Actualités IA — page 162

7 642 articles au fil, du plus récent au plus ancien.

45

3221MIT Technology Review 

The Download : l'avenir du code, les « Jeux olympiques sous stéroïdes » et la science par l'IA

Lors de l'événement développeur Code with Claude organisé par Anthropic à Londres cette semaine, presque la moitié des participants ont levé la main quand on leur a demandé s'ils avaient mis en production du code écrit entièrement par Claude, sans l'avoir relu. Ce signal fort illustre une transformation profonde du développement logiciel : des outils comme Claude Code gagnent suffisamment la confiance des ingénieurs pour qu'ils délèguent non seulement l'écriture, mais aussi la validation du code à l'IA. Anthropic assume pleinement cette direction et dit vouloir pousser l'automatisation aussi loin que possible. En parallèle, lors du Google I/O mardi, Demis Hassabis, PDG de Google DeepMind, a déclaré que l'humanité se trouvait "aux contreforts de la singularité" et annoncé Gemini for Science, un agent LLM capable de piloter des projets de recherche scientifique de bout en bout, avec la possibilité de faire appel à des systèmes spécialisés comme WeatherNext. Ces annonces révèlent deux basculements simultanés. Dans le développement logiciel, la question n'est plus de savoir si l'IA va coder à la place des humains, mais à quelle vitesse et avec quelles garanties de qualité. Des ingénieurs chez OpenClaw mettent déjà en garde contre une vague de "vibe-coded slop", du code généré à la va-vite par IA, potentiellement dangereux, qui inonde les bases de code de l'industrie. Dans la science, le passage d'outils spécialisés à des agents autonomes représente un changement de paradigme : Google semble délaisser les systèmes entraînés pour des tâches précises au profit d'architectures agentiques générales, une orientation qui pourrait accélérer la recherche mais aussi en réduire la traçabilité et l'explicabilité. Ces évolutions s'inscrivent dans un moment charnière pour l'IA en 2026. D'un côté, les modèles du monde, world models, portés par des chercheurs de Google DeepMind, du World Labs de Fei-Fei Li et de Yann LeCun (ex-chief AI scientist de Meta) cherchent à doter les systèmes d'une compréhension causale de l'environnement physique, une direction jugée essentielle pour dépasser les limites actuelles des LLM. De l'autre, la régulation reste absente : Donald Trump a reporté cette semaine un décret sur l'IA, craignant qu'il ne freine l'industrie américaine dans sa course contre la Chine. Résultat, l'industrie avance à grande vitesse, sans garde-fou clair, sur des sujets aussi larges que la production de code critique, la recherche scientifique autonome et la modélisation du monde réel.

LLMs⚡Actu

1 source

47

3222Le Big Data 

Microsoft et EY investissent 1 milliard de dollars pour accélérer l’industrialisation de l’IA

Microsoft et EY ont annoncé le 21 mai 2026 un partenariat stratégique d'un milliard de dollars sur cinq ans pour accélérer le déploiement industriel de l'intelligence artificielle dans les grandes entreprises. L'initiative prévoit la constitution d'équipes mixtes, composées d'ingénieurs Microsoft et de consultants sectoriels EY, chargées d'accompagner les organisations dans l'intégration de l'IA au coeur de leurs opérations critiques. Les secteurs ciblés en priorité sont les services financiers, l'industrie, l'énergie, la santé, le secteur public, la distribution et les biens de consommation. EY a déjà généralisé Microsoft 365 E7 à plus de 400 000 collaborateurs dans le monde, après avoir déployé Copilot auprès de 150 000 employés avec un gain de productivité estimé à 15 %. Dans la finance, l'usage de Microsoft Power Platform et Copilot Studio aurait réduit certains délais opérationnels de 95 % et les coûts de plus de 37 %. EY a par ailleurs intégré un système multi-agents basé sur Azure, Microsoft Foundry et Microsoft Fabric dans sa plateforme d'audit EY Canvas, couvrant déjà 130 000 professionnels sur 160 000 missions. Ce partenariat répond à un blocage structurel que rencontrent aujourd'hui la plupart des grands groupes : passer des expérimentations isolées à un déploiement IA à l'échelle de l'entreprise. La majorité des organisations accumulent des pilotes sans parvenir à les industrialiser, faute de gouvernance adaptée, de formation des collaborateurs et de processus internes reconfigurés. En ciblant précisément les secteurs où l'automatisation et l'analyse de données produisent des impacts financiers rapides et mesurables, Microsoft et EY cherchent à répondre à l'exigence croissante de retour sur investissement concret que posent les directions générales avant tout nouvel engagement budgétaire dans l'IA. EY joue dans cette alliance la carte du "Client Zéro" : le cabinet teste les technologies Microsoft sur ses propres opérations avant de les proposer à ses clients, ce qui lui confère un avantage crédible dans un marché saturé de promesses non vérifiées. Ce positionnement intervient dans un contexte de compétition intense entre les grands cabinets de conseil et les éditeurs technologiques pour capter les budgets de transformation IA des entreprises du Fortune 500. Microsoft, de son côté, consolide son écosystème Azure et Copilot comme infrastructure de référence pour l'entreprise, face à la concurrence de Google Cloud et AWS. La suite dépendra de la capacité des deux groupes à démontrer des résultats reproductibles et auditables, condition sine qua non pour convaincre les directions financières d'accélérer leurs investissements au-delà des phases pilotes.

Business❧Opinion

1 source

52

3223AI News 

L'IA chinoise cartographie l'intégralité de son réseau d'énergies renouvelables : pourquoi le reste du monde devrait s'en inspirer

