Actualités IA — page 57

7 586 articles au fil, du plus récent au plus ancien.

45

1121MIT Technology Review 

L'IA est plus susceptible que les humains de développer des biais dans le recrutement

Des chercheurs de l'université de Princeton et de l'université de Chicago ont soumis plusieurs grands modèles de langage, dont ChatGPT, Claude et Gemini, à un jeu de simulation de recrutement inspiré d'une étude de psychologie sur la formation des stéréotypes humains. Chaque modèle jouait le rôle d'un consultant engagé par le maire d'une ville fictive pour pourvoir 20 postes, allant de médecin et avocat à aide à domicile et agent d'entretien. Les candidats appartenaient à quatre groupes ethniques fictifs baptisés Tufa, Aima, Reku et Weki. À chaque tour, l'IA embauchait un candidat parmi quatre puis apprenait s'il avait réussi dans son poste, sur un total de 40 tours, sans savoir que tous les candidats avaient en réalité des chances égales de succès. Résultat : les modèles ont rapidement cantonné certains groupes à certains métiers sur la base de quelques échecs isolés. Par exemple, après l'échec d'un candidat Aima comme médecin, un poste jugé exiger chaleur humaine et compétence, le modèle a cessé d'embaucher des Aimas à ce poste pour les orienter vers des emplois moins valorisés comme agent d'entretien. Sur une échelle de ségrégation où 2 représente un cantonnement total par groupe, les participants humains de l'étude originale obtenaient en moyenne 0,84, contre environ 65 % de plus pour les IA, le modèle o3 d'OpenAI atteignant 1,83, proche du maximum. L'étude a été publiée en juillet lors de la conférence ICML à Séoul. Cette découverte prend une importance particulière alors que les entreprises d'IA développent des modèles agentiques dotés d'une mémoire toujours plus fine des utilisateurs. Selon Angelina Wang, chercheuse en informatique à l'université Cornell qui n'a pas participé à l'étude, un chatbot capable de se souvenir de ses échanges précédents risque de "sur-indexer" sur des comportements déjà rencontrés, renforçant ainsi ses biais au fil du temps. Réduire simplement la mémoire des IA n'est pas une solution viable, les utilisateurs souhaitant au contraire que les assistants se souviennent de ce qu'ils leur confient. Ryan Liu, doctorant à Princeton et coauteur de l'étude, explique que les modèles de langage sont particulièrement enclins à généraliser à partir de données limitées, car c'est précisément ce pour quoi ils sont optimisés lors de leur entraînement sur des tâches mathématiques, de programmation et scientifiques qui récompensent l'induction rapide. Ce constat illustre l'arbitrage classique entre exploration et exploitation, ce dilemme qui pousse à choisir entre s'en tenir à une solution qui a fonctionné par le passé ou tenter une approche différente potentiellement meilleure. Or les modèles les plus récents et les plus performants en raisonnement, comme o3 d'OpenAI ou R1 de DeepSeek, se sont révélés encore plus sujets à ces biais que leurs prédécesseurs. Demander explicitement au modèle de se montrer équitable n'a par ailleurs guère modifié son comportement. OpenAI et Anthropic n'ont pas répondu aux sollicitations des chercheurs, et Angelina Wang souligne que la communauté scientifique cherche encore le juste équilibre entre une mémoire trop développée, propice aux biais, et une mémoire trop limitée, qui priverait les utilisateurs des bénéfices de la personnalisation.

Éthique❖Paper

1 source

43

112201net 

Anthropic annonce une mauvaise nouvelle aux utilisateurs de Claude Fable 5

Anthropic modifie les conditions d'accès à Claude Fable 5, son modèle d'IA le plus puissant. Désormais, seuls les abonnés aux forfaits Max et Team Premium conservent un accès inclus dans leur abonnement, mais avec un usage plafonné. Les utilisateurs des offres Pro et Team Standard, eux, perdent totalement l'accès gratuit au modèle et doivent désormais payer chaque requête envoyée à Fable 5. Anthropic justifie ce changement par le coût élevé en puissance de calcul nécessaire pour faire fonctionner ce modèle, plus gourmand en ressources que ses prédécesseurs de la gamme Claude. Ce changement de politique tarifaire touche directement les nombreux utilisateurs professionnels qui s'appuyaient jusqu'ici sur un accès illimité inclus dans leur abonnement mensuel. Pour les développeurs et les équipes utilisant Fable 5 au quotidien pour des tâches complexes de raisonnement ou de génération de code, la facturation à la requête change fondamentalement le calcul économique d'un usage intensif. Les entreprises abonnées à Team Standard devront soit migrer vers une offre Premium plus coûteuse, soit budgétiser une dépense variable jusque là absente, ce qui pourrait freiner l'adoption du modèle chez les structures aux ressources limitées. Cette décision s'inscrit dans un contexte plus large où les fournisseurs d'IA générative cherchent à rentabiliser des modèles dont l'entraînement et l'inférence coûtent de plus en plus cher en infrastructure. Claude Fable 5 représente la pointe technologique de la gamme Anthropic, avec des capacités de raisonnement avancées qui exigent davantage de ressources GPU que les versions Sonnet ou Haiku. Anthropic doit désormais arbitrer entre rentabilité et accessibilité, dans un marché où la concurrence face à OpenAI et Google s'intensifie sur le segment des modèles premium. Les prochains mois diront si cette restriction freine réellement l'usage de Fable 5 ou si elle annonce une tendance appelée à se généraliser dans l'industrie.

