de préférence humaine de 61% en moyenne, 78% face à IBM Granite 4.0 1B Speech et 64% face à Whisper large-v3. Sa fiche technique reconnaît toutefois l'absence de détection automatique de langue, d'horodatage et de diarisation, ainsi qu'une tendance à halluciner du texte sur du silence. Granite Speech 4.1 2B, entraîné sur 174 000 heures audio, mise lui sur la polyvalence plutôt que sur le score brut: six langues, traduction vocale bidirectionnelle, biais par liste de mots-clés pour les noms propres, et gestion fine de la ponctuation.

Gradium lance stt-translate et s2s-translate, des modèles de traduction vocale en temps réel plus précis et plus rapides que gpt-realtime-translate

Gradium a lancé ce jeudi deux modèles de traduction vocale en temps réel, baptisés stt-translate et s2s-translate, qui s'attaquent directement aux offres de Google et d'OpenAI sur ce marché en pleine expansion. Les deux modèles couvrent cinq langues, anglais, français, allemand, espagnol et portugais, soit vingt paires de traduction dans toutes les directions. stt-translate convertit la parole d'une langue en texte dans une autre en un seul passage, sans transcription intermédiaire, en s'appuyant sur le cadre Hibiki-Zero et un entraînement par apprentissage par renforcement optimisant simultanément la précision et la latence. s2s-translate va plus loin en produisant directement de l'audio traduit depuis de l'audio source, en enchaînant stt-translate avec un modèle TTS de Gradium au sein d'un service unique accessible via WebSocket duplex. La latence moyenne annoncée est de 3,0 secondes, et les flux audio sont gérés en PCM 24 kHz en entrée et 48 kHz en sortie, avec support WAV, Opus, mu-law et A-law. Sur le plan des performances, Gradium affirme surpasser gpt-realtime-translate d'OpenAI sur le score BLEU, la métrique historique de traduction automatique mesurant la fidélité lexicale, tout en étant comparable sur MetricX, le système d'évaluation neuronal de Google qui juge la qualité sémantique selon des critères proches du jugement humain. Face à gemini-3.5-live-translate de Google, Gradium l'emporte sur les deux métriques. La latence de 3,0 secondes se situe devant OpenAI (3,6 s) mais légèrement derrière Gemini (2,9 s), un écart marginal. La différenciation la plus concrète réside dans la flexibilité vocale : Gradium permet de choisir une voix dans un catalogue ou de cloner sa propre voix pour la sortie audio, une fonctionnalité absente chez gpt-realtime-translate et non précisée chez Gemini. Ces modèles s'inscrivent dans une course accélérée à la traduction vocale temps réel, portée par des cas d'usage comme les réunions internationales, le service client multilingue et l'accessibilité. L'approche de Gradium, fusionner transcription et traduction en un seul modèle plutôt qu'enchaîner trois systèmes distincts, réduit la complexité d'intégration et les points de latence. C'est précisément le type d'architecture que les développeurs cherchent pour éviter de gérer plusieurs API et connexions en parallèle. En proposant ces modèles via une interface WebSocket unique avec streaming des résultats, Gradium vise les équipes produit qui construisent des expériences vocales multilingues sans vouloir assembler elles-mêmes une pipeline STT-MT-TTS. Le lancement positionne la startup face à deux des acteurs les plus capitalisés du secteur, avec des résultats de benchmarks qui, s'ils se confirment en production, pourraient en faire un concurrent sérieux sur ce segment.

ACRouter choisit le modèle d'IA le plus adapté à chaque tâche, réduisant les coûts de 2,6 fois par rapport à un usage exclusif d'Opus