Des chercheurs de l'Université de Pékin et du DAMO Academy d'Alibaba ont publié cette semaine dans la revue Nature une étude qui marque une première mondiale : une cartographie complète et haute résolution de toute l'infrastructure d'énergie renouvelable d'un pays entier, produite par intelligence artificielle. Le modèle de deep learning, entraîné sur des images satellites à résolution inférieure au mètre, a identifié 319 972 installations solaires photovoltaïques et 91 609 éoliennes à travers la Chine, en traitant 7,56 téraoctets d'imagerie. C'est la première fois qu'une nation dispose d'un inventaire exhaustif et automatisé de son parc renouvelable, accompagné d'un cadre analytique pour le coordonner comme un système unifié. L'enjeu dépasse la prouesse technique. L'étude montre que la complémentarité entre solaire et éolien réduit significativement la variabilité de la production, et que cette complémentarité est d'autant plus efficace que les installations coordonnées sont géographiquement éloignées : un nuage qui couvre les fermes solaires du Gansu n'obscurcit pas les corridors éoliens de Mongolie-Intérieure. Or, la Chine gère aujourd'hui son réseau à l'échelle provinciale, ce qui empêche d'exploiter ces complémentarités naturelles. Passer à une coordination nationale permettrait de stabiliser le réseau, de mieux apparier les sources d'énergie et de réduire le "curtailment", c'est-à-dire le gaspillage d'électricité renouvelable déjà produite, un problème coûteux de longue date. Liu Yu, professeur à l'École des sciences de la Terre et de l'Espace de Pékin, décrit cet inventaire comme une "vue divine" sur le paysage énergétique chinois : on ne peut pas optimiser ce qu'on ne voit pas. Cette percée intervient dans un contexte de pression extrême sur les réseaux électriques mondiaux. En Chine, la consommation électrique des centres de données a bondi de 44 % en glissement annuel au premier trimestre 2026, atteignant 22,9 milliards de kilowattheures selon le China Electricity Council, sous l'effet de la prolifération rapide des infrastructures d'IA. Ce phénomène n'est pas propre à la Chine : aux États-Unis, les prix sur le marché de capacité du PJM, le plus grand opérateur de réseau du pays, ont été multipliés par dix en deux ans, principalement à cause des centres de données. L'Agence internationale de l'énergie projette que la consommation mondiale de ces infrastructures pourrait approcher 1 000 TWh d'ici 2030. La méthode développée par l'équipe sino-chinoise offre un modèle reproductible pour d'autres pays confrontés au même défi : voir leur propre réseau renouvelable en entier, pour la première fois, et commencer à le piloter à la bonne échelle.

Infrastructure❖Paper

1 source

49

3224MIT Technology Review 

Google I/O illustre comment la science pilotée par l'IA change de trajectoire

Lors du keynote Google I/O de mardi, Demis Hassabis, PDG de Google DeepMind, a déclaré que nous nous trouvons actuellement "au pied des collines de la singularité". Le moment fort de son intervention était une vidéo montrant comment WeatherNext, le logiciel de prévision météorologique de Google, avait fourni une alerte précoce sur l'atterrissage catastrophique de l'ouragan Melissa en Jamaïque l'an dernier, sauvant potentiellement des vies. La même semaine, OpenAI annonçait que l'un de ses modèles avait réfuté une conjecture mathématique importante, ce que certains mathématiciens considèrent comme la contribution la plus significative de l'IA générative aux mathématiques à ce jour. En parallèle, Isomorphic Labs, filiale de Google utilisant AlphaFold pour développer de nouveaux médicaments, levait 2 milliards de dollars en Série B. Ces annonces illustrent une tension croissante au coeur de l'IA scientifique : d'un côté, des outils spécialisés et entraînés pour résoudre des problèmes précis, comme WeatherNext ou AlphaFold (qui a valu le prix Nobel à des chercheurs de DeepMind et dont les prédictions de structures de protéines sont utilisées par plus de trois millions de chercheurs dans le monde) ; de l'autre, des systèmes agentiques basés sur des LLM, capables de mener des projets de recherche de pointe avec une supervision humaine minimale, voire nulle. Cette deuxième vision alimente aujourd'hui une grande part de l'enthousiasme autour de l'IA, notamment autour de l'idée d'une amélioration récursive, où les systèmes d'IA deviendraient les principaux moteurs de leur propre progression. Pushmeet Kohli, chef scientifique de Google Cloud, l'a formulé cette semaine dans la revue Daedalus : "Nous nous dirigeons vers une IA qui ne se contente plus de faciliter la science, mais qui commence à faire de la science." Des signes concrets de réorientation des ressources humaines et budgétaires chez Google confirment cette tendance. Le Los Angeles Times a révélé le mois dernier que John Jumper, le chercheur Google Fellow et co-lauréat du Nobel pour AlphaFold, travaille désormais sur l'IA appliquée au code et non plus sur des outils scientifiques spécialisés. Ce pivot n'est pas anodin : Google subit actuellement une pression concurrentielle de la part d'Anthropic et OpenAI sur le terrain des outils de développement logiciel, et les capacités de codage sont précisément ce qui conditionne le succès des systèmes agentiques de recherche. Si Google ne semble pas abandonner ses outils spécialisés, avec AlphaGenome et AlphaEarth Foundations sortis l'été dernier et une nouvelle version de WeatherNext en novembre, la direction stratégique s'oriente clairement vers une IA capable de faire de la science de manière autonome, un virage qui pourrait redéfinir en profondeur le rôle des chercheurs humains.

Recherche❖Paper

1 source

46

3225AI News 

OpenAI inaugure un laboratoire à Singapour tandis que l'IMDA met à jour son cadre IA

OpenAI va ouvrir son premier laboratoire d'IA appliquée hors des États-Unis à Singapour. Baptisée "OpenAI for Singapore", cette initiative a été annoncée lors de l'ATx Summit en partenariat avec le ministère du Développement Numérique et de l'Information, adossée à un engagement de plus de 300 millions de dollars singapouriens. Le laboratoire créera plus de 200 postes techniques locaux sur plusieurs années, et Singapour deviendra l'un des hubs mondiaux pour les ingénieurs d'OpenAI chargés du déploiement auprès des organisations. Les travaux se concentreront sur les priorités de l'AI Mission singapourienne, notamment les services publics, la finance et l'infrastructure numérique. Simultanément, l'Infocomm Media Development Authority (IMDA) a publié une version actualisée de son cadre de gouvernance pour l'IA agentique, lancé lors du Forum Économique Mondial en janvier 2026, révisé après consultation de plus de 60 organisations dont AWS, DBS, Google et Salesforce. L'implantation d'OpenAI à Singapour dépasse l'ouverture d'un bureau commercial : il s'agit d'un centre technique capable de développer des solutions adaptées aux besoins locaux, avec des programmes d'accompagnement concrets tels qu'un chapitre singapourien de l'OpenAI Academy, des hackathons Codex for Teachers et des ateliers destinés aux micro-entrepreneurs et PME pour intégrer l'IA dans leurs opérations. Pour les systèmes agentiques, la mise à jour du cadre IMDA apporte des réponses précises aux risques émergents : systèmes multi-agents, agents tiers, biais d'automatisation et responsabilité humaine sont désormais traités explicitement, avec plus de dix études de cas issues d'organisations comme Tencent, OCBC, PwC et GovTech Singapore. Ces deux annonces s'inscrivent dans la stratégie de Singapour pour s'imposer comme une référence mondiale en gouvernance de l'IA, un effort qui remonte au Model AI Governance Framework de 2020 et qui s'est progressivement densifié à mesure que les technologies évoluaient. Les études de cas du nouveau cadre IMDA illustrent comment des entreprises ont mis en oeuvre des mécanismes concrets de supervision humaine : Dayos, une société d'automatisation IA basée à Singapour, a déployé un agent de ticketing IT avec des niveaux de risque gradués, automatisant les actions réversibles comme les réinitialisations de mots de passe et exigeant une approbation humaine pour les modifications à risque élevé. Tencent, de son côté, a contribué avec CodeBuddy, son système de codage agentique qui requiert une validation explicite pour toute action sensible. L'enjeu dépasse largement Singapour : à mesure que les agents IA gagnent en autonomie dans les entreprises, ces cadres de gouvernance pourraient servir de modèle aux pays encore en quête de référentiels opérationnels.

