Actualités IA — page 145

9 335 articles au fil, du plus récent au plus ancien.

40

Illustration générée par IA

2881The Decoder 

Les chatbots IA lisant des radiographies peuvent se montrer dangereusement sûrs d'eux, même quand ils se trompent

L'équipe de recherche derrière RadLE 2.0 vient de publier un nouveau benchmark destiné à évaluer un problème précis en radiologie assistée par intelligence artificielle : la capacité des modèles à reconnaître les limites de leurs propres diagnostics. Concrètement, le test soumet aux systèmes d'IA des radiographies et mesure non seulement si leurs conclusions médicales sont exactes, mais surtout s'ils savent identifier les cas où ils devraient s'abstenir et renvoyer le patient vers un radiologue humain. Les résultats montrent qu'un grand nombre de modèles actuels formulent des diagnostics erronés avec une assurance totale, sans exprimer le moindre doute alors que leur lecture de l'image est fausse. Sur l'ensemble des tests, les radiologues humains conservent une avance nette sur les meilleurs modèles d'IA évalués. Ce constat pèse lourd pour l'avenir du déploiement clinique de ces outils. Un système d'IA qui se trompe silencieusement, sans signaler son incertitude, représente un risque bien plus grand qu'un système moins performant mais capable de reconnaître ses limites : dans un contexte médical, une fausse assurance peut conduire à un diagnostic manqué ou à un traitement inadapté, avec des conséquences directes pour les patients. Pour les hôpitaux et les éditeurs de logiciels médicaux qui envisagent d'intégrer ces modèles dans leurs flux de travail, cela signifie que la seule mesure de précision ne suffit plus : il faut aussi évaluer la fiabilité de l'auto-évaluation du modèle avant toute autorisation d'usage clinique. Cette question s'inscrit dans un débat plus large sur la place de l'IA en médecine, où plusieurs modèles ont déjà démontré des performances impressionnantes sur des tâches d'imagerie spécifiques, alimentant l'espoir d'un diagnostic assisté voire autonome. Mais des benchmarks comme RadLE 2.0 rappellent qu'avant de confier un rôle décisionnel à ces systèmes, il faut d'abord leur apprendre à exprimer l'incertitude, un défi technique et éthique que les chercheurs en IA médicale considèrent désormais comme aussi important que l'amélioration brute de la précision diagnostique.

Recherche❖Paper

1 source

35

Illustration générée par IA

2882MarkTechPost 

Perplexity AI publie WANDR, un benchmark ouvert pour évaluer les agents de recherche capables d'explorer largement et en profondeur

Perplexity AI a publié WANDR (Wide ANd Deep Research), un nouveau benchmark ouvert conçu pour évaluer les agents de recherche capables à la fois d'explorer largement un sujet et d'investiguer chaque piste en profondeur. L'outil comprend 500 tâches réalistes de collecte de données, construites autour d'une architecture appelée "qualification key hierarchy", qui combine recherche large (identifier un grand nombre d'entités correspondant à des critères) et recherche approfondie (documenter chaque entité avec des preuves vérifiables). Un exemple concret illustre le principe : la tâche "ceocfoappointments" demande de recenser au moins 70 entreprises américaines ayant annoncé la nomination d'un nouveau PDG ou directeur financier entre le 1er mars et le 30 avril 2026, chacune accompagnée d'une page source faisant autorité, soit 140 enregistrements vérifiables au total. Les tâches ont été générées à partir de schémas d'usage réels et anonymisés, via un pipeline en quatre étapes (amorçage, rédaction, validation, curation) combinant génération automatique et vérification croisée. Au total, les 500 tâches de WANDR exigent 170 495 enregistrements sourcés, avec une médiane de 50 entités et 245 preuves par tâche, réparties en trois niveaux de difficulté à peu près égaux. Ce benchmark comble un vide important dans l'évaluation des agents d'intelligence artificielle dédiés à la recherche documentaire. Jusqu'ici, la plupart des outils de mesure testaient la capacité d'un agent à produire une réponse unique et bien rédigée, sans vérifier s'il pouvait réellement rassembler et vérifier un grand volume d'informations factuelles. Or de plus en plus d'entreprises délèguent à ces agents des tâches de cartographie concurrentielle, de vérification préalable (due diligence) ou de revue de littérature, des travaux qui exigent précisément cette combinaison d'ampleur et de rigueur. Chaque affirmation soumise par l'agent est revérifiée automatiquement par un système qui récupère la page citée, contrôle qu'elle est pertinente et vérifie que les extraits sélectionnés confirment bien la réponse fournie, avant de calculer des scores de précision et de rappel à différents niveaux de la hiérarchie. WANDR est présenté comme le pendant "large" du benchmark DRACO, déjà développé par Perplexity pour évaluer la qualité de rapports longs et approfondis. Dans les premiers tests, six systèmes de production ont été évalués sur l'ensemble des 500 tâches, et c'est la propre architecture "Search as Code" de Perplexity qui obtient le meilleur score, avec un F1 souple de 0,363. Aucun système, cependant, ne parvient à résoudre la totalité du benchmark, ce qui souligne l'écart qui subsiste entre les capacités actuelles des agents de recherche et les exigences réelles du travail de connaissance à grande échelle.

Recherche❖Paper

1 source

32

Illustration générée par IA

2883MarkTechPost 

10 plateformes IA open source sans code pour créer des applications LLM, des systèmes RAG et des agents IA

Un nouveau panorama recense dix plateformes open source qui permettent de construire des applications LLM, des systèmes RAG et des agents IA sans écrire de code d'orchestration à la main. Parmi les projets phares figure AutoAgent, développé par le Data Intelligence Lab de l'Université de Hong Kong, disponible sous licence MIT et documenté dans un article arXiv (2502.05957). Il suffit de décrire un objectif en langage naturel pour que le système génère lui-même outils, agents et flux de travail multi-agents, via un éditeur d'agents, un éditeur de workflows et un mode assistant de recherche prêt à l'emploi, compatible avec DeepSeek, Grok ou Gemini et déployable via Docker. Autre projet cité, AnythingLLM de Mintplex Labs, soutenu par Y Combinator, propose une plateforme tout-en-un auto-hébergée pour le RAG, les agents et le dialogue documentaire, sous forme d'application de bureau ou de conteneur Docker, avec plus de 30 fournisseurs de LLM compatibles et plusieurs bases vectorielles, le tout sous licence MIT. LangChain a de son côté lancé l'Open Agent Platform (OAP), une interface web sans code pour créer et gérer des agents LangGraph, avec authentification intégrée via Supabase par défaut et connexion aux serveurs MCP. Enfin, Sim Studio, sous licence Apache 2.0 et également soutenu par YC, mise sur un canevas visuel façon Figma où l'on assemble des blocs (Start, Agent, Function, API, Router, Loop) pour composer des pipelines, avec un copilote IA et une compatibilité annoncée avec plus de 1 000 outils. Cette vague d'outils change concrètement la façon dont les équipes techniques et non techniques abordent le développement d'applications d'intelligence artificielle. Là où la construction d'un agent ou d'un système de recherche augmentée nécessitait auparavant des compétences en ingénierie logicielle et l'assemblage manuel de bibliothèques d'orchestration, ces plateformes permettent de prototyper en quelques minutes via des interfaces visuelles ou de simples instructions en anglais courant. L'auto-hébergement, revendiqué par la plupart de ces projets, répond aussi à une préoccupation croissante des entreprises et administrations sur la souveraineté des données, en évitant de faire transiter des documents sensibles par des services tiers hébergés dans le cloud. Les licences permissives, MIT ou Apache 2.0, facilitent en outre l'usage commercial et les déploiements multi-clients sans contrainte juridique lourde. Ce mouvement s'inscrit dans la maturation rapide de l'écosystème des agents IA depuis 2024, où la démocratisation des outils suit celle des modèles eux-mêmes. Des acteurs comme LangChain, déjà installés dans l'écosystème des développeurs, ajoutent désormais une couche graphique à leurs frameworks existants, tandis que des startups plus jeunes soutenues par Y Combinator, comme Sim ou AnythingLLM, misent sur la simplicité d'usage pour capter des utilisateurs non spécialistes. La suite logique de cette tendance serait une consolidation autour de standards communs comme le protocole MCP, déjà adopté par plusieurs de ces plateformes, afin d'assurer l'interopérabilité entre agents et outils tiers.