Business❧Opinion

1 source

42

1123VentureBeat AI 

La confiance dans l'IA a chuté de 17 points en six mois, une bonne nouvelle en réalité

L'IA en entreprise perd en confiance affichée, mais gagne en lucidité. Selon une enquête menée auprès de 800 responsables informatiques aux États-Unis et au Royaume-Uni pour le rapport trimestriel Q3 2026, la part des organisations se déclarant matures dans le déploiement de l'IA est passée de 40% il y a six mois à seulement 23% aujourd'hui, soit une chute de 17 points. Loin de signaler un recul, cette baisse touche en priorité les entreprises qui ont fait passer leurs agents IA du stade pilote à la production réelle. Ce sont elles qui, confrontées aux systèmes en conditions réelles, révisent honnêtement leur auto-évaluation. Malgré ce repli de confiance, 84% des organisations prévoient d'étendre l'usage de l'IA dans leurs opérations informatiques dans les 6 à 24 prochains mois, confirmant que le mouvement de fond reste à l'expansion plutôt qu'au retrait. Ce constat révèle un problème structurel majeur: le déploiement des agents IA progresse plus vite que les dispositifs de gouvernance censés les encadrer. En phase pilote, un agent exécute une tâche isolée dans un environnement contrôlé; en production, il accède à des systèmes réels, prend des décisions affectant des flux de travail concrets et opère souvent en continu, sans supervision humaine directe. Or la gouvernance des identités non humaines, c'est-à-dire le suivi et le contrôle des comptes utilisés par les agents IA, est la pratique de sécurité la moins adoptée du secteur: seulement 21% des organisations l'ont mise en place. Ces identités non humaines dépassent déjà en nombre les utilisateurs humains dans 83% des entreprises, souvent sans propriétaire désigné, sans périmètre d'accès défini et sans procédure de désactivation une fois leur mission terminée. L'étude surnomme ces comptes orphelins des "agents zombies", véritables héritiers du problème historique des comptes de service, mais opérant désormais à la vitesse machine et dans tous les départements de l'entreprise. Cette situation illustre un basculement plus large dans les priorités de l'industrie de l'IA d'entreprise: le vrai défi n'est plus la capacité technique des modèles, mais la responsabilité et la traçabilité de leurs actions. Quand un employé humain agit, une chaîne de responsabilité existe implicitement; quand un agent autonome agit, cette chaîne se rompt si elle n'a pas été délibérément construite en amont. Les organisations les plus avancées se distinguent par trois choix structurants: elles consolident leurs environnements informatiques plutôt que d'empiler des outils disparates, elles traitent leurs agents IA comme des identités gouvernées et non comme des processus tolérés en marge, et elles mesurent ce que l'IA produit réellement plutôt que le seul volume déployé. Le résultat est mesurable: les organisations les plus matures selon ce modèle ont cinq fois plus de chances de ne rencontrer aucun frein à l'expansion de leurs agents IA que la moyenne, preuve qu'une confiance construite sur des fondations solides vaut mieux qu'une confiance simplement supposée.

Sécurité⚡Actu

1 source

41

1124Frandroid 

Netflix rachète InterPositive, la start-up IA de Ben Affleck dédiée au cinéma, pour 587 millions de dollars