Business⚡Actu

1 source

43

3226Le Big Data 

Hark obtient 700 millions de dollars pour son projet d’assistant IA universel

La startup Hark a annoncé le 21 mai 2026 une levée de fonds de 700 millions de dollars, portant sa valorisation à 6 milliards de dollars à peine quelques mois après sa fondation fin 2025. Fondée par Brett Adcock, déjà connu pour avoir lancé le fabricant de robots humanoïdes Figure AI et la compagnie d'aviation électrique Archer Aviation, Hark développe un assistant IA universel destiné au grand public. Le tour de table a été mené par Parkway Venture Capital avec la participation de Nvidia, AMD Ventures, Intel Capital, Qualcomm Ventures, Salesforce Ventures et ARK Invest. L'entreprise prévoit de lancer ses premiers modèles multimodaux dès l'été 2026, avant de déployer sa propre gamme de matériel dédié. Malgré cette levée exceptionnelle, Hark reste très discrète sur les détails techniques de son produit. La vision portée par Hark tranche avec la majorité des acteurs actuels de l'IA générative, concentrés sur les copilotes professionnels, les outils de développement ou l'automatisation d'entreprise. La startup vise l'expérience quotidienne de l'utilisateur ordinaire : un assistant capable d'écouter et de parler naturellement, de comprendre des images, de conserver une mémoire persistante et de s'adapter profondément au contexte personnel de chaque utilisateur. Selon Abidur Chowdhury, ancien designer chez Apple et désormais directeur du design chez Hark, les outils IA actuels restent encore trop orientés développeurs ou usages professionnels avancés, laissant un vide béant pour le grand public. L'ambition déclarée est de créer une interface centrale entre l'utilisateur, ses services numériques et ses appareils connectés, combinant logiciel, matériel et IA agentive dans une expérience unifiée. Cette levée de fonds massive reflète une conviction qui s'impose de plus en plus dans la Silicon Valley : la prochaine grande plateforme technologique ne sera pas un simple logiciel, mais une interface IA native capable de remplacer progressivement les couches applicatives existantes. Le fait que des fabricants de semi-conducteurs concurrents comme Nvidia, AMD et Intel Capital investissent simultanément dans le même projet illustre l'enjeu stratégique que représente le contrôle de la couche applicative IA de nouvelle génération. Brett Adcock lui-même a publiquement critiqué les modèles IA actuels qu'il juge trop basiques, insuffisamment personnalisés et incapables d'interagir naturellement. Hark entre ainsi en compétition indirecte avec des projets similaires portés par des acteurs établis comme Apple Intelligence, Google Gemini ou OpenAI, mais parie sur une approche matériel-logiciel intégrée, comparable à ce qu'Apple a réalisé avec l'iPhone, pour s'imposer comme la prochaine interface dominante de l'ère IA.

Business⚡Actu

1 source

30

3227Robotics & Automation News 

Brain Corp et UC San Diego s'associent pour faire progresser la couche d'intelligence fondatrice pour l'IA physique

Brain Corp, spécialiste californien de l'IA pour robots de service, a annoncé l'extension de sa collaboration de recherche avec l'Université de Californie à San Diego (UCSD). Le partenariat cible deux axes techniques : le mapping sémantique, qui permet à un robot de comprendre la signification fonctionnelle des espaces traversés (zone de caisse, allée frigorifique, quai de chargement), et l'intelligence contextuelle, qui lui permet d'adapter son comportement selon l'état dynamique de l'environnement. Aucune date de livraison, métrique de performance ni chiffre de déploiement n'a été communiqué dans l'annonce publiée. Ce type de recherche vise à combler le fossé entre navigation autonome basique (évitement d'obstacles, planification de trajectoire) et compréhension sémantique de l'environnement, un prérequis pour les robots opérant dans des espaces commerciaux encombrés et changeants. Pour les intégrateurs et les COO industriels, l'enjeu est concret : un robot capable d'interpréter le contexte peut prendre des décisions plus robustes, réduire les interventions humaines et s'adapter à des configurations modifiées sans reprogrammation manuelle. C'est précisément ce que les constructeurs d'AMR cherchent à résoudre pour passer du pilote au déploiement à l'échelle. Brain Corp est connue pour BrainOS, son système d'exploitation robotique embarqué sur des autolaveuses autonomes commercialisées par Tennant, Nilfisk et SoftBank Robotics, avec plusieurs milliers d'unités actives dans la grande distribution américaine. Face à des acteurs comme Locus Robotics, Aethon ou Savioke, Brain Corp mise sur une couche logicielle commune à plusieurs fabricants plutôt que sur du hardware propriétaire. Ce partenariat académique s'inscrit dans une stratégie de R&D long terme visant à positionner BrainOS comme infrastructure d'IA physique généraliste, au-delà du seul nettoyage de sols.

Robotique❖Paper

1 source

52

3228AI News 

Musk et Zuckerberg ont convaincu Trump d'abroger le décret présidentiel sur l'IA

Donald Trump a annulé jeudi un décret présidentiel sur l'intelligence artificielle qui avait déjà été reporté plusieurs fois. La cérémonie de signature était prévue, les PDG des grandes entreprises tech figuraient sur la liste des invités, puis tout s'est arrêté net. Selon Semafor, qui a révélé les coulisses de l'affaire, Elon Musk (xAI), Mark Zuckerberg (Meta) et David Sacks, ancien conseiller IA et crypto-monnaies de la Maison-Blanche jusqu'en mars, ont chacun contacté directement Trump entre le mercredi soir et le jeudi matin. Le président a justifié sa décision en invoquant la compétitivité américaine face à la Chine : "On est en tête devant la Chine, devant tout le monde, et je ne veux rien faire qui puisse compromettre cet avantage." Il a ajouté ne pas avoir aimé "certains aspects" du texte, sans préciser lesquels. Ce qui frappe, c'est la légèreté du décret annulé : il ne prévoyait aucun régime de licences, aucune période de blocage obligatoire. Il établissait simplement un mécanisme volontaire permettant aux développeurs d'IA de soumettre leurs modèles avancés à une revue de sécurité fédérale jusqu'à 90 jours avant leur mise en service public. Volontaire. C'était apparemment encore trop. Le lobbying d'une nuit a suffi à faire tomber le projet. Cela révèle une réalité désormais difficile à ignorer : dans l'administration Trump, le veto effectif sur la régulation de l'IA appartient à un petit cercle de dirigeants industriels disposant d'un accès direct au président. Musk, dont xAI est concurrent direct d'OpenAI et d'Anthropic, a un intérêt structurel à maintenir un champ réglementaire ouvert. Meta, de son côté, se positionne depuis des mois comme champion du développement open-source. Le tableau d'ensemble est celui d'une dérive réglementaire américaine qui contraste sévèrement avec la Chine. En mai, le Conseil d'État chinois a publié son plan législatif 2026 prévoyant d'accélérer une loi globale sur l'IA, mentionnant la gouvernance de l'IA dans ses documents de planification formels pour la première fois. L'Assemblée nationale populaire a inscrit la législation IA à son ordre du jour pour la troisième année consécutive. En avril, Pékin a imposé aux entreprises d'IA la création de comités internes d'éthique. Pendant ce temps, les États-Unis n'ont toujours pas adopté de législation nationale cohérente : la gouvernance existante repose sur des décrets épars, des recommandations d'agences et des accords volontaires. En mars, l'administration Trump avait demandé au Congrès d'interdire aux États de légiférer individuellement sur l'IA, plaidant pour un standard national unique, mais le Congrès n'a pas donné suite. Semafor rapporte par ailleurs qu'OpenAI aurait obtenu le soutien de la Maison-Blanche pour pousser des régulations au niveau des États, une manœuvre paradoxale dans ce contexte de vide fédéral.