Outils⚒Outil

1 source

34

Illustration générée par IA

2884VentureBeat AI 

Le piège du nettoyage : arrêtez de demander au RAG de corriger de mauvaises données

Le fournisseur technologique se retrouve pris dans un cycle coûteux : depuis deux ans, des millions de dollars ont été investis dans des projets pilotes d'intelligence artificielle générative en entreprise, mais la plupart s'arrêtent avant d'atteindre la production. Quand un projet échoue, les responsables techniques accusent d'abord le modèle : fenêtre de contexte trop limitée, latence excessive, capacités de raisonnement insuffisantes. Mais les ingénieurs data qui construisent l'infrastructure de ces systèmes observent une autre réalité : c'est le pipeline de données, et non le modèle, qui porte généralement la responsabilité de l'échec. L'auteur nomme ce phénomène le "piège du nettoyage" (Cleanup Trap), soit la croyance erronée qu'une organisation peut injecter des données legacy fragmentées, incohérentes et non gouvernées dans un orchestrateur de grand modèle de langage (LLM) et se contenter de les "nettoyer" ou de les corriger au niveau de la couche de récupération, la fameuse retrieval-augmented generation (RAG). Ce constat a des conséquences concrètes pour toute entreprise qui déploie du RAG. Lorsqu'un modèle d'embedding reçoit des données brutes et non validées directement issues de silos opérationnels, l'espace vectoriel résultant hérite du bruit structurel, des doublons et des états contradictoires présents dans les systèmes sources. Si le pipeline sous-jacent souffre d'une dégradation silencieuse, dérive de schéma, champs manquants, synchronisation retardée du change-data-capture (CDC), cette dégradation se propage directement dans la base vectorielle. Un modèle ne peut pas produire une intelligence client fiable si les profils qu'il reçoit sont périmés ou contradictoires selon les couches de stockage. Aucun réglage de prompt, aucun reranking sémantique, aucun ajustement des hyperparamètres vectoriels ne peut compenser un pipeline d'ingestion défaillant. Si la base est compromise, l'application finit par halluciner, exposer du contexte non autorisé, ou simplement échouer à fournir une valeur fiable et reproductible. Pour sortir de ce piège, l'auteur appelle les équipes data à cesser de traiter la qualité des données comme une étape de post-traitement, et à lui appliquer la même rigueur qu'au traitement transactionnel classique. Cela suppose un virage architectural vers une ingestion de données "zero-trust", des cadres de validation structurés et une détection automatisée d'anomalies avant même que les données n'atteignent la couche d'orchestration IA. Concrètement, cela passe par le durcissement du pipeline d'ingestion, avec des contrôles de schéma appliqués dès l'entrée en flux ou à la couche bronze d'une architecture medallion, plutôt que lors de traitements batch nocturnes tardifs. Cela implique aussi une validation algorithmique à plusieurs niveaux, combinant vérifications structurelles, valeurs nulles, conformité de type, avec un profilage statistique capable de détecter une dérive des données dans le temps. L'enjeu dépasse la seule performance des modèles : il s'agit de repenser la gouvernance des données comme un prérequis, non un correctif, à l'ère de l'IA générative en entreprise.

Outils❧Opinion

1 source

42

Illustration générée par IA

2885MarkTechPost 

Kimi K3 face à DeepSeek V4 Pro et GLM-5.2 : comparatif des modèles MoE open source à mille milliards de paramètres

Trois laboratoires chinois dominent désormais le classement des modèles à poids ouverts. Kimi K3, développé par Moonshot AI et lancé le 16 juillet 2026, DeepSeek V4 Pro, sorti le 24 avril 2026, et GLM-5.2 de Zhipu AI, disponible depuis le 13 juin 2026, sont tous des modèles de type Mixture-of-Experts (MoE) dotés d'une fenêtre de contexte d'un million de tokens et pensés pour le codage et les tâches d'agents sur de longues durées. Kimi K3 est le plus massif avec 2,8 billions de paramètres au total, activant 16 experts sur 896 à chaque requête, et intègre nativement la vision ainsi qu'un raisonnement permanent. DeepSeek V4 Pro compte 1,6 billion de paramètres, dont 49 milliards actifs, répartis sur 384 experts routés plus un expert partagé. GLM-5.2, plus modeste avec 744 milliards de paramètres et environ 40 milliards actifs, propose des modes de raisonnement High et Max. Sur l'indice neutre Artificial Analysis Intelligence Index, Kimi K3 obtient un score d'environ 57, se classant troisième mondial derrière Claude Fable 5 et GPT-5.6 Sol, contre 51 pour GLM-5.2 et 44 pour DeepSeek V4 Pro. Sur les benchmarks de codage testés par Moonshot, K3 devance nettement GLM-5.2, notamment sur SWE Marathon (42,0 contre 13,0) et FrontierSWE (81,2 contre 67,3), tandis que DeepSeek V4 Pro Max revendique 80,6% sur SWE-bench Verified, un résultat record pour un modèle ouvert. Ces écarts de performance comptent d'autant plus que les trois modèles ne jouent pas dans la même catégorie sur le plan commercial. DeepSeek V4 Pro et GLM-5.2 sont publiés sous licence MIT, avec leurs poids déjà disponibles sur Hugging Face, ce qui autorise un usage commercial, un fine-tuning et un auto-hébergement sans restriction dès aujourd'hui. Kimi K3, en revanche, reste pour l'instant accessible uniquement via API ou applications Kimi, Moonshot ayant promis la publication des poids pour le 27 juillet 2026 sous une licence MIT modifiée n'imposant une clause d'attribution qu'au-delà de 100 millions d'utilisateurs mensuels actifs. Côté coûts, les tarifs API divergent fortement: Kimi K3 facture 3 dollars par million de tokens en entrée et 15 en sortie, contre seulement 0,435 et 0,87 dollar pour DeepSeek V4 Pro, et 1,40 dollar en entrée pour GLM-5.2, un écart qui pèsera lourd pour les équipes déployant ces modèles à grande échelle. Cette compétition illustre l'accélération de la course chinoise aux modèles ouverts de très grande taille, portée par Moonshot AI, DeepSeek et Zhipu AI qui rivalisent désormais avec les meilleurs modèles propriétaires occidentaux. GLM-5.2 occupait la première place des modèles ouverts avant l'arrivée de K3, signe d'un rythme de sortie très soutenu. Pour les équipes IA qui doivent choisir un modèle à héberger ou interroger via API, l'arbitrage se joue désormais autant sur les performances brutes que sur les conditions de licence et le coût réel de service, avec la publication imminente des poids de K3 comme prochaine étape à surveiller.