Netflix a annoncé le rachat d'InterPositive, la start-up spécialisée en intelligence artificielle cofondée par l'acteur et réalisateur Ben Affleck, pour un montant de 587 millions de dollars. La société développe des outils d'IA conçus spécifiquement pour les métiers du cinéma, de la réalisation à la production, en passant par les différentes étapes de fabrication d'un film. Cette acquisition place directement entre les mains de Netflix des technologies pensées par des professionnels du secteur pour des professionnels du secteur, plutôt que des outils génériques adaptés après coup au monde audiovisuel. Le montant, particulièrement élevé pour une jeune entreprise, témoigne de l'ambition de la plateforme de streaming sur ce segment. Cette opération confirme que l'intelligence artificielle n'est plus un simple sujet de recherche interne chez Netflix mais un axe d'investissement stratégique assumé. En intégrant des outils de production assistée par IA développés par des créateurs eux-mêmes, le groupe cherche à réduire les coûts et les délais de fabrication de ses contenus originaux, un enjeu majeur alors que la concurrence entre plateformes de streaming reste très forte. Pour les studios et les professionnels du cinéma, ce rachat illustre aussi la normalisation rapide de l'IA générative dans les processus créatifs, autrefois perçus comme réservés à l'intervention humaine. L'implication de Ben Affleck, figure reconnue d'Hollywood à la fois comme acteur et réalisateur, donne une légitimité particulière à InterPositive face aux réticences que suscite encore l'IA dans l'industrie du cinéma, notamment depuis les grèves des scénaristes et acteurs de 2023 autour de ces mêmes questions. Ce rachat pourrait ouvrir la voie à d'autres opérations similaires, les géants du streaming cherchant à sécuriser des technologies propriétaires plutôt que de dépendre d'outils tiers.

Business⚡Actu

1 source

41

1125Next INpact 

☕️ Deepfakes sexuels : Apple et Google de nouveau rappelés à l’ordre

Le procureur municipal de San Francisco, David Chiu, a mis en demeure Apple et Google de retirer treize applications de génération de « deepfakes » sexuels non consenties de leurs boutiques respectives, huit sur l'App Store et cinq sur le Play Store. Ces applications, souvent présentées comme de simples outils d'échange de visages, permettent en réalité de produire des images intimes truquées sans l'accord des personnes représentées. Interrogé par Wired, David Chiu a qualifié cette pratique d'« illégale, préjudiciable et totalement inacceptable ». Son bureau avait déjà engagé des poursuites contre seize sites proposant ce type de services et s'attaque désormais directement aux deux géants technologiques, qu'il accuse d'avoir « engrangé des millions de dollars de commissions » grâce à ces applications dites « nudify ». Google a réagi en supprimant les cinq applications identifiées par le procureur, tandis qu'Apple n'a pas souhaité commenter la mise en demeure. Cette affaire met en lumière l'incapacité persistante des deux principales boutiques d'applications mobiles à empêcher la diffusion d'outils facilitant des violences numériques à caractère sexuel, malgré des règles internes qui interdisent explicitement pornographie, abus et harcèlement. Une étude du Tech Transparency Project publiée en avril avait déjà révélé l'ampleur du phénomène, ces applications parvenant à contourner la modération en se présentant sous des dénominations ambiguës. Pour les victimes, potentiellement des millions de personnes dont l'image peut être détournée sans leur consentement, les conséquences sont concrètes : atteinte à la vie privée, préjudice psychologique et réputationnel, sans recours immédiat puisque ces contenus circulent souvent avant tout retrait. Pour Apple et Google, l'enjeu est aussi celui de la crédibilité de leur discours sur la sécurité des boutiques, régulièrement mis en avant comme argument commercial et réglementaire. Ce nouvel épisode illustre un mode de fonctionnement récurrent des deux entreprises, qui agissent essentiellement de manière rétroactive, en retirant les applications signalées après coup plutôt qu'en les détectant en amont. Google affirme pourtant « prendre des mesures proactives », citant la suspension de centaines d'applications et la restriction de termes de recherche comme « nudify ». La législation californienne prévoit des sanctions contre les entreprises qui facilitent sciemment le fonctionnement de services de deepfakes pornographiques, ce qui expose désormais directement les deux plateformes à un risque juridique. David Chiu exige non seulement le retrait des applications visées, mais aussi la rupture des relations commerciales avec leurs éditeurs et un renforcement durable des procédures de contrôle. Reste à savoir si cette pression judiciaire suffira à faire évoluer des systèmes de modération jusqu'ici régulièrement pris en défaut face à la prolifération de ces outils.