Régulation⚖Reglementation

1 source

49

3229MarkTechPost 

Microsoft lance Fara1.5 (4B/9B/27B), des agents de navigation qui surpassent OpenAI Operator et Gemini 2.5 Computer Use

Le laboratoire AI Frontiers de Microsoft Research a publié Fara1.5, une famille de modèles d'agents capables de contrôler un navigateur web de façon autonome. La gamme comprend trois variantes selon leur taille : Fara1.5-4B, Fara1.5-9B et Fara1.5-27B, chiffres qui désignent le nombre de paramètres en milliards. Ces modèles s'intègrent à MagenticLite, l'interface de navigateur sandboxé de Microsoft conçue pour ce type d'agents. Concrètement, ils lisent des captures d'écran et émettent des actions de souris et de clavier pour accomplir des tâches dans un vrai navigateur. Sur le benchmark Online-Mind2Web, qui évalue la réussite de 300 tâches sur 136 sites populaires, Fara1.5-27B atteint un taux de succès de 72 %, contre 58,3 % pour OpenAI Operator et 57,3 % pour Gemini 2.5 Computer Use de Google. La version précédente, Fara-7B, n'atteignait que 34,1 % sur cette même évaluation, soit un quasi-doublement des performances en une génération. Ces résultats placent Microsoft en tête d'une catégorie qui concentre une attention croissante de l'industrie : les agents de type "computer use", capables d'agir directement dans un environnement graphique sans passer par des API dédiées. Pour les entreprises, cela ouvre la possibilité d'automatiser des flux de travail complexes sur n'importe quel site web, sans intégrations spécifiques. Les modèles embarquent également des méta-actions qui permettent à l'agent de mémoriser des informations au fil d'une session longue, ou de solliciter l'utilisateur lorsqu'une étape est ambiguë ou irréversible. Cette capacité à interrompre et à collaborer distingue Fara1.5 des approches entièrement autonomes, souvent jugées trop risquées pour un usage professionnel. Les modèles reposent sur les architectures de base Qwen3.5 et ont été entraînés sur environ deux millions d'exemples, dont 60 % de trajectoires web réelles et 12,8 % d'environnements synthétiques. Pour produire ces données, Microsoft a développé FaraGen1.5, un pipeline comprenant six environnements simulés appelés FaraEnvs, qui reproduisent des services comme la messagerie, le calendrier ou la gestion de flux ML, avec un frontend réaliste et une base de données initialisée par des profils d'utilisateurs fictifs. Le solveur chargé de générer les trajectoires d'entraînement s'appuie lui-même sur GPT-5.4 d'OpenAI, qui atteint 83 % sur Online-Mind2Web en mode automatisé. La compétition dans ce segment s'intensifie rapidement : Yutori avec Navigator n1 (64,7 %), Google et OpenAI investissent massivement dans des agents capables d'agir dans des environnements réels, préfigurant une transition vers des systèmes d'IA qui ne se contentent plus de répondre, mais qui exécutent.

LLMs⚡Actu

1 source

52

3230Next INpact 

IA générative : l’Arcep appelle à faire de l’écoconception un « levier stratégique »

L'Arcep, le régulateur français des télécommunications, a publié le 21 mai 2025 un rapport intitulé "Intelligence artificielle générative : quels défis environnementaux", dans lequel elle tire la sonnette d'alarme sur l'opacité des acteurs de l'IA face à leurs impacts environnementaux. S'appuyant notamment sur les travaux de la chercheuse Sasha Luccioni portant sur 754 modèles déployés entre 2010 et le premier trimestre 2025, l'institution constate que 84 % d'entre eux ne font l'objet d'aucune information environnementale, 14 % en fournissent de façon indirecte, et seulement 2 % communiquent directement sur ce sujet. En parallèle, le Pôle de Régulation Numérique (PeREN) a mené des tests qui établissent qu'un modèle plus grand n'est pas nécessairement plus performant, suggérant que réduire l'empreinte énergétique ne suppose pas toujours de sacrifier la qualité des résultats. L'enjeu est d'autant plus concret que l'adoption de l'IA générative en France progresse à un rythme soutenu : un cinquième de la population y recourait en 2023, contre près de la moitié en 2025, soit 48 %, une hausse de 28 points en deux ans. Cette diffusion rapide s'explique en partie par la gratuité croissante de ces outils, ce qui alimente un effet rebond bien documenté : les gains d'efficacité et la baisse des coûts d'accès stimulent la demande en calcul et en données, annulant une partie des économies réalisées. Les datacenters en France ont déjà enregistré une hausse de 38 % de leur consommation électrique et de 16 % de leur consommation d'eau en trois ans, des chiffres qui illustrent la pression systémique exercée par cette dynamique sur les ressources. L'Arcep s'inscrit dans un débat plus large sur la stratégie numérique européenne, où les enjeux de souveraineté et d'environnement entrent parfois en tension. La récente loi de simplification de la vie économique, dont l'article 15 permet d'attribuer à des datacenters le statut de Projet d'intérêt national majeur, illustre cette friction : selon le juriste Jérémy Bousquet, la souveraineté prime actuellement sur les considérations environnementales dans la stratégie française. L'Arcep plaide pour que l'écoconception des services d'IA devienne un "levier stratégique de la compétitivité européenne", et recommande d'intégrer les enjeux de soutenabilité dans les décisions d'implantation des centres de données. Elle reconnaît cependant qu'aucun consensus scientifique n'existe encore sur l'impact environnemental net du numérique, et entend avec ce rapport contribuer à structurer ce débat encore ouvert.