LLMs⚡Actu

1 source

34

Illustration générée par IA

2886MarkTechPost 

Fine-tuning de Qwen3 avec LoRA via NVIDIA NeMo AutoModel : tutoriel complet sur Google Colab (GPU unique)

NVIDIA a publié via son équipe NeMo un tutoriel complet permettant d'entraîner le modèle Qwen3-0.6B avec la technique LoRA (Low-Rank Adaptation) sur un seul GPU, directement dans Google Colab. Le workflow s'appuie sur NeMo AutoModel, une bibliothèque installée depuis son dépôt source sur GitHub, qui reprend une recette officielle de fine-tuning par PEFT (Parameter-Efficient Fine-Tuning) prévue pour Qwen3-0.6B. Le processus commence par une vérification du matériel disponible, à savoir la présence d'un GPU compatible CUDA, sa mémoire vive et son support du format bfloat16, avant de cloner le dépôt Automodel et d'installer les dépendances nécessaires comme PyYAML et PEFT. Le script identifie ensuite automatiquement le fichier de configuration YAML correspondant à la recette Qwen3, puis modifie par programmation ses paramètres de précision, de taille de batch, de points de contrôle et de planification pour l'adapter aux ressources limitées d'un environnement Colab gratuit. L'entraînement est ensuite lancé via l'interface en ligne de commande d'AutoModel, avant de recharger le checkpoint LoRA généré et de comparer les réponses du modèle original avec celles du modèle affiné. Cette démonstration illustre concrètement l'intérêt de l'architecture pilotée par configuration de NeMo AutoModel, capable de fonctionner aussi bien sur un unique GPU grand public que sur des clusters multi-GPU en production, sans changer de logique d'entraînement. Pour les développeurs et chercheurs, cela signifie qu'il devient possible de prototyper un fine-tuning sur un environnement gratuit comme Colab avant de faire évoluer exactement le même pipeline vers une infrastructure distribuée à plus grande échelle, sans réécrire le code. L'utilisation de LoRA permet en outre de réduire drastiquement les besoins en mémoire et en calcul par rapport à un fine-tuning complet, un point crucial quand on ne dispose que d'un seul GPU aux ressources contraintes. Le fait que NeMo AutoModel conserve une interface compatible avec Hugging Face, via la classe NeMoAutoModelForCausalLM, facilite également l'adoption pour les équipes déjà habituées à cet écosystème. Cette publication s'inscrit dans la stratégie plus large de NVIDIA visant à rendre ses outils d'entraînement de modèles de langage accessibles au-delà des seuls environnements d'entreprise dotés de clusters GPU coûteux. En misant sur des recettes préconfigurées et open source pour des modèles compacts comme Qwen3-0.6B, développé par Alibaba, NVIDIA cherche à démocratiser les techniques de fine-tuning efficace en paramètres, alors que la demande pour des modèles spécialisés et peu coûteux à personnaliser continue de croître. Le choix de Google Colab comme terrain de démonstration renforce cette logique d'accessibilité, en montrant que des architectures pensées pour le calcul distribué restent utilisables sur du matériel limité, ce qui pourrait encourager davantage de chercheurs indépendants et de petites équipes à expérimenter avec l'écosystème NeMo.

Outils≡Tuto

1 source

34

Illustration générée par IA

2887MarkTechPost 

NVIDIA lance DeepStream 9.1 : l'IA agentique arrive dans la vision par IA avec 13 compétences et un suivi 3D multi-caméra

NVIDIA vient de publier DeepStream 9.1, une mise à jour majeure de sa plateforme d'analyse vidéo par intelligence artificielle. Basé sur GStreamer, DeepStream permet le traitement de flux multiples avec décodage accéléré par matériel, inférence TensorRT et suivi d'objets sur GPU NVIDIA. Cette version 9.1 apporte cinq ajouts notables : treize compétences agentiques destinées aux agents de codage comme Claude Code, Codex ou Cursor, une fonction de suivi 3D multi-caméras baptisée MV3DT, un outil de calibration automatique nommé AutoMagicCalib, la prise en charge de JetPack 7.2 pour les appareils périphériques Jetson Orin et Thor, ainsi qu'un dépôt GitHub open source unifié sous licences CC-BY-4.0 et Apache-2.0. La fonctionnalité MV3DT projette les détections de plusieurs caméras calibrées dans un système de coordonnées 3D partagé, associe les observations d'un même objet entre les différentes vues, puis lui attribue un identifiant global unique. Le processus s'appuie sur trois modèles de détection disponibles nativement, dont PeopleNetTransformer et RT-DETR 2D, et utilise le protocole de messagerie MQTT pour faire correspondre les trajectoires entre caméras dans l'espace 3D. Cette avancée répond à un problème récurrent de la vidéosurveillance intelligente : jusqu'ici, suivre un même objet ou une même personne à travers plusieurs caméras exigeait une calibration manuelle fastidieuse, souvent réalisée à l'aide de mires en damier, et des calculs complexes. Avec AutoMagicCalib, ce processus est automatisé : le système analyse les objets déjà suivis dans des vidéos ou flux existants pour estimer les paramètres intrinsèques des caméras comme la focale ou la distorsion optique, ainsi que leurs paramètres extrinsèques comme la position et l'orientation dans l'espace. L'utilisateur n'a plus qu'à fournir une image du plan des lieux et quelques points d'alignement. Pour les développeurs, l'intérêt est double : gain de temps considérable sur le déploiement de systèmes de vidéosurveillance intelligente, et surtout un accès simplifié via le langage naturel plutôt que par édition manuelle de fichiers de configuration, grâce à l'intégration directe avec les agents de codage IA. Cette évolution s'inscrit dans la tendance plus large de NVIDIA à rendre ses outils d'infrastructure IA pilotables par des agents autonomes plutôt que configurables uniquement par des experts. Les résultats de MV3DT s'exportent sous trois formes complémentaires : un affichage à l'écran avec grille de flux et boîtes englobantes 2D/3D, une vue aérienne cartographiant les trajectoires, et des messages Kafka transportant des métadonnées détaillées par image comme l'identifiant du capteur et la position 3D de l'objet. En interne, le pipeline de calibration automatique combine cinq étapes techniques, dont un ajustement de faisceaux et un raffinement optionnel par transformeur de géométrie visuelle (VGGT), utile lorsque les objets suivis se déplacent peu. L'installation reste accessible : il suffit de cloner le dépôt GitHub officiel et de copier les compétences dans le répertoire de l'agent utilisé, qu'il s'agisse de Codex, Claude Code ou un outil similaire, ouvrant la voie à une adoption plus large de la vidéo-analyse intelligente pilotée par IA.