Régulation⚖Reglementation

1 source

32

1126MarkTechPost 

Quelqu'un a affiné MiniCPM5-1B d'OpenBMB sur des traces de Claude Fable 5 pour un modèle de raisonnement local de 657 Mo

Un développeur communautaire connu sous le pseudonyme GnLOLot a publié un modèle de langage d'un milliard de paramètres capable de fonctionner entièrement en local, sans clé API ni appel vers le cloud. Baptisé MiniCPM5-1B-Claude-Opus-Fable5-Thinking, il est distribué au format GGUF pour les moteurs compatibles llama.cpp. Il s'appuie sur MiniCPM5-1B, un modèle de base publié par le laboratoire chinois OpenBMB, doté de 1,08 milliard de paramètres, d'une architecture LlamaForCausalLM classique à 24 couches avec attention par groupes de requêtes, et d'une fenêtre de contexte de 131 072 tokens. OpenBMB revendique déjà le meilleur score open source de sa catégorie sur ce modèle de base, qui intègre nativement un mode de raisonnement activable via le paramètre enablethinking, offrant un choix entre mode "Think" et mode "No Think". GnLOLot a ensuite affiné ce socle sur des données issues de Fable 5, le modèle Claude d'Anthropic, dans le but d'améliorer les capacités de codage et de suivi d'instructions. Le paquet GGUF propose quatre niveaux de quantification : Q4KM autour de 657 Mo, Q5KM autour de 751 Mo, Q80 autour de 1,1 Go recommandé par défaut, et F16 autour de 2,1 Go. Le modèle s'installe directement via Ollama, llama.cpp, LM Studio, Jan ou KoboldCpp, avec une commande d'une ligne pour Ollama et des réglages d'échantillonnage suggérés de température 0,9 et top_p 0,95 en mode réflexion. L'enjeu de cette publication tient moins à ses performances qu'à ce qu'elle révèle sur les limites du fine-tuning léger appliqué à des traces générées par un grand modèle propriétaire. La méthode employée n'est pas une distillation classique au sens technique du terme, puisque personne n'a accès aux poids ni aux logits internes de Claude. Il s'agit en réalité d'un ajustement supervisé effectué sur des conversations et des raisonnements produits en sortie par le modèle Anthropic, puis utilisés comme données d'entraînement pour le petit modèle. Cette distinction compte : un modèle d'un milliard de paramètres ne peut pas absorber la capacité de raisonnement d'un modèle frontière, il ne peut qu'imiter son style de réponse et son format d'expression. Pour les utilisateurs et développeurs qui cherchent des outils légers et embarquables, cela signifie que le modèle peut sembler produire des réponses au ton proche de Claude, sans pour autant en égaler la fiabilité ou la profondeur de raisonnement. Cette initiative s'inscrit dans une tendance plus large de la communauté open source consistant à capturer le style de sortie des grands modèles fermés pour l'injecter dans des architectures compactes et gratuites. OpenBMB, de son côté, utilise une véritable distillation par politique entre ses propres modèles enseignant et élève, une approche méthodologiquement différente et documentée. Aucun benchmark ni jeu de données d'entraînement n'a été publié pour ce dérivé, ce qui rend les affirmations de performance actuellement invérifiables. La question reste également ouverte sur le plan juridique : la licence Apache 2.0 couvre les poids du modèle de base, mais l'entraînement sur des sorties générées par Claude soulève une interrogation sur les conditions d'utilisation qu'Anthropic impose à ses propres résultats, un point que la fiche du modèle laisse sans réponse.

LLMs❧Opinion

1 source

41

1127MarkTechPost 

Les meilleurs LLM locaux exécutables sur un GPU 24 Go en 2026 : comparatif Qwen, Gemma, Mistral et DeepSeek

