Des chercheurs de l'Université du Maryland, de Google et de Meta ont laissé Claude Code d'Anthropic concevoir seul des algorithmes d'IA, et les résultats sont surprenants. Le système, baptisé AutoTTS, a produit en 160 minutes des approches que les ingénieurs humains n'auraient probablement pas envisagées pour améliorer le raisonnement des modèles. C'est une étape importante : on ne demande plus à l'IA d'exécuter une spécification humaine, on lui demande d'inventer la spécification elle-même.
Pendant ce temps, le mathématicien Adam Kucharski a publié une expérience embarrassante pour Microsoft. En soumettant des jeux de données strictement identiques à Copilot, avec uniquement les étiquettes de pays modifiées, il a obtenu des analyses détaillées décrivant des différences nationales qui n'existent tout simplement pas. Le problème ne vient pas d'un bug, mais du modèle sélectionné par défaut, et c'est précisément l'argument du chercheur : laisser l'outil choisir lui-même son modèle, c'est déléguer aussi les biais de ce modèle à l'insu de l'utilisateur.
Côté recherche fondamentale, NVIDIA a publié Gated DeltaNet-2, une nouvelle couche d'attention linéaire entraînée à 1,3 milliard de paramètres sur 100 milliards de tokens issus de FineWeb-Edu. L'innovation clé : dissocier les mécanismes d'effacement et d'écriture dans la règle Delta pour mieux contrôler la mémoire récurrente des modèles. Trois signaux qui convergent vers la même question fondamentale : à qui appartient vraiment le raisonnement de l'IA, à l'humain qui l'utilise, à l'organisation qui la déploie, ou à l'algorithme qui s'auto-conçoit ?