Google Research a devoile vendredi TabFM, un modele de fondation qui bouscule une habitude bien ancree dans le machine learning: pas besoin d'entrainer le modele sur le jeu de donnees a traiter. Grace a l'apprentissage en contexte, TabFM predit directement sur des tables jamais vues, en un seul passage avant, a partir d'un prompt unique. Une promesse forte pour les entreprises qui manipulent des donnees tabulaires sensibles et ne veulent pas reentrainer un modele a chaque nouveau cas d'usage.
Cote securite, VentureBeat alerte samedi sur le "slopsquatting", une menace emergente pour la chaine d'approvisionnement logicielle. Le principe: des attaquants exploitent la tendance des outils de codage IA a halluciner des noms de paquets, puis enregistrent ces memes noms, legerement mal orthographies, pour pieger les developpeurs qui font confiance aveuglement aux suggestions de leur assistant. Un rappel que la vitesse de generation du code IA cree de nouvelles surfaces d'attaque, aussi vite que les defenses peinent a suivre.
En Chine, la BAAI (Beijing Academy of Artificial Intelligence) a presente samedi Orca, un modele du monde qui rivalise avec des systemes robotiques specialises sans jamais avoir vu la moindre etiquette d'action. Entraine sur 125 000 heures de video brute, Orca apprend a predire des etats abstraits de l'environnement plutot que des pixels, ce qui pourrait accelerer considerablement le developpement de robots generalistes. Trois histoires, un meme fil rouge: l'IA apprend desormais avec de moins en moins de supervision humaine directe, que ce soit sur des tables, du code ou des videos, et c'est autant une prouesse technique qu'un defi de controle a venir.