Traduction fluide, respect des règles. --- Un GPU de 24 Go de VRAM, comme les RTX 3090 ou RTX 4090 de Nvidia, s'impose en 2026 comme le seuil minimal pour faire tourner sérieusement des modèles de langage en local. Longtemps, la pratique consistait à caser un modèle 70B fortement quantifié sur cette carte, mais cette approche est désormais dépassée au profit de modèles denses ou hybrides de 20 à 35 milliards de paramètres, mieux adaptés à cet espace mémoire. Trois postes se partagent les 24 Go disponibles : les poids du modèle (environ 0,58 octet par paramètre en quantification Q4KM, soit 18 à 20 Go pour un modèle de 32B), le cache KV qui croît avec la longueur du contexte, et une réserve de 1 à 2 Go pour le moteur d'inférence. Six modèles sortent du lot, tous sous licence permissive Apache 2.0 ou MIT et tenant sur une seule carte de 24 Go en Q4KM : Qwen3.6-27B d'Alibaba, modèle dense sorti en avril 2026 et orienté codage agentique (environ 16 Go de VRAM) ; Qwen3.6-35B-A3B, une architecture à mélange d'experts (35B au total, 3B actifs par token) qui décode plus vite tout en nécessitant environ 20 Go ; Gemma 4 26B de Google DeepMind, publié le 2 avril 2026, première génération Gemma entièrement ouverte, avec une variante MoE 26B à 3,8B actifs adaptée à la vision et à plus de 140 langues ; Mistral Small 3.2 24B, assistant quotidien dense de 24B ne nécessitant qu'environ 14 Go ; et gpt-oss-20b d'OpenAI, modèle de raisonnement ouvert à architecture MoE de 21B de paramètres au total. Cette évolution change concrètement la donne pour les développeurs et entreprises qui veulent exploiter l'IA générative sans dépendre du cloud. Une carte à 24 Go, accessible par rapport aux configurations multi-GPU professionnelles, permet désormais de faire tourner des modèles capables de coder, de raisonner ou de traiter des entrées multimodales, avec suffisamment de marge pour un contexte long et une vitesse de réponse compatible avec un usage interactif ou agentique. Cela réduit la dépendance aux API payantes des grands fournisseurs, protège la confidentialité des données traitées localement, et démocratise l'accès à des capacités jusque-là réservées aux infrastructures cloud coûteuses. Pour les équipes techniques, choisir le bon modèle selon l'usage, codage, chat général, vision ou raisonnement, devient aussi important que le choix du matériel lui-même. Cette bascule s'inscrit dans une dynamique plus large de course à l'efficacité chez les grands laboratoires. Alibaba, Google DeepMind, Mistral et OpenAI ont tous publié en 2026 des modèles ouverts optimisés pour tourner sur du matériel grand public, signe que l'open source reste un terrain de compétition stratégique face aux modèles propriétaires. Les architectures à mélange d'experts, comme celles de Qwen ou Gemma, illustrent une tendance de fond : privilégier la vitesse d'inférence plutôt que la seule taille brute, quitte à complexifier la gestion mémoire puisque tous les experts doivent rester chargés en VRAM même si peu sont activés à chaque étape. Mistral a par ailleurs lancé des modèles plus volumineux en 2026, désormais hors de portée d'une seule carte 24 Go, ce qui laisse présager une segmentation croissante entre modèles taillés pour l'inférence locale et modèles réservés aux infrastructures serveur.

LLMs≡Tuto

1 source

37

1128Apple Machine Learning 

« LVSum, un benchmark pour la synthèse de longues vidéos avec repères temporels »

Des chercheurs ont présenté LVSum, un nouveau benchmark conçu pour évaluer la capacité des grands modèles multimodaux (MLLM) à résumer des vidéos longues tout en respectant leur chronologie. Le jeu de données rassemble 72 vidéos couvrant 13 domaines différents, pour une durée moyenne de 16 minutes chacune. Chaque vidéo a été annotée manuellement, avec jusqu'à dix résumés produits par des humains et intégrant des références temporelles précises, c'est-à-dire des indications sur le moment exact où se produit chaque événement résumé. Les auteurs ont ensuite mené une évaluation approfondie des modèles multimodaux existants sur cette tâche. L'enjeu est de taille pour l'industrie de l'IA vidéo : la plupart des modèles actuels peinent à maintenir une cohérence temporelle sur des contenus longs, produisant des résumés qui perdent le fil chronologique ou qui ne peuvent pas être reliés précisément aux passages vidéo correspondants. Un résumé fiable et daté dans le temps est pourtant essentiel pour des usages concrets comme la modération de contenu, l'indexation de vidéothèques, l'accessibilité ou l'analyse automatisée de conférences et de réunions filmées. Ce travail s'inscrit dans une dynamique plus large de recherche sur la compréhension vidéo par l'IA, où les benchmarks existants se concentrent souvent sur des clips courts ou négligent la dimension temporelle. En proposant des annotations humaines fines et diversifiées par domaine, LVSum vise à combler ce manque et à devenir une référence pour mesurer les progrès des futurs modèles multimodaux sur les vidéos longues, un terrain encore largement à défricher pour les grands laboratoires d'IA.