Régulation⚖Reglementation

1 source

36

3231MarkTechPost 

Construire des Transformers à profondeur récurrente avec OpenMythos : MLA, GQA, Sparse MoE et raisonnement itératif

OpenMythos est une bibliothèque Python open source permettant de construire des transformers dits "recurrent-depth", une architecture hybride qui combine des blocs d'attention avancés avec une boucle récurrente contrôlée. Un tutoriel publié récemment montre comment déployer cette bibliothèque de bout en bout dans Google Colab pour entraîner deux variantes de modèles : l'une utilisant l'attention multi-latente (MLA, inspirée de DeepSeek-V2) avec cache KV compressé, l'autre utilisant l'attention par groupes de requêtes (GQA, avec moins de têtes KV que de têtes Q). Les deux variantes intègrent également un Mixture of Experts épars (4 experts au total, 2 activés par token, 1 expert partagé), avec une dimension cachée de 128, 4 têtes d'attention, et une longueur de séquence maximale de 32 tokens. Le tutoriel valide les modèles sur une tâche de raisonnement compositionnel synthétique : prédire la somme d'une chaîne de chiffres modulo 7, une tâche conçue pour forcer le modèle à enchaîner plusieurs étapes de calcul intermédiaires. Ce type d'architecture présente un avantage concret majeur : la réutilisation des paramètres via les boucles récurrentes. Là où un transformer classique empile physiquement N couches distinctes pour N niveaux de profondeur de traitement, un modèle recurrent-depth peut traverser les mêmes couches plusieurs fois (jusqu'à 8 itérations de boucle dans ce tutoriel), simulant une profondeur de calcul bien supérieure à son nombre réel de paramètres. Le tutoriel mesure notamment le rayon spectral de la matrice d'injection récurrente, un indicateur de stabilité numérique qui doit rester inférieur à 1 pour garantir que les activations ne divergent pas au fil des boucles. Cette approche ouvre la voie à des modèles capables d'allouer dynamiquement plus de "réflexion" à des problèmes complexes sans augmenter leur empreinte mémoire permanente. L'architecture s'inscrit dans un mouvement plus large de recherche sur l'efficacité computationnelle des grands modèles de langage. L'attention MLA a été popularisée par DeepSeek-V2, un modèle chinois open source qui a démontré en 2024 qu'une compression agressive du cache KV pouvait réduire les coûts d'inférence sans dégradation notable des performances. La combinaison avec un Mixture of Experts épars rappelle l'architecture de Mixtral (Mistral AI) et de ses successeurs, où seule une fraction des paramètres est activée par token. OpenMythos cherche à réunir ces techniques dans un cadre expérimental accessible, destiné aux chercheurs et ingénieurs qui souhaitent explorer les interactions entre profondeur récurrente, routage par experts et variantes d'attention compressée, sans avoir à implémenter chaque composant depuis zéro.

Recherche❖Paper

1 source

37

3232Le Big Data 

IA prédictive : Traquer l’invisible dans les flux de données pour devancer les cybercriminels

Face à l'explosion des volumes de données transitant sur les réseaux mondiaux, la cybersécurité traditionnelle fondée sur des signatures statiques montre ses limites. Les systèmes d'intelligence artificielle prédictive représentent une rupture méthodologique : au lieu de comparer le trafic à une liste de menaces connues, ils commencent par modéliser rigoureusement le comportement normal de chaque utilisateur, machine et application sur un réseau. Une fois cette ligne de référence établie, les algorithmes analysent les paquets d'informations en quelques microsecondes, capables de détecter la moindre déviation sans intervention humaine. Dans des secteurs où les flux financiers sont continus et rapides, comme les transactions bancaires internationales, cette réactivité permet de bloquer une tentative de fraude ou de blanchiment avant même que les fonds ne quittent le système. L'enjeu est particulièrement critique face aux menaces persistantes avancées (APT), ces attaques silencieuses que les cybercriminels les plus expérimentés construisent délibérément sur des semaines ou des mois pour échapper aux règles figées des outils classiques. L'IA prédictive excelle précisément dans ce cas de figure : elle est capable de corréler des événements isolés et a priori anodins, par exemple une légère modification de privilège sur un serveur, suivie trois jours plus tard d'une connexion inhabituelle, puis d'une extraction de fichier en pleine nuit. Seule la mise en relation de ces signaux faibles révèle le schéma d'attaque. Le système peut alors déclencher automatiquement une réponse, comme l'isolation de la machine compromise, bien avant qu'un opérateur humain ait eu le temps d'intervenir. Pour que ces modèles prédictifs tiennent leurs promesses sur la durée, la qualité des données qui les alimentent est déterminante. Des journaux de connexion mal structurés, incomplets ou altérés génèrent des faux positifs qui saturent les équipes techniques et érodent la confiance dans le système. Cette exigence de rigueur dans la gouvernance des données dépasse désormais le cadre purement technique : elle s'inscrit dans des stratégies nationales, comme la Stratégie relative aux données 2023-2026 du Canada, qui met l'accent sur la valorisation, la gouvernance et la sécurisation des flux publics. Pour les organisations, l'enjeu n'est plus d'empiler des outils logiciels, mais de conduire un audit complet de leur infrastructure de données avant d'y greffer des couches d'intelligence artificielle, sous peine de construire des systèmes de défense sophistiqués sur des fondations fragiles.

Sécurité❧Opinion

1 source

47

3233Latent Space 

De nouvelles licornes dans l'infrastructure IA : Exa, Modal, TurboPuffer

Trois entreprises spécialisées dans l'infrastructure pour l'intelligence artificielle ont atteint simultanément des jalons majeurs cette semaine, signalant une consolidation rapide du secteur. TurboPuffer, moteur de recherche vectorielle, annonce 100 millions de dollars de revenus récurrents annuels tout en étant rentable. Exa, moteur de recherche sémantique pour les agents IA, lève 250 millions de dollars dans un tour de Série C qui valorise l'entreprise à 2,2 milliards de dollars. Modal, plateforme cloud de calcul GPU à la demande, annonce quant à elle 355 millions de dollars levés à une valorisation de 4,7 milliards de dollars en Série C. Ces trois annonces tombent dans la même fenêtre de 48 heures, les 20 et 21 mai 2026. Ces chiffres illustrent une dynamique structurelle : l'explosion de la demande en infrastructure IA n'est plus portée uniquement par les grands hyperscalers comme AWS ou Google Cloud, mais de plus en plus par des acteurs spécialisés capables de répondre précisément aux besoins des développeurs d'agents et de pipelines LLM. Modal permet d'exécuter du code Python avec des GPU en quelques secondes sans gérer de serveurs ; Exa fournit une API de recherche conçue pour les LLM plutôt que pour les humains ; TurboPuffer offre une base de données vectorielle haute performance. Que les trois atteignent ces valorisations en même temps indique que le marché des outils pour construire des applications IA génère désormais des revenus réels et prévisibles, pas seulement des promesses. Ces succès s'inscrivent dans un contexte où l'ingénierie IA est devenue une discipline à part entière, distincte de la recherche fondamentale en machine learning. L'émergence d'une couche d'infrastructure spécialisée, entre les modèles de fondation des grands labs et les applications finales, crée un espace économique autonome. Latent Space, le podcast et newsletter qui suit ces entreprises depuis leurs débuts, note avoir interviewé les fondateurs des trois sociétés bien avant ces valorisations, soulignant à quel point la communauté des praticiens IA identifie tôt les acteurs structurants. La question désormais est de savoir si ces entreprises resteront indépendantes ou deviendront des cibles d'acquisition pour les grandes plateformes cloud, qui cherchent à intégrer verticalement la chaîne de valeur du développement IA.