Outils⚒Outil

1 source

43

Illustration générée par IA

2888The Information AI 

Trump face à la réalité sur l'IA

En janvier 2025, trois jours seulement après son investiture pour un second mandat, Donald Trump a signé un décret présidentiel annulant une grande partie des mesures prises par l'administration Biden en matière d'intelligence artificielle. Ce texte concrétisait sa promesse d'une régulation minimale du secteur, présentée comme un correctif à l'approche de son prédécesseur, qu'il jugeait susceptible de "paralyser" l'industrie au nom de la sécurité. Lors de la cérémonie de signature dans le Bureau ovale, entouré de l'investisseur David Sacks, nommé conseiller pour l'IA et les cryptomonnaies, Trump avait lancé : "Ça devrait nous placer à l'avant-garde, non ?", ce à quoi Sacks avait répondu : "Absolument. Il faut qu'on gagne." À mi-parcours de ce second mandat, cet agenda ambitieux se heurte pourtant à une réalité bien plus complexe. L'arrivée de modèles frontière très puissants, comme Mythos d'Anthropic, a ravivé les craintes d'un large éventail d'acteurs, des dirigeants du secteur bancaire aux agences de renseignement, qui redoutent des catastrophes potentielles en matière de cybersécurité. Parallèlement, l'opinion publique s'est nettement retournée contre une adoption sans frein de l'IA, sous l'effet de préoccupations touchant à l'emploi comme au prix de l'électricité. Cette défiance s'est traduite concrètement : des centaines d'États, de villes et de comtés américains ont voté des moratoires interdisant ou suspendant la construction de nouveaux centres de données. Ce basculement illustre la tension centrale de la politique technologique de Trump : vouloir garantir la suprématie américaine face à la Chine tout en gérant les effets secondaires très concrets d'une course effrénée à l'IA, qu'il s'agisse des risques de sécurité posés par des modèles toujours plus puissants ou des coûts sociaux et énergétiques ressentis localement. L'administration doit désormais arbitrer entre les intérêts des grandes entreprises technologiques, pressées de lever tout frein réglementaire, et une contestation locale grandissante, portée par des élus de tous bords. La suite dépendra de la capacité de la Maison-Blanche à concilier ces impératifs contradictoires, alors que le secteur continue d'évoluer à un rythme que même ses partisans peinent à maîtriser.

Régulation⚖Reglementation

1 source

41

Illustration générée par IA

2889Ahead of AI 

Contrôler l'effort de raisonnement dans les LLM

Le 26 juin dernier, OpenAI a lancé la famille de modèles GPT-5.6, disponible en trois tailles, chacune proposant entre cinq et six niveaux d'effort de raisonnement configurables. Cette annonce intervient près de deux ans après le lancement d'o1 par OpenAI, qui avait popularisé les modèles de raisonnement basés sur les LLM, et environ quatre mois après DeepSeek-R1, qui avait détaillé une méthode d'apprentissage par renforcement à récompenses vérifiables (RLVR) pour entraîner ce type de modèles. Sebastian Raschka, chercheur reconnu dans le domaine, souligne dans son analyse que les modèles de raisonnement sont désormais devenus un standard incontournable de toute nouvelle génération de modèles. Il rappelle le principe central du RLVR popularisé par DeepSeek-R1 : fournir un signal de récompense binaire, zéro pour une réponse incorrecte, un pour une réponse correcte, uniquement sur des domaines vérifiables comme les mathématiques, via des outils comme SymPy ou WolframAlpha, ou le code, via des compilateurs et des tests unitaires. Fait notable, la trace de raisonnement intermédiaire elle-même n'est pas utilisée pour l'entraînement du modèle : seule la réponse finale et le respect du format comptent pour le calcul de la récompense. Cette généralisation des modes d'effort configurables change concrètement la manière dont les entreprises et les développeurs peuvent exploiter ces modèles. Plutôt que de choisir entre un modèle rapide et peu coûteux ou un modèle lent et performant, les utilisateurs peuvent désormais ajuster finement le curseur entre vitesse d'exécution et qualité de raisonnement selon la tâche à accomplir, un simple résumé de texte ne nécessitant pas le même effort qu'un problème mathématique complexe. Pour l'industrie, cela signifie une meilleure maîtrise des coûts de calcul et une adaptation plus fine des modèles aux usages professionnels réels, où toutes les requêtes n'exigent pas le même niveau de sophistication. C'est aussi le signe que la recherche sur le raisonnement des LLM a atteint une maturité suffisante pour passer d'une simple option binaire, raisonnement activé ou non, à un curseur continu de performance. Cette évolution s'inscrit dans un contexte de recherche particulièrement actif depuis la publication de DeepSeek-R1. Deux grandes approches permettent aujourd'hui d'améliorer les capacités de résolution de problèmes des modèles de raisonnement : l'optimisation à l'entraînement et l'optimisation à l'inférence, c'est-à-dire au moment de l'exécution. La question de savoir comment exploiter la trace de raisonnement intermédiaire pour améliorer l'entraînement, notamment via des modèles de récompense de processus, reste un sujet de recherche actif et non résolu. Raschka, auteur d'un livre de 440 pages intitulé Build A Reasoning Model (From Scratch), consacré à la construction de modèles de raisonnement à partir de zéro, prévoit que la prochaine étape naturelle de cette recherche portera sur le développement de modèles capables de moduler nativement leur propre effort de raisonnement selon la complexité de la tâche, plutôt que de dépendre uniquement de réglages externes fixés par l'utilisateur.

LLMs❧Opinion

1 source

44

Illustration générée par IA

2890The Decoder 

La Chine crée une organisation mondiale de coopération sur l'IA, illustrant la volonté de Xi d'établir un ordre parallèle en IA

Voici l'article traduit et reformulé. Lors de la World AI Conference qui s'est tenue à Shanghai, le président chinois Xi Jinping a annoncé la création de la "World Artificial Intelligence Cooperation Organization", une nouvelle structure internationale dédiée à la coopération dans le domaine de l'intelligence artificielle. Pékin a également promis 5 000 places de formation en IA destinées aux pays du Sud global. Des centres de coopération sont prévus avec l'ASEAN, l'Union africaine, les BRICS et d'autres alliances régionales, dans le cadre d'un déploiement progressif de cette initiative. Cette annonce marque l'effort le plus explicite de la Chine à ce jour pour bâtir un ordre mondial de la gouvernance de l'IA parallèle à celui dominé par les puissances occidentales. Pour les pays du Sud global, souvent exclus des grandes discussions internationales sur la régulation de l'IA menées par les Etats-Unis et l'Europe, cette offre chinoise représente un accès concret à la formation et aux infrastructures, potentiellement au prix d'un alignement croissant sur les normes technologiques et diplomatiques de Pékin. Cette initiative s'inscrit dans une stratégie plus large de la Chine visant à étendre son influence technologique à l'international, alors que la compétition sino-américaine sur l'IA s'intensifie. En multipliant les partenariats avec des blocs comme l'ASEAN, l'Union africaine ou les BRICS, Pékin cherche à consolider des alliances alternatives aux cadres occidentaux, comme le G7 ou les initiatives de gouvernance portées par les Etats-Unis. Reste à voir comment ces annonces se traduiront concrètement, quels pays adhéreront à cette organisation, et si elle parviendra à rivaliser avec les instances existantes de régulation internationale de l'IA.