Recherche❖Paper

1 source

34

1129Apple Machine Learning 

RayRoPE : encodage positionnel projectif par rayons pour l'attention multi-vues

Des chercheurs en vision par ordinateur présentent RayRoPE, une nouvelle méthode d'encodage positionnel destinée aux transformeurs multi-vues, ces modèles qui traitent simultanément des tokens issus de plusieurs images prises sous différents angles avec une caméra localisée dans l'espace. L'objectif est de doter chaque patch d'image d'une position unique tout en permettant une attention invariante aux transformations rigides SE(3), c'est à dire insensible aux rotations et translations de la scène filmée, avec une similarité à plusieurs fréquences. La méthode s'appuie sur le rayon optique associé à chaque patch, mais au lieu d'utiliser uniquement sa direction, comme le font les approches existantes, RayRoPE exploite un point prédit le long de ce rayon pour encoder la position de manière adaptée à la géométrie réelle de la scène. Cette avancée technique cible un problème central pour les systèmes de vision par ordinateur en 3D, comme la reconstruction de scènes, la génération de vues nouvelles ou la navigation robotique à partir de plusieurs caméras. Les chercheurs montrent que les schémas d'encodage existants, qu'ils soient absolus ou relatifs, échouent à combiner simultanément unicité, invariance géométrique et adaptabilité à la structure de la scène observée. En comblant cette lacune, RayRoPE pourrait améliorer la précision et la robustesse des modèles qui doivent raisonner sur la position relative d'objets capturés sous des angles multiples. Ces travaux s'inscrivent dans une dynamique de recherche plus large autour des encodages positionnels rotatifs, popularisés par RoPE dans les modèles de langage, désormais adaptés aux données visuelles tridimensionnelles. À mesure que les applications de perception multi-caméra se multiplient, en robotique, en réalité augmentée ou dans les véhicules autonomes, la capacité des transformeurs à comprendre la géométrie 3D sous-jacente aux images devient un enjeu de recherche majeur, ouvrant la voie à des architectures encore plus fidèles à la structure réelle du monde observé.

Recherche❖Paper

1 source

37

1130MarkTechPost 

Feyn AI lance SQRL, une famille de modèles texte-vers-SQL qui inspecte la base de données avant d'écrire une requête

La startup américaine Feyn AI, soutenue par Y Combinator, a publié SQRL, une famille de modèles text-to-SQL qui inspecte la base de données avant de rédiger sa requête, plutôt que de la générer d'un seul coup. Le modèle phare, SQRL-35B-A3B, atteint 70,6% de précision d'exécution sur le benchmark BIRD Dev, dépassant Claude Opus 4.6, crédité de 68,77% sur la même évaluation. Trois versions sont disponibles en accès libre sur Hugging Face : SQRL-4B, SQRL-9B et SQRL-35B-A3B. Concrètement, le modèle reçoit une question, le schéma de la base et, éventuellement, des indices supplémentaires. S'il dispose d'assez d'informations, il répond immédiatement. Sinon, il exécute des requêtes de lecture seule pour explorer les données avant de formuler sa réponse finale, dans la limite de cinq inspections. Techniquement, le système distingue deux actions : un bloc pour interroger la base et observer le résultat, et un bloc pour livrer la requête définitive. Cette approche s'attaque à un problème que la traduction pure ne résout pas : une requête SQL peut être syntaxiquement parfaite et pourtant renvoyer une réponse fausse, par exemple en joignant les mauvaises tables ou en mal interprétant une valeur ambiguë comme un nom de comté orthographié différemment selon les lignes. Un schéma de base de données ne révèle ni ces incohérences ni les doublons générés par certaines jointures, alors qu'une inspection directe des données le peut. Pour les entreprises qui exposent leurs bases à des assistants en langage naturel, cette capacité à vérifier avant de répondre réduit le risque de décisions prises sur des chiffres erronés, sans nécessiter les pipelines coûteux à plusieurs appels vers des modèles frontières que ce niveau de fiabilité exigeait jusqu'ici. Le secteur du text-to-SQL oscillait jusque-là entre deux approches: les modèles à génération unique, rapides mais sujets aux erreurs d'interprétation, et les pipelines complexes combinant récupération de contexte, génération de plusieurs candidats et sélection, coûteux en calcul et en allers-retours vers la base. SQRL vise à fusionner les deux logiques dans un seul modèle, qui ne paie le coût d'une inspection que lorsque la question l'exige réellement. Pour l'entraîner à cette discipline, Feyn a d'abord nettoyé ses données issues des benchmarks BIRD et Spider, écartant les exemples dont la requête de référence ne produisait aucun résultat exploitable, puis a fait valider les paires restantes par trois modèles juges chargés de vérifier que chaque requête répondait bien à la question posée.

LLMs⚡Actu

1 source

42

1131MarkTechPost 

Alibaba dévoile Qwen3.8-Max, un modèle multimodal de 2 400 milliards de paramètres, quelques jours après le lancement du modèle ouvert Kimi K3 de Moonshot