Un nouveau framework open source baptisé Agent-as-a-Router s'attaque au routage de modèles d'IA en entreprise, un maillon de plus en plus central de la pile technologique IA. Son implémentation concrète, ACRouter, a été testée par les chercheurs sur des tâches réelles de codage et de workflows agentiques, et a nettement surpassé à la fois les routeurs statiques classiques et la stratégie coûteuse consistant à tout envoyer systématiquement vers un modèle premium comme Claude Opus, avec un gain de coût mesuré à 2,6 fois sans sacrifier les performances. Contrairement aux routeurs traditionnels, qui reposent soit sur des règles heuristiques écrites à la main (par exemple rediriger vers GPT-5.5 si le prompt contient certains mots-clés, sinon vers un modèle open source comme Kimi K2.7), soit sur des classifieurs entraînés sur des données historiques, ACRouter fonctionne selon une boucle Context-Action-Feedback (C-A-F): il examine chaque nouveau prompt et ses métadonnées, consulte sa mémoire des tâches similaires passées, choisit le modèle le plus adapté, puis observe le résultat réel de l'exécution pour enrichir sa mémoire en vue des décisions futures. Cette approche change la donne pour les équipes qui gèrent des infrastructures IA à grande échelle, car elle permet de remplacer des règles figées par un système qui s'auto-optimise en continu, sans nécessiter l'entraînement de modèles massifs ni la rédaction sans fin de nouvelles heuristiques. Concrètement, dans un pipeline d'analyse de données d'entreprise, si un modèle open source comme Kimi génère une requête SQL erronée à cause d'un nom de colonne halluciné, le système C-A-F détecte l'échec de compilation, l'enregistre comme signal négatif, et ajuste ses futurs choix de routage pour des requêtes similaires. Pour les équipes qui déploient de l'IA à grande échelle, cela représente un moyen concret de réduire les coûts tout en maintenant la qualité, en réservant les modèles les plus chers aux cas réellement complexes. Le problème que ce framework cherche à résoudre est bien identifié: les routeurs classiques souffrent d'un déficit d'information structurel, puisqu'ils ne voient jamais si le modèle choisi a effectivement réussi sa tâche. Cela génère trois faiblesses majeures, à savoir un état de connaissance figé qui empêche toute accumulation de retours d'exécution, une mauvaise généralisation face à des situations hors distribution lorsque les usages évoluent en production, et une forte vulnérabilité au renouvellement rapide des modèles, un classifieur entraîné sur les modèles d'aujourd'hui pouvant devenir obsolète dès qu'un modèle plus performant apparaît la semaine suivante. En traitant le routeur comme un agent capable d'apprendre sur le terrain plutôt que comme un simple classifieur statique, les chercheurs proposent une réponse directe à ces limites, à un moment où la multiplication des modèles disponibles rend la question du choix automatique de plus en plus stratégique pour les entreprises.

💬 Le routage de modèles, c'est le vrai sujet de 2026, pas les benchmarks des nouveaux LLM. Là, tu as un routeur qui apprend de ses échecs au lieu de suivre des règles écrites à la main, et le gain de 2,6x sur Opus, c'est pas du flan si les chiffres tiennent en prod ailleurs que chez les chercheurs qui l'ont testé. Le point qui compte : dès qu'on a plusieurs modèles disponibles, celui qui gagne, c'est pas le meilleur modèle, c'est le meilleur arbitre entre les modèles.

Chroma lance Context-1 : un modèle de recherche à base d'agents de 20 milliards de paramètres pour la récupération multi-saut et la gestion du contexte

Chroma, l'entreprise derrière la base de données vectorielle open source du même nom, a lancé Context-1, un modèle de recherche agentique de 20 milliards de paramètres conçu pour résoudre l'un des problèmes les plus tenaces des systèmes RAG (Retrieval-Augmented Generation) modernes. Dérivé de l'architecture Mixture of Experts gpt-oss-20B et affiné par apprentissage supervisé combiné à du renforcement via CISPO, ce modèle ne joue pas le rôle d'un moteur de raisonnement généraliste : il agit comme un sous-agent de recherche ultra-spécialisé. Concrètement, face à une question complexe nécessitant plusieurs étapes de raisonnement, Context-1 décompose la requête en sous-questions ciblées, exécute des appels d'outils en parallèle, 2,56 appels en moyenne par tour, et parcourt itérativement un corpus documentaire via des outils comme searchcorpus (hybride BM25 + recherche dense), grepcorpus et readdocument, avant de transmettre les passages pertinents à un modèle frontier pour la réponse finale. L'innovation la plus significative de Context-1 est ce que Chroma appelle le "Self-Editing Context" : le modèle ne se contente pas de chercher, il gère activement sa propre fenêtre de contexte. Au fil de la recherche, les documents s'accumulent, beaucoup s'avèrent redondants ou hors sujet. Plutôt que de se noyer dans ce bruit, Context-1 a été entraîné avec une précision de pruning de 0,94 : il exécute proactivement une commande prunechunks pour éliminer les passages inutiles en cours de recherche. Ce mécanisme lui permet de maintenir une fenêtre de contexte de 32 000 tokens propre et efficace, là où les modèles généralistes "s'étranglent" sur des chaînes de raisonnement longues. Le découplage entre la logique de recherche, traditionnellement gérée par le développeur, et la génération de réponse représente un changement architectural majeur pour les équipes qui construisent des pipelines RAG en production. Pour entraîner et évaluer ce type de modèle, Chroma a également publié en open source son outil de génération de données synthétiques, context-1-data-gen. Ce pipeline produit des tâches multi-hop dans quatre domaines, recherche web, dépôts SEC (10-K, 20-F), brevets USPTO et corpus d'emails (Enron, fichiers Epstein), selon un processus structuré en quatre étapes : Explorer, Vérifier, Distraire, Indexer. L'astuce centrale est l'injection de "distracteurs thématiques", des documents apparemment pertinents mais logiquement inutiles, qui forcent le modèle à raisonner plutôt qu'à faire du simple matching de mots-clés. Ce faisant, Chroma s'attaque à un angle mort bien connu des benchmarks statiques, et positionne Context-1 comme compétitif face à GPT-5 sur les tâches de recherche complexes, tout en étant nettement moins coûteux à faire tourner pour des volumes industriels.