Régulation⚖Reglementation

1 source

42

Illustration générée par IA

2891The Decoder 

Le nouveau guide de l'IA du Pentagone considère l'adoption lente comme un risque plus grand que l'"alignement imparfait

Le Département de la Marine américaine (US Navy) a signé une nouvelle stratégie visant à « militariser » ses données et l'intelligence artificielle afin de construire une flotte « AI-first ». Concrètement, des grands modèles de langage (LLM) seraient déployés directement à bord des navires de guerre, et un conseil de guerre dédié à l'IA aurait pour mission de prioriser les scénarios opérationnels. Le message central de ce document stratégique est clair : selon le Pentagone, une adoption trop lente de l'IA représente aujourd'hui un risque plus grand pour la sécurité nationale qu'un « alignement imparfait » des systèmes, c'est-à-dire des IA dont le comportement ne serait pas parfaitement maîtrisé ou prévisible. Cette orientation marque un tournant dans la doctrine militaire américaine face à l'IA. En plaçant la vitesse de déploiement au-dessus de la prudence technique, la Marine assume un pari risqué : celui de déployer des systèmes d'IA embarqués avant que leurs garde-fous ne soient totalement éprouvés, dans un contexte où les enjeux touchent directement à la sécurité des opérations militaires et à la vie des équipages. Pour l'industrie de la défense, ce choix ouvre la voie à des contrats massifs autour de l'IA embarquée et de l'infrastructure de données militaires, tout en positionnant les États-Unis dans une course technologique où la rapidité d'exécution devient un critère stratégique face à des rivaux comme la Chine. Cette stratégie s'inscrit dans une dynamique plus large au sein du Pentagone, qui multiplie depuis plusieurs mois les initiatives pour intégrer l'IA générative dans ses opérations, malgré les inquiétudes persistantes sur la fiabilité et la sécurité de ces technologies en contexte militaire. Le débat sur l'alignement de l'IA, habituellement centré sur les risques éthiques et de sécurité civile, se retrouve ainsi reformulé en termes de risque stratégique et concurrentiel. Reste à voir comment cette doctrine sera mise en œuvre concrètement, et quelles garanties seront exigées avant que des LLM ne prennent part à des décisions opérationnelles sensibles.

Sécurité⚡Actu

1 source

35

Illustration générée par IA

2892MarkTechPost 

Google Cloud remplace RAG et embeddings par un agent de mémoire continue sur Gemini 3.1 Flash-Lite

Je remarque que le texte source contient, après les premiers paragraphes factuels, du code JavaScript d'un widget de démonstration interactif (variables SAMPLES, CONS, etc.) qui n'est pas du contenu éditorial, je l'ignore et me base uniquement sur les faits réels de l'article. Google Cloud a publié un nouvel exemple dans son dépôt générative-ai baptisé Always-On Memory Agent, un agent de référence conçu pour traiter la mémoire comme un processus permanent plutôt que comme une simple réponse ponctuelle. Contrairement à la majorité des agents conversationnels actuels, qui traitent une requête puis oublient tout le contexte, ce système tourne en continu, vingt-quatre heures sur vingt-quatre, sous la forme d'un agent d'arrière-plan. Il s'appuie sur le Google ADK (Agent Development Kit) et sur le modèle Gemini 3.1 Flash-Lite, choisi pour sa faible latence et son coût réduit, deux critères essentiels pour un traitement continu en tâche de fond. Fait notable, l'architecture se passe entièrement de base de données vectorielle et d'embeddings : c'est le modèle de langage lui-même qui lit, analyse et écrit une mémoire structurée directement dans une base SQLite. Cette approche change la manière dont un agent IA peut retenir et exploiter l'information sur la durée. Plutôt que de dépendre d'une recherche par similarité vectorielle (la méthode RAG classique), le système construit une compréhension qui évolue dans le temps, y compris pendant les périodes d'inactivité, sans qu'aucune requête ne soit envoyée. Pour les entreprises qui déploient des assistants IA destinés à accompagner des utilisateurs sur plusieurs semaines ou mois, cela représente une piste concrète pour réduire les coûts d'infrastructure liés aux bases vectorielles tout en gagnant en cohérence : l'agent peut citer précisément les identifiants des souvenirs qu'il utilise pour justifier ses réponses, ce qui renforce la traçabilité et la confiance dans les résultats produits. Sur le plan technique, l'architecture repose sur un orchestrateur qui distribue chaque requête entre trois sous-agents spécialisés, chacun disposant de ses propres outils de lecture et d'écriture sur la base de mémoire. L'IngestAgent traite les contenus entrants grâce aux capacités multimodales de Gemini, en extrayant résumé, entités, thématiques et un score d'importance, qu'il consigne dans une table de mémoires. Le ConsolidateAgent, lui, se déclenche automatiquement toutes les trente minutes par défaut : à la manière d'un cycle de sommeil, il relit les mémoires non consolidées, identifie des liens entre elles et rédige une synthèse accompagnée d'un insight clé. Enfin, le QueryAgent répond aux questions en s'appuyant sur l'ensemble des mémoires et des synthèses déjà produites. Ce projet s'inscrit dans une tendance plus large du secteur, où plusieurs acteurs cherchent à dépasser les limites du RAG traditionnel pour donner aux agents IA une mémoire véritablement persistante et évolutive.

Outils⚒Outil

1 source

43

Illustration générée par IA

2893The Decoder 

Anthropic réduit les limites de Claude Fable 5 pour Max et Team Premium, pousse les Pro vers l'API

Anthropic a annoncé l'intégration de Claude Fable 5 dans ses formules Max et Team Premium à compter du 20 juillet, mais avec des conditions nettement resserrées. Les abonnés de ces deux offres n'auront accès qu'à 50% des limites d'usage habituelles pour ce modèle, et ces limites de référence elles-mêmes chutent d'un tiers ce même jour, quel que soit le modèle utilisé. Les utilisateurs du plan Pro, moins onéreux, ne bénéficient pas de cet accès inclus : ils reçoivent un crédit unique de 100 dollars, puis basculent ensuite sur une facturation au tarif de l'API, calculée à l'usage plutôt qu'incluse dans leur abonnement mensuel. Cette décision marque un revirement notable par rapport au plan initial d'Anthropic, qui prévoyait de retirer purement et simplement Fable 5 des abonnements pour le réserver à un accès payant séparé. Pour les entreprises et développeurs qui dépendent de Claude au quotidien, ce changement signifie des coûts potentiellement plus élevés ou des limites d'usage plus contraignantes, en particulier pour les utilisateurs Pro désormais poussés vers un modèle de facturation à la consommation. Ce rétropédalage s'explique vraisemblablement par la pression concurrentielle exercée par OpenAI, dont le GPT-5.6 Sol propose une tarification plus agressive. Anthropic semble ainsi tenter de concilier deux impératifs contradictoires : maîtriser les coûts d'infrastructure liés à son modèle le plus puissant, tout en restant compétitif face à une offre rivale moins chère. Cet épisode illustre la tension croissante entre les laboratoires d'IA autour des modèles économiques d'abonnement, alors que les coûts de calcul des modèles de pointe continuent de peser lourdement sur leur rentabilité.