Alibaba a dévoilé le 19 juillet 2026, lors de la World AI Conference (WAIC) de Shanghai, une version de démonstration de Qwen3.8-Max, présentée par l'équipe Qwen comme le prochain modèle phare du groupe. Selon Alibaba, il compterait 2 400 milliards de paramètres et se classerait juste derrière Fable 5 parmi les systèmes évalués en interne, mais aucun tableau de benchmarks, aucune fiche technique et aucune licence n'ont été publiés pour étayer ce chiffre. L'accès à cette préversion est déjà ouvert via l'abonnement Token Plan d'Alibaba, ainsi que via Qoder et QoderWork, à 10 % du tarif standard. Le développeur Qwen Shuai Bai a précisé qu'il s'agit du premier modèle multimodal de l'équipe dépassant les 1 000 milliards de paramètres, capable de traiter texte, images, vidéo et documents, et censé surpasser Qwen3.7-Max en codage, développement full-stack, analyse de données et tâches bureautiques. L'annonce est tombée deux jours seulement après le lancement par Moonshot AI de Kimi K3, un modèle à poids ouverts de 2 800 milliards de paramètres, ce qui situe clairement Qwen3.8 dans une course de vitesse entre laboratoires chinois plutôt que dans une simple mise à jour de gamme. Ce que cette annonce change concrètement reste flou tant que les chiffres ne sont pas vérifiés. Le nombre total de paramètres ne reflète pas la puissance de calcul réellement utilisée: Alibaba n'a toujours pas communiqué le nombre de paramètres activés par token, la donnée qui détermine le coût réel de mise en production d'un modèle à mélange d'experts épars (MoE). L'historique de la famille Qwen invite à la prudence: Qwen3-235B-A22B n'active que 22 milliards de paramètres sur ses 235 milliards, et Qwen3-30B-A3B environ 3 milliards seulement. La compatibilité annoncée avec les protocoles OpenAI et Anthropic est en revanche un argument concret pour les développeurs, puisque les agents de codage existants pourraient basculer vers Qwen3.8 sans reconstruire leur infrastructure. Pour l'instant, la seule base vérifiable reste Qwen3.7-Max, lancé en mai 2026 en poids fermés: 92,4 sur GPQA Diamond, 80,4 % sur SWE-bench Verified, 69,7 sur Terminal-Bench 2.0, une fenêtre de contexte d'un million de tokens, à 1,25 dollar par million de tokens en entrée et 3,75 dollars en sortie. Cette annonce s'inscrit dans une compétition de plus en plus frontale entre laboratoires chinois pour la position de leader sur les modèles ouverts, Alibaba et Moonshot AI cherchant chacun à occuper le devant de la scène lors des grands rendez-vous comme la WAIC. Alibaba avait déjà promis l'ouverture des poids pour ses précédents modèles Max sans jamais tenir cette promesse, ce qui pousse à attendre une date précise, une licence et surtout la publication d'un vrai tableau de benchmarks avant de valider les affirmations sur les performances de Qwen3.8.

LLMs❧Opinion

1 source

45

1132The Decoder 

Google Deepmind affirme que les générateurs vidéo possèdent déjà les modèles du monde qui manquaient à la vision par ordinateur

Google DeepMind a présenté GenCeption, un système qui détourne un générateur vidéo de son usage habituel pour lui faire accomplir des tâches classiques de vision par ordinateur, comme l'estimation de profondeur ou la segmentation d'images. Le modèle atteint des performances comparables aux meilleurs systèmes spécialisés actuels, alors qu'il a été entraîné avec beaucoup moins de données. Fait notable, son entraînement s'est appuyé presque exclusivement sur des vidéos synthétiques plutôt que sur des images réelles, une approche qui réduit considérablement les besoins en données annotées manuellement. Cette prouesse technique alimente un débat déjà vif dans la communauté de l'intelligence artificielle : les générateurs vidéo, conçus à l'origine pour produire des images animées réalistes, contiendraient-ils déjà, en creux, une forme de modèle universel du monde physique ? Si cette hypothèse se confirme, les implications sont importantes pour l'industrie de la vision par ordinateur, qui pourrait voir converger deux familles de systèmes jusqu'ici séparées, les modèles génératifs et les modèles de perception. Cela ouvrirait la voie à des architectures plus polyvalentes, capables à la fois de générer et de comprendre le monde visuel, réduisant les coûts de développement pour des applications comme la robotique, la conduite autonome ou l'analyse d'images médicales. Le débat sur les modèles du monde occupe une place centrale dans la recherche en IA depuis plusieurs années, porté notamment par des chercheurs comme Yann LeCun chez Meta, qui plaide pour des architectures capables d'apprendre une représentation implicite de la physique et de la causalité plutôt que de simplement prédire des pixels. Les résultats de Google DeepMind suggèrent que les générateurs vidéo, entraînés uniquement à prédire des séquences d'images plausibles, développent malgré tout une compréhension exploitable de la structure du monde réel. Reste à savoir si cette capacité se généralise à d'autres tâches de vision plus complexes, et si les grands laboratoires d'IA, entre Google, Meta et OpenAI, orienteront davantage leurs futurs modèles vers cette convergence entre génération et perception.