Infrastructure❧Opinion

1 source

41

3234Le Big Data 

Bumble : plus besoin d’être drôle pour pécho, l’IA s’en charge

Bumble, l'une des principales applications de rencontre mondiales, a annoncé le lancement d'un assistant d'intelligence artificielle baptisé "Bee", dévoilé par sa PDG Whitney Wolfe Herd. Contrairement au système de swipe inventé par Tinder en 2012 et repris par toute l'industrie, Bee propose une approche radicalement différente : l'IA engage d'abord une conversation avec l'utilisateur pour apprendre à le connaître, avant de lui suggérer des profils compatibles et des idées de rendez-vous personnalisées. Bumble devient ainsi la première grande plateforme de rencontre à placer l'IA au centre même de son fonctionnement, et non plus en simple outil annexe. D'autres acteurs avaient déjà commencé à explorer le terrain : Hinge utilise l'IA générative pour aider à lancer des conversations ou améliorer les profils, et Bumble elle-même avait intégré dès 2024 des systèmes de détection de faux profils et d'arnaques. Ce changement intervient dans un contexte où le modèle du swipe montre ses limites. Le sociologue Zygmunt Bauman décrivait déjà ce phénomène sous le terme d'"amour liquide", et la chercheuse Eva Illouz soulignait que l'abondance de choix complique l'engagement : plus les options sont nombreuses, plus il devient difficile de se fixer. Les applications de rencontre ont amplifié cette logique de comparaison quasi-consumériste, transformant les profils en vitrines à parcourir comme un catalogue en ligne. L'IA pourrait théoriquement réduire cette paralysie du choix en pré-sélectionnant des profils jugés compatibles, offrant une expérience plus ciblée et moins chronophage pour les millions d'utilisateurs actifs sur ces plateformes. Mais cette délégation soulève des questions profondes. Les chercheurs spécialisés dans les biais algorithmiques, dont Safiya Umoja Noble, ont documenté que les systèmes d'IA reproduisent fréquemment les inégalités existantes plutôt que de les corriger, ce qui dans une application de rencontre pourrait renforcer des stéréotypes liés au genre, à l'origine ethnique ou au milieu social. Il y a aussi le risque d'un effet chambre d'écho affectif : un algorithme qui cherche la compatibilité maximale pourrait systématiquement proposer des profils trop similaires à l'utilisateur, effaçant l'imprévu et le hasard qui sont souvent à l'origine des rencontres les plus marquantes. Plus largement, confier ses préférences sentimentales à un système automatisé pose la question de la confiance accordée à un intermédiaire dont les critères de sélection restent opaques, et accélère une tendance déjà bien amorcée : la transformation des émotions humaines en données quantifiables.

Outils⚒Outil

1 source

46

3235arXiv cs.RO 

Attribution et contrôle des artefacts aux frontières de segments dans l'espace du bruit

Une équipe de chercheurs publie sur arXiv (2506.11642v2) une analyse mécaniste des discontinuités d'exécution aux frontières de blocs d'actions dans les politiques visuomotrices génératives à action chunking. Cette technique, adoptée dans des systèmes comme Diffusion Policy (MIT/Columbia) ou ACT (Action Chunked Transformers, Stanford), consiste à prédire et exécuter plusieurs actions futures en un seul bloc plutôt qu'action par action. Les auteurs montrent d'abord que les métriques d'artefacts de frontière permettent de séparer de façon stable les épisodes réussis des épisodes en échec. Dans des politiques stochastiques, maintenir fixe le contexte d'observation et varier uniquement le bruit latent suffit à moduler systématiquement l'intensité de l'artefact. Sur un même checkpoint Diffusion Policy, la comparaison entre DDPM, DDPM à variance nulle et DDIM confirme que cette contrôlabilité locale dépend de l'intégrité du chemin d'information du bruit initial vers la sortie d'action. Dans un contexte clé favorisant les artefacts élevés, sélectionné par validation matched-continuation sur données tenues à l'écart, le taux de succès passe de 0,033 à 0,717. Ce résultat remet en cause une hypothèse tenace dans la communauté de la robotique apprenante : l'artefact de frontière de bloc n'est pas un simple sous-produit d'exécution à minimiser systématiquement, mais une variable dans l'espace bruit qui peut être attribuée, contrôlée et liée mécanistiquement au résultat de la tâche. Plus troublant encore, la direction préférentielle s'inverse selon le contexte d'exécution local : certains états obtiennent de meilleurs résultats sous artefact faible, d'autres sous artefact élevé, au sein d'une même tâche. Pour les intégrateurs robotiques, cela ouvre la voie à des stratégies d'inférence adaptatives où la sélection du bruit latent devient un levier de performance sans modifier ni réentraîner les modèles. L'action chunking équipe aujourd'hui de nombreuses politiques de manipulation en recherche, dont pi-0 (Physical Intelligence), et commence à apparaître dans des contextes de production. Le débat sur la robustesse à l'exécution et le sim-to-real gap reste central pour les équipes industrielles. Cette analyse fournit un outil diagnostique concret -- les métriques d'artefact comme signal pronostic d'échec -- et suggère que l'optimisation à l'inférence plutôt que la seule modification architecturale pourrait améliorer la fiabilité sur des tâches de manipulation fine. Les prochaines étapes naturelles incluent la généralisation à d'autres architectures VLA (vision-language-action) et la validation sur des plateformes matérielles réelles hors contexte de laboratoire.