Business❧Opinion

1 source

34

Illustration générée par IA

2894MarkTechPost 

Sakana AI utilise la diffusion d'erreurs pour entraîner des réseaux à double flux conformes à Dale, atteignant 96,7% sur MNIST et 61,7% sur CIFAR-10 sans rétropropagation

Sakana AI a publié une étude intitulée « Diffusing Blame », qui s'attaque à un problème central de l'apprentissage profond biologiquement plausible : la rétropropagation classique exige que le passage arrière utilise les matrices exactement transposées des poids du passage avant, un mécanisme que le cerveau ne peut vraisemblablement pas reproduire, connu sous le nom de problème du transport de poids. L'équipe s'appuie sur une règle d'apprentissage locale baptisée Error Diffusion, proposée dès 2000 par Kaneko, où chaque mise à jour de poids ne dépend que de trois signaux : l'activité présynaptique, la dérivée de l'activation postsynaptique et un simple signe d'erreur global. Pour respecter le principe de Dale, qui impose qu'un neurone soit soit excitateur soit inhibiteur, les chercheurs ont conçu une architecture à double flux dédoublant chaque couche en un canal excitateur et un canal inhibiteur, avec quatre matrices de poids non négatives par couche, soit environ 32 millions de paramètres contre 8 millions pour une architecture DFA classique. Grâce à trois innovations, un routage d'erreur modulo, des largeurs de sigmoïde ajustées par couche et une initialisation asymétrique des poids, cette méthode atteint 96,7% de précision sur MNIST et 61,7% sur CIFAR-10, contre seulement 50,4% et 11,6% sans ces ajustements. Il s'agit de la première fois qu'Error Diffusion entraîne avec succès des réseaux convolutifs, dépassant les 55,2% obtenus par Fujita en 2026 avec un simple perceptron multicouche aplati sur CIFAR-10. Ces résultats comptent parce qu'ils ouvrent une piste concrète vers des algorithmes d'apprentissage compatibles avec les contraintes biologiques et matérielles, sans sacrifier totalement les performances. Un réseau qui respecte le principe de Dale et n'a jamais besoin de transporter des poids transposés est plus facile à implémenter sur du matériel neuromorphique, où les connexions physiques ne peuvent pas changer de signe à la volée. Pour l'industrie des puces spécialisées en intelligence artificielle et pour la recherche en neurosciences computationnelles, cela représente une preuve de concept que des règles locales et biologiquement crédibles peuvent être poussées au-delà de tâches jouets vers des architectures convolutives réalistes, même si l'écart de performance avec la rétropropagation reste important, puisque la méthode DFA non conforme à Dale atteint 97,6% et 69,1% sur les mêmes tâches. Ce travail s'inscrit dans une longue quête de règles d'apprentissage alternatives à la rétropropagation, de la propagation de rétroaction directe à l'alignement de rétroaction aléatoire, motivée par le décalage entre la neuroscience et le deep learning moderne. L'inversion observée lors des tests d'ablation, où retirer certaines innovations change radicalement l'importance relative des autres composants, suggère que ces mécanismes interagissent de façon non triviale, ouvrant la voie à de futurs travaux visant à réduire encore l'écart avec les méthodes à base de gradient tout en conservant la plausibilité biologique.

Recherche❖Paper

1 source

42

Illustration générée par IA

2895Latent Space 

Kimi K3 de Moonshot AI rejoint le peloton de tête des modèles frontières selon les benchmarks

Le modèle Kimi K3 du laboratoire chinois Moonshot AI a dominé l'actualité IA des 16 et 17 juillet 2026, provoquant une réévaluation générale de la position des modèles chinois en accès ouvert face à la frontière technologique. Selon Artificial Analysis, le nombre de laboratoires dépassant un score de 51 sur son Intelligence Index est passé de deux à six en environ six semaines, Kimi K3 obtenant un score de 57, derrière Claude Fable 5 (60) mais devant Opus 4.8 (56). Sur l'indice des agents de codage, K3 atteint également 57 points, à égalité avec GPT-5.6 Terra et GPT-5.5, devant Opus 4.8, avec 84% sur Terminal-Bench v2, 64% sur DeepSWE et 23% sur SWE-Atlas-QnA. Le modèle s'est particulièrement distingué sur les tâches de développement frontend : selon Arena, K3 a permis à la Chine de dépasser les États-Unis pour la première fois sur le Frontend Code Arena, plusieurs utilisateurs rapportant que le modèle égale ou surpasse Fable sur des tâches visuelles comme la création de tableaux de bord interactifs. Par ailleurs, Databricks a bouclé une levée de fonds en série M de 188 milliards de dollars, et la plateforme OpenRouter ferait l'objet de discussions de rachat, évoquées par son cofondateur Alex Atallah lors d'une intervention publique. Ce lancement dépasse le simple exercice de benchmarks : il relance le débat sur la nature réelle de l'avantage compétitif entre laboratoires américains et chinois. Plusieurs analystes estiment que K3 fragilise la thèse selon laquelle la capacité de pointe dépend avant tout de la puissance de calcul brute, pointant plutôt vers des choix d'architecture comme le routage MoE (mixture of experts), la quantification, la curation des données d'entraînement et une infrastructure pensée pour la rareté de calcul, à l'image de la pile logicielle "Mooncake" développée par Moonshot. Pour l'industrie, cela signifie que l'écart entre modèles fermés occidentaux et modèles ouverts chinois pourrait se réduire plus vite que prévu, non pas en rattrapant les investissements en capital des géants américains, mais en améliorant l'efficacité par calcul grâce à un meilleur post-entraînement et une meilleure conversion des capacités en usages concrets. Cette annonce s'inscrit dans un contexte plus large de compétition entre laboratoires ouverts et fermés, où les avis restent partagés sur l'ampleur réelle du rattrapage chinois. Certains commentateurs, comme le chercheur cité sous le pseudonyme @scaling01, restent prudents et estiment que K3 accuse encore plusieurs mois de retard sur des critères plus larges tels que la généralité, l'efficacité énergétique ou les évaluations non publiques, tandis que d'autres, plus optimistes, jugent le modèle proche de la frontière, voire supérieur sur certains sous-ensembles précis. Sur le plan des coûts, les avis divergent également : si Artificial Analysis présente K3 comme relativement efficace pour ses performances, d'autres observateurs font remarquer que l'efficacité réelle en tokens et le débit de traitement réduisent souvent l'avantage tarifaire affiché face à des concurrents comme GPT-5.6 Sol. En parallèle, la conférence AI Engineer de New York a ouvert ses candidatures pour des interventions centrées sur l'intersection entre intelligence artificielle et finance, signe de l'intérêt croissant du secteur pour des applications sectorielles concrètes de ces avancées technologiques.