Recherche❖Paper

1 source

42

1133The Decoder 

Kimi K3 de Moonshot devance Fable 5 sur le code frontend, mais accuse un net retard en mathématiques complexes

Kimi K3, le nouveau modèle du laboratoire chinois Moonshot AI, vient de s'imposer en tête du classement Code Arena dans la catégorie développement frontend, devançant nettement Claude Fable 5 d'Anthropic et GPT-5.6 Sol d'OpenAI. Il s'agit d'une première pour un modèle chinois sur ce classement spécifique, qui évalue la qualité du code d'interface utilisateur généré par les modèles de langage. Mais ce succès a ses limites : sur le test FrontierMath Tier 4, qui mesure les capacités de raisonnement mathématique avancé, Kimi K3 plafonne à environ 39 %, alors que les modèles phares d'OpenAI et d'Anthropic atteignent des scores proches de 90 %. Ce contraste de performances illustre une tendance de fond dans la course aux modèles de langage : l'écart entre les laboratoires chinois et américains se resserre fortement sur certaines tâches pratiques comme la génération de code, mais reste béant sur le raisonnement abstrait le plus exigeant. Pour les développeurs et les entreprises qui choisissent un modèle selon leurs besoins concrets, cela signifie qu'un modèle comme Kimi K3 peut devenir un choix pertinent et probablement moins coûteux pour des tâches de développement frontend, tout en restant inadapté à des usages nécessitant un raisonnement mathématique poussé, comme la recherche scientifique ou l'ingénierie complexe. Ce résultat s'inscrit dans la compétition croissante entre Moonshot, une start-up chinoise soutenue notamment par Alibaba, et les géants américains de l'IA générative. Depuis plusieurs mois, les laboratoires chinois comme Moonshot, DeepSeek ou Alibaba multiplient les annonces de modèles rivalisant sur des benchmarks spécifiques, sans toujours égaler les ténors américains sur l'ensemble des critères. La spécialisation par domaine de compétence pourrait devenir un argument de différenciation clé, chaque acteur cherchant à dominer des niches précises plutôt qu'à viser une supériorité généralisée.

LLMs❖Paper

1 source

40

1134The Decoder 

L'IA a du mal à détecter les textes générés quand les modèles imitent le style d'un auteur

Un article français de 3 paragraphes, sans titre, respectant le format demandé. Epoch AI a testé trois détecteurs de texte généré par intelligence artificielle parmi les plus utilisés, Pangram, GPTZero et Originality.ai, en les confrontant à des textes où des modèles de langage imitaient le style d'un auteur précis. Résultat : jusqu'à 18 % des passages générés par IA sont passés inaperçus, échappant totalement à la détection. Pour les écrits scientifiques, ce taux d'échec grimpe jusqu'à 48 %, soit près d'un texte sur deux. Ce chiffre est particulièrement préoccupant puisque la rédaction scientifique constitue justement le domaine où ces outils de détection sont le plus utilisés en pratique, notamment par les revues académiques et les institutions de recherche pour vérifier l'intégrité des soumissions. Cette faille a des conséquences concrètes pour tous ceux qui s'appuient sur ces détecteurs pour garantir l'authenticité d'un contenu, qu'il s'agisse d'éditeurs scientifiques, d'établissements d'enseignement ou de plateformes éditoriales. Si un texte généré par IA peut se faire passer pour une production humaine simplement en imitant le style d'un auteur, la valeur de ces outils comme rempart contre la fraude académique ou la désinformation s'en trouve fortement réduite. Cela remet en question la fiabilité des politiques qui s'appuient exclusivement sur ces détecteurs, notamment dans les procédures d'évaluation de travaux universitaires ou de manuscrits scientifiques, où les enjeux de crédibilité et d'intégrité sont particulièrement élevés. Cette étude s'inscrit dans un contexte de course technologique constante entre générateurs et détecteurs de texte IA, où chaque amélioration des modèles de langage tend à rendre obsolètes les méthodes de détection existantes. Les techniques de mimétisme stylistique, qui permettent à un modèle de reproduire les tournures et le ton propres à un auteur donné, représentent une nouvelle stratégie de contournement particulièrement efficace. Face à ces résultats, la question se pose de savoir si les détecteurs actuels peuvent réellement suivre le rythme des avancées des modèles génératifs, ou si d'autres approches, comme la vérification par filigrane numérique ou des méthodes hybrides combinant plusieurs signaux, devront prendre le relais pour garantir l'authenticité des contenus à l'avenir.

Recherche❖Paper

1 source

40

1135The 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

1136MarkTechPost 

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

1137MarkTechPost 

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

1138VentureBeat 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

1139MarkTechPost 

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

1140MarkTechPost 

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