Recherche❧Opinion

1 source

45

3236arXiv cs.RO 

PGDG : génération de données physiquement ancrée pour l'apprentissage robuste de politiques bimanuelles à partir d'une seule démonstration

Une équipe de chercheurs présente PGDG (Physically Grounded Data Generation), un cadre qui permet d'entraîner une politique de manipulation bimanuelles robuste à partir d'une seule démonstration humaine. Déposé sur arXiv en mai 2026 (réf. 2605.21710), le système attaque un problème structurant du behavior cloning : tout écart par rapport à la trajectoire apprise plonge le robot dans des états hors distribution, sans signal de récupération disponible dans les données d'entraînement. PGDG génère automatiquement, sans annotation humaine supplémentaire, un ensemble compact de trajectoires physiquement plausibles couvrant ces comportements de récupération manquants. Il alterne entre un échantillonneur ancré en physique et un curateur de données qui oriente progressivement l'exploration vers les modes sous-représentés, complété par un reétiquetage d'actions correctives sur les états risqués. Sur la tâche RotateBox-Pitch, manipulation bimanuelles par contact, le taux de succès passe de 38 % à 93 % en simulation et de 35 % à 82 % en transfert zéro-shot vers le robot réel. Appliqué au fine-tuning de GR00T, le modèle de fondation vision-langage-action de NVIDIA, la méthode améliore le taux de succès de 46 % à 77 %. Le résultat le plus notable pour les intégrateurs est le transfert zéro-shot : la politique entraînée exclusivement sur données synthétiques fonctionne directement sur le robot physique, sans adaptation terrain. Ce résultat valide empiriquement que la génération ancrée en physique peut combler le sim-to-real gap pour les tâches en contact, historiquement le talon d'Achille de la manipulation dextère. La compatibilité avec GR00T (un VLA) ouvre également une voie pour enrichir les modèles de fondation à faible coût de collecte : une démonstration unique remplace les centaines typiquement requises en téléopération, ce qui modifie le calcul économique pour tout projet de déploiement à grande variété de configurations. Ce travail s'inscrit dans la course à l'efficacité des données en robotique manipulatrice. L'augmentation spatiale classique, premier concurrent direct, est systématiquement surpassée sur les quatre tâches testées. Les approches alternatives misent soit sur la collecte massive comme ACT/ALOHA (des milliers de démonstrations), soit sur le pré-entraînement multi-tâche à grande échelle comme pi-0 de Physical Intelligence. PGDG se distingue par son paradigme "une démonstration suffit", potentiellement attractif dès que la diversité des pièces ou des configurations rend la collecte par tâche prohibitive. La validation reste pour l'instant en environnement laboratoire ; une évaluation sur des tâches industrielles réelles constituerait la prochaine étape logique.

Robotique❧Opinion

1 source

42

3237arXiv cs.RO 

Pre-VLA : vérification préemptive à l'exécution pour fiabiliser les déroulements de modèles VLA et du monde

Une équipe de chercheurs a soumis sur arXiv (réf. 2605.22446, mai 2026) Pre-VLA, une architecture de vérification préemptive conçue pour filtrer les actions de mauvaise qualité générées par les modèles VLA (Vision-Language-Action) avant qu'elles ne soient exécutées physiquement ou simulées dans un world model génératif. Concrètement, Pre-VLA s'intercale comme un garde-fou en amont de l'exécution : il exploite un backbone multimodal avec pooling adaptatif par modalité et une tête dual-branch légère pour prédire à la fois un score de confiance sécuritaire et un advantage score dérivé d'un critique, sur des chunks d'actions candidats. L'entraînement combine trois objectifs simultanés : classification Focal (robuste aux déséquilibres de classes), régression d'avantage, et calibration par seuil souple. À l'inférence, un scheduler de rééchantillonnage dual-mode filtre les actions jugées sous-seuil et déclenche un rééchantillonnage adaptatif dans un budget de calcul contraint. Sur le benchmark LIBERO (quatre suites de tâches en boucle fermée), Pre-VLA améliore le taux de succès moyen de 30,79 % à 37,62 % par rapport au modèle de base RynnVLA-002, réduit le nombre d'étapes d'exécution, et affiche un temps de vérification de 183,9 ms par chunk d'action en moyenne. Le gain de 6,8 points de pourcentage sur LIBERO est notable dans un domaine où les benchmarks en boucle fermée restent difficiles à progresser de façon fiable. La valeur industrielle réelle de Pre-VLA ne réside pas dans la performance brute, mais dans la réduction des échecs physiques coûteux et dans la limitation de l'accumulation d'erreurs dans les rollouts de world models génératifs, dont le coût de rendu est élevé. Pour un intégrateur ou un COO industriel, un tel mécanisme de vérification préemptive représente un levier de fiabilité sans refonte du modèle principal, ce qui est compatible avec des pipelines de déploiement réels. La question non résolue reste la généralisation : LIBERO est un benchmark de manipulation tabletop relativement contrôlé, et les résultats sur des environnements plus chaotiques ne sont pas démontrés ici. Pre-VLA s'inscrit dans une tendance croissante visant à sécuriser les politiques VLA pour le déploiement réel, dans le sillage de modèles comme Pi-0 (Physical Intelligence), OpenVLA ou GR00T N2 (NVIDIA), qui peinent tous à franchir le "demo-to-reality gap". Le benchmark LIBERO, développé par une équipe de l'Université de Washington et Stanford, est devenu une référence standard pour évaluer les politiques d'imitation multi-tâches. RynnVLA-002, le modèle de référence utilisé ici, est un VLA récent dont les détails publics restent limités. Ce travail est un preprint, non encore soumis à peer review, ce qui invite à une lecture prudente des chiffres annoncés. Les prochaines étapes naturelles seraient une validation sur des environnements réels hors laboratoire et une comparaison avec d'autres approches de vérification runtime comme les méthodes basées sur les ensembles de confiance ou la vérification formelle légère.