LLMs⚡Actu

1 source

30

Illustration générée par IA

2896MarkTechPost 

Construire un opérateur de lieux événementiels à base d'agents avec MongoDB Atlas, Voyage et LangGraph

Rendre plus responsable un opérateur de site événementiel dopé à l'intelligence artificielle, c'est l'objectif d'un nouveau tutoriel technique construit autour de MongoDB Atlas, des embeddings multimodaux de Voyage AI et du framework LangGraph, avec un traçage optionnel via Langfuse. Le scénario démonstratif met en scène le « MongoDB Open », un tournoi de tennis premium fictif, au sixième jour de compétition. La pluie approche, la capacité d'accueil couverte se réduit, et l'agent doit gérer deux profils de visiteurs différents : Mikiko, une spectatrice venue pour la première fois, et Nina, une invitée premium dont l'historique peut être consulté par le système. Les chiffres cités pour justifier l'enjeu économique sont ceux de l'US Open 2025, qui a battu des records d'affluence, d'audience et de portée numérique, avec 90 millions de dollars reversés aux joueurs en compensation totale ; la USTA évalue à plus de 1,2 milliard de dollars l'impact économique annuel des trois semaines du tournoi pour New York. Une étude PwC est également mentionnée, selon laquelle 60% des fans de sport américains à hauts revenus dépenseraient plus de 250 dollars pour un événement spécial, et 20% plus de 1 000 dollars. Le Bureau du recensement américain suit désormais l'impact financier des intempéries sur les ventes des entreprises via son enquête Business Trends and Outlook Survey. Ce que démontre ce projet, c'est la capacité d'un agent à ne pas se contenter de produire un plan générique : il lit l'état opérationnel du site en temps réel, récupère la mémoire d'événements précédents, distingue les segments de visiteurs, agit tant que de la capacité d'accueil reste disponible, puis réécrit le résultat de l'action pour enrichir la mémoire utilisée lors de la prochaine perturbation. Cette approche illustre un enjeu plus large pour les organisateurs d'événements à forte affluence : la fenêtre de décision utile, par exemple face à une alerte météo, se compte souvent en minutes, ce qui rend obsolètes les tableaux de bord classiques ou les résumés différés. Techniquement, le projet fournit une application FastAPI reliée à MongoDB Atlas, déployable localement ou sur Vercel, avec une interface guidée en quatre onglets, des collections Atlas dédiées à l'état opérationnel, à la mémoire sémantique, aux actions de l'agent et aux points de contrôle LangGraph, une recherche vectorielle Atlas combinée à un scoring lexical, un point d'accès de type RAG visuel exploitant Claude Vision pour interroger des documents opérationnels, ainsi qu'un script LangGraph exécutable reproduisant le scénario de retard pour pluie. Les auteurs précisent toutefois que ce dépôt reste une démonstration de référence : il ne comporte ni authentification de production, ni suite d'intégration continue, et l'agent LangGraph complet fonctionne encore comme un script de validation plutôt que comme un service public hébergé.

Outils≡Tuto

1 source

38

Illustration générée par IA

2897MarkTechPost 

Zyphra publie ZUNA1.1, un modèle d'EEG en Apache 2.0 acceptant des entrées de 0,5 à 30 secondes

Zyphra a publié cette semaine ZUNA1.1 sous licence Apache 2.0, un modèle de fondation pour l'électroencéphalographie (EEG) capable de reconstruire, débruiter et suréchantillonner des signaux cérébraux quelle que soit la configuration d'électrodes utilisée. Ce modèle succède à ZUNA1, précédente version ouverte développée par la même entreprise. Contrairement à son prédécesseur limité à des segments fixes de cinq secondes, ZUNA1.1 accepte désormais des entrées de longueur variable, de 0,5 à 30 secondes, ce qui colle bien mieux à la réalité des enregistrements EEG où les sessions varient en durée et où des canaux tombent en panne ou deviennent bruités en cours de route. Le modèle compte 380 millions de paramètres, un nombre inchangé par rapport à ZUNA1, et fonctionne sur une carte graphique grand public, voire sur processeur pour certaines tâches. Il s'agit d'un autoencodeur de diffusion masquée, bâti sur une architecture transformeur encodeur-décodeur, qui découpe chaque canal en segments de 0,125 seconde (32 échantillons à 256 Hz) transformés en tokens continus. La clé de sa flexibilité réside dans un encodage positionnel rotatif en quatre dimensions, associant les coordonnées 3D de chaque électrode sur le crâne à un index temporel, ce qui rend le modèle indépendant du type de montage et capable de générer des signaux à des positions jamais mesurées auparavant. Les poids sont disponibles sur Hugging Face et le code sur GitHub, installable via pip install zuna, avec un espace de démonstration gratuit en ligne, le tout réservé à un usage de recherche. Cette flexibilité change concrètement l'usage pratique des modèles EEG en laboratoire et en clinique. Là où ZUNA1 imposait un format rigide, ZUNA1.1 s'adapte à des casques de quatre électrodes comme à des bonnets de recherche à 256 canaux, et peut combler les trous laissés par des électrodes défaillantes ou des portions de signal corrompues. Pour les chercheurs en neurosciences ou les développeurs d'interfaces cerveau-machine, cela signifie un seul modèle réutilisable sur des jeux de données hétérogènes, sans reconfiguration ni réentraînement spécifique à chaque protocole expérimental. La licence Apache 2.0, permissive, facilite en outre son intégration dans des outils tiers, ce qui pourrait accélérer l'adoption de modèles de fondation EEG en dehors des grands laboratoires industriels. Les progrès de ZUNA1.1 viennent principalement de l'entraînement plutôt que de l'architecture. Zyphra a diversifié les scénarios d'occlusion de données, passant d'un seul mode d'abandon aléatoire de canaux entiers à quatre schémas distincts couvrant montages épars, coupures temporelles globales ou localisées, et pertes de données ponctuelles éparpillées. L'entreprise a aussi affiné son évaluation de la qualité des signaux au niveau de chaque canal et de chaque seconde plutôt qu'à l'échelle de l'enregistrement entier, ce qui a permis d'agrandir le corpus d'entraînement d'environ 2 millions à 3,5 millions d'heures-canaux de données EEG publiques. Reste à savoir si cette flexibilité accrue s'accompagne d'un maintien, voire d'une amélioration, de la précision par rapport à ZUNA1 sur les tâches de référence, un point sur lequel les résultats communiqués par Zyphra restent encore à confirmer dans le détail.

Recherche⚡Actu

1 source

43

Illustration générée par IA

2898VentureBeat AI 

Capital One lance VulnHunter, un outil IA open source qui detecte les failles logicielles avant les hackers