Robotique❧Opinion

1 source

42

3238arXiv cs.RO 

Action par primitives visuelles

Une équipe de chercheurs a publié en mai 2026 sur arXiv (réf. 2605.22183) AVP, Action with Visual Primitives, une nouvelle architecture end-to-end pour la manipulation robotique généraliste. Le système repose sur une séparation explicite des responsabilités : le modèle de vision-langage (VLM) infère l'état cible de la prochaine étape et génère des tokens dits "visuels primitifs", qui conditionnent ensuite un module d'action basé sur le flow matching, supervisé par la cinématique de l'effecteur final. Sur des tâches réelles de pick-and-place, AVP améliore le taux de succès de 27,61 % par rapport à pi0.5, le modèle de référence de Physical Intelligence, avec des gains mesurés en efficacité de données, en généralisation spatiale et compositionnelle, ainsi qu'en transfert à de nouveaux objets. L'enjeu central que pointe ce travail est celui de l'enchevêtrement des objectifs d'apprentissage dans les VLA actuels : dans les architectures dominantes, compréhension du langage, analyse spatiale de la scène et contrôle moteur sont fondus dans un seul passage forward, forçant le module d'action à réapprendre des capacités perceptives déjà présentes dans le VLM préentraîné. AVP découple ce pipeline via une interface à base de tokens visuels primitifs, ce qui réduit la redondance d'apprentissage et améliore l'efficacité des données d'entraînement, un facteur critique dans un domaine où la collecte de démonstrations robotiques reste coûteuse. L'amélioration de 27,61 % sur pi0.5, si elle se confirme sur des benchmarks plus larges, représente un écart significatif pour des intégrateurs industriels qui évaluent des solutions de manipulation flexible. Les modèles VLA ont connu une accélération notable depuis 2024 avec l'émergence de pi0 et pi0.5 (Physical Intelligence), GR00T N2 (NVIDIA) et Helix (Figure AI), tous positionnés sur la manipulation généraliste. La tendance dominante jusqu'ici consistait à empiler VLM et head d'action en bout de chaîne, héritant des représentations visuelles sans structuration intermédiaire. AVP propose une voie alternative en introduisant une représentation symbolique intermédiaire, les visual primitives, comme pont entre perception et action. Le papier reste un preprint sans validation externe à ce stade ; les expériences sont conduites sur des tâches de pick-and-place, ce qui limite la portée des conclusions à des scénarios de manipulation relativement contraints. Les prochaines étapes naturelles seront une extension à des tâches à longue horizon temporel et une comparaison sur des benchmarks standardisés comme LIBERO ou Open X-Embodiment.

Robotique❧Opinion

1 source

42

3239arXiv cs.RO 

SONIC : un système de suivi du mouvement étendu pour le contrôle corporel intégral des humanoïdes

Des chercheurs présentent SONIC (arXiv:2511.07820), un modèle fondateur pour le contrôle corporel complet de robots humanoïdes, construit autour d'une mise à l'échelle agressive le long de trois axes : la capacité réseau (de 1,2 million à 42 millions de paramètres), le volume de données (plus de 100 millions de frames issues de 700 heures de capture de mouvement) et le calcul (21 000 heures GPU). La tâche centrale est le suivi de mouvement (motion tracking), utilisé comme proxy d'entraînement pour inculquer des priors sur le mouvement humain sans ingénierie manuelle de récompenses. Deux applications aval sont démontrées : un planificateur cinématique temps réel reliant le suivi de mouvement à des tâches de navigation, et un espace de tokens unifié permettant à une seule politique de gérer à la fois la téléopération VR et des modèles vision-langage-action (VLA). Dans ce second mode, le système réalise de la loco-manipulation autonome en coordonnant simultanément position des mains et des pieds. L'apport principal est d'étendre les lois de scaling, jusqu'ici réservées aux grands modèles de langage, au contrôle humanoïde à corps complet. Les auteurs montrent que les performances progressent de manière régulière avec la quantité de données et le calcul, et que les politiques apprises généralisent à des mouvements non vus à l'entraînement, sans nécessiter de reward shaping manuel. Pour les intégrateurs, l'interface unifiée VR-VLA dans un seul modèle réduit le coût d'adaptation entre téléopération humaine et autonomie. Il convient néanmoins de noter qu'il s'agit d'une publication académique, non d'un produit déployé, et que les démonstrations vidéo sélectionnées ne permettent pas encore d'évaluer la robustesse en conditions industrielles réelles. SONIC s'inscrit dans une course au scaling qui agite l'ensemble de la filière humanoïde. Physical Intelligence a publié Pi-0, un modèle VLA polyvalent ; NVIDIA a lancé GR00T N2 en s'appuyant sur des données synthétiques massives ; Figure et Tesla visent des architectures propriétaires à grande échelle avec Optimus Gen 3. Les 42 millions de paramètres de SONIC restent modestes comparés aux VLA les plus ambitieux, et le travail ne mentionne pas d'affiliation à un fabricant de robot ni de calendrier de déploiement physique. La prochaine étape logique serait une validation sur hardware réel avec des évaluations quantitatives standardisées, un exercice que les benchmarks émergents du secteur commencent tout juste à formaliser.

Robotique❧Opinion

1 source

38

3240arXiv cs.RO 

GesVLA : représentations gestuelles intégrées pour un modèle vision-langage-action

Des chercheurs ont publié GesVLA, un modèle Vision-Language-Action augmenté d'une modalité gestuelle, dans un preprint arXiv soumis en mai 2026 (arXiv:2605.22812). L'architecture repose sur un double VLM (Vision-Language Model) qui encode les features gestuelles directement dans l'espace latent, permettant aux gestes pointés de la main de participer à la fois au raisonnement de haut niveau et à la génération d'actions motrices. Pour l'entraînement, l'équipe a construit un pipeline de génération de données synthétiques en rendant des modèles 3D de mains sur des images de scènes réelles, produisant des annotations de pointage variées tout en réduisant le sim-to-real gap visuel. Le modèle a été évalué sur plusieurs tâches physiques réelles : manipulation contrôlée de blocs et sélection de produits dans des environnements encombrés. Les expériences montrent une amélioration mesurée de la précision de grounding cible et de l'efficacité de l'interaction humain-robot, particulièrement dans des scènes complexes avec objets similaires. L'apport principal de GesVLA est d'adresser une faiblesse connue des VLA actuels : l'ambiguïté spatiale. Quand plusieurs objets similaires sont présents dans la scène, une instruction textuelle seule (type "prends la bouteille") reste ambiguë. Intégrer le geste de pointage comme modalité parallèle au texte offre un ancrage spatial explicite sans modifier l'interface verbale. L'architecture dual-VLM représente un choix architectural non trivial par rapport aux approches qui traitent les modalités de façon séquentielle. Ce n'est pas la première tentative d'incorporer des signaux humains dans les VLA, mais la formalisation du geste comme modalité de premier rang dans l'espace latent, plutôt qu'en post-processing, est une contribution d'architecture à surveiller pour les intégrateurs qui déploient des cobots en environnements de picking désordonnés. GesVLA s'inscrit dans la vague de recherche post-RT-2 et pi-0 qui cherche à rendre les VLA robustes au-delà du régime de laboratoire. Les modèles concurrents comme OpenVLA (Berkeley), Octo ou RoboFlamingo travaillent essentiellement avec du texte et de la vision, sans modalité gestuelle native. Physical Intelligence (pi) avec pi-0 et Google DeepMind avec RT-2/RT-X restent les références industrielles sur la généralisation des VLA à grande échelle. Le preprint ne mentionne pas de partenariat industriel ni de timeline de déploiement commercial. Les prochaines étapes naturelles seraient une évaluation sur des benchmarks standardisés (LIBERO, Calvin) pour permettre des comparaisons directes, et une intégration sur des plateformes comme Franka ou UR5 au-delà des configurations de démonstration présentées.

Robotique❧Opinion

1 source