Capital One a dévoilé jeudi VulnHunter, un outil de sécurité open source basé sur l'intelligence artificielle agentique, capable d'analyser le code source pour détecter des vulnérabilités exploitables, de reconstituer le chemin qu'emprunterait un attaquant pour les atteindre, et de proposer des correctifs ciblés avant même la mise en production. L'outil, développé en interne par la banque américaine, est désormais disponible sur GitHub sous licence Apache 2.0. Son architecture repose sur une approche baptisée "analyse prospective centrée sur l'attaquant" : plutôt que de partir d'un motif de code suspect pour remonter vers un scénario d'attaque hypothétique, comme le font les scanners classiques, VulnHunter part des points d'entrée réels qu'un pirate emprunterait, API, messages réseau, téléversements de fichiers, et raisonne vers l'avant pour vérifier si une faille exploitable survit réellement aux défenses déjà en place dans le code. Deuxième innovation clé : un "moteur de falsification" intégré qui tente de réfuter ses propres conclusions avant qu'un développeur ne les voie. Un processus de raisonnement structuré traque les failles logiques, les hypothèses non vérifiées et les conditions qui empêcheraient l'attaque de réussir ; seules les alertes que ce moteur ne parvient pas à invalider remontent jusqu'à un humain, accompagnées d'une explication complète du chemin d'exploitation et d'un correctif de code prêt à être examiné. L'outil fonctionne actuellement avec le modèle Claude Opus 4.8 d'Anthropic, au sein d'un environnement Claude Code, mais Capital One affirme que le cadre pourrait s'adapter à d'autres modèles de fondation et environnements de développement. Pour l'industrie, cette initiative répond à une urgence que le directeur de la sécurité informatique de Capital One, Chris Nims, résume ainsi : la fenêtre se referme rapidement avant que des capacités d'attaque IA sophistiquées ne deviennent abordables et accessibles à pratiquement n'importe quel adversaire. En rendant public un outil aussi puissant qu'à double usage, potentiellement détournable à des fins offensives, la banque mise sur le fait que les chaînes d'approvisionnement logicielles sont aujourd'hui trop interconnectées pour que la sécurité reste l'affaire d'une seule organisation. Nims insiste sur le fait que les outils défensifs doivent être aussi largement diffusés, testés et améliorés que les bases de code qu'ils protègent, une réponse collective face à une menace qui dépasse les capacités de n'importe quelle entreprise isolée. Cette démarche s'inscrit dans l'histoire particulière de Capital One en matière de cybersécurité. Le 19 juillet 2019, la banque avait révélé qu'une ancienne employée d'Amazon Web Services, Paige Thompson, avait accédé sans autorisation à des données sensibles, noms, adresses, revenus déclarés, numéros de sécurité sociale et comptes bancaires liés, appartenant à des clients et candidats à ses cartes de crédit. L'intrusion, survenue les 22 et 23 mars 2019, n'avait été découverte qu'après qu'un chercheur en sécurité externe eut signalé une vulnérabilité de configuration via le programme de divulgation responsable de l'entreprise, le 17 juillet suivant, touchant environ 100 millions de personnes aux États-Unis. C'est ce précédent, et la nécessité de reprendre l'initiative face à des attaquants de plus en plus outillés par l'IA, qui motive aujourd'hui la mise à disposition publique de VulnHunter.

Sécurité⚒Outil

1 source

41

Illustration générée par IA

2899VentureBeat AI 

Intuit a abandonné deux fois en quatre mois sa propre architecture d'agents IA : lors de VB Transform 2026, sa VP IA a présenté cela comme la voie rapide

Intuit a reconstruit deux fois en quatre mois l'architecture de ses agents d'intelligence artificielle, selon Nhung Ho, vice-présidente IA de l'entreprise, qui s'est exprimée lors de la conférence VB Transform 2026. La société est d'abord passée d'une flotte d'agents spécialisés à une couche d'orchestration centrale, avant d'abandonner ce système au profit d'une architecture basée sur des compétences et des outils partagés. Ce second chantier a duré 60 jours, avec une première version fonctionnelle livrée en moins de 20 jours. La cause de cet échec était précise : dans le système orchestré, les agents se transmettaient leurs résultats en langage naturel, et chaque transfert faisait perdre du contexte nécessaire à l'agent suivant. Comme l'a expliqué Ho, avec dix agents qui se relaient l'information, chaque passage de main amplifie les erreurs. La couche d'orchestration avait tenu environ trois mois, une durée que Ho qualifie en plaisantant d'équivalent d'une année compte tenu du rythme effréné de l'évolution des agents IA en 2026. Cette double refonte illustre un problème structurel majeur pour les entreprises qui déploient des systèmes multi-agents en production : la communication en langage naturel entre agents dégrade la fiabilité de façon cumulative plutôt qu'occasionnelle. Pour convaincre sa direction d'abandonner un système récemment construit, l'équipe de Ho a présenté une démonstration comparative utilisant de vraies requêtes clients issues de la production, montrant la supériorité de la nouvelle architecture. Convaincre les centaines d'ingénieurs qui avaient développé les agents spécialisés à démanteler leur travail en compétences et outils individuels a nécessité un argument différent : un agent autonome ne résout qu'un problème isolé, tandis qu'une compétence partagée profite à tous les clients concernés. Ce changement a aussi transformé le rôle des équipes partenaires, désormais chargées d'exécuter des évaluations plutôt que de construire des agents, ces évaluations devenant le seul moyen fiable de mesurer la performance du nouveau système. La conséquence la plus visible de cette refonte pour les clients est une fonctionnalité permettant, en pleine conversation avec un agent, de faire intervenir un humain avec tout le contexte déjà accumulé, que ce soit un conseiller support Intuit, un comptable personnel ou un teneur de livres de l'entreprise. Cette fonction reste en phase de test précoce, limitée à environ 1% de la clientèle d'Intuit, avant une montée en puissance prévue dans les prochaines semaines. Ho oppose cette approche à celle de la plupart des assistants IA généralistes, qui se contentent généralement de renvoyer l'utilisateur vers un professionnel en cas de question fiscale complexe, sans transition fluide ni transfert de contexte. Ce cas illustre une tendance plus large dans l'industrie : après une première vague d'enthousiasme pour les agents autonomes multiples, les entreprises technologiques réévaluent leurs architectures au profit de systèmes plus simples et plus robustes, où la supervision humaine reste intégrée au processus plutôt que reléguée à une simple mise en garde.

Business⚡Actu

1 source

44

Illustration générée par IA

2900The Decoder 

OpenAI reconnaît que GPT-5.6 supprime des fichiers utilisateurs même avec accès complet, alors qu'il ne devrait pas

Le modèle GPT-5.6 d'OpenAI a supprimé par erreur l'intégralité de répertoires personnels d'utilisateurs dans plusieurs cas signalés, principalement lorsqu'il fonctionnait en "Full Access Mode", un mode d'exécution non protégé qui lui donne un accès étendu au système de fichiers. Selon les explications d'OpenAI, le modèle a écrasé une variable de répertoire temporaire, ce qui l'a conduit à exécuter des actions destructrices de sa propre initiative, sans demander de confirmation préalable à l'utilisateur avant de supprimer les fichiers. L'entreprise a reconnu l'incident et publié un post-mortem détaillé décrivant le mécanisme technique à l'origine du bug. Cet incident soulève des questions sérieuses sur la sécurité des agents IA dotés d'un accès système étendu, un enjeu central alors que les modèles de langage sont de plus en plus utilisés pour automatiser des tâches informatiques réelles plutôt que de simples conversations. Pour les développeurs et entreprises qui déploient GPT-5.6 en mode autonome sur leurs machines, la perte de données peut être irréversible, en particulier en l'absence de sauvegardes. L'affaire illustre le risque que représentent les agents capables d'agir directement sur des systèmes de production ou personnels sans garde-fou suffisant. En réponse, OpenAI a annoncé la mise en place de protections supplémentaires pour empêcher que ce type d'erreur ne se reproduise, sans toutefois suspendre le mode Full Access. Cet épisode s'inscrit dans un débat plus large sur la fiabilité des agents IA autonomes, à mesure que les grands laboratoires élargissent les permissions accordées à leurs modèles pour exécuter des commandes système. Il rappelle aussi l'importance, pour les utilisateurs, de limiter les accès et de maintenir des sauvegardes avant d'accorder un contrôle étendu à un système d'IA encore faillible.

Sécurité⚡Actu

1 source