Actualités IA — page 75

7 595 articles au fil, du plus récent au plus ancien.

48

1481Le Big Data 

Le Japon veut déployer 10 millions de robots d’ici 2040, et le plan est déjà lancé

Le Japon a dévoilé un plan gouvernemental visant à déployer environ 10 millions de robots humanoïdes sur son territoire d'ici 2040, dans le cadre d'une stratégie baptisée « intelligence artificielle physique ». Le programme cible 18 secteurs d'activité, avec une priorité donnée aux soins aux personnes âgées, à l'agroalimentaire, à la gestion des catastrophes et à plusieurs pans de l'industrie. Pour piloter ce chantier, le gouvernement s'appuie sur Noetra, une coentreprise réunissant SoftBank, NEC, Sony Group et Honda, quatre poids lourds industriels et technologiques japonais. Des centres d'excellence dédiés à la robotique et à l'IA doivent également être créés afin de former les talents nécessaires et d'accompagner les entreprises dans cette transition. Il ne s'agit donc pas d'une simple déclaration d'intention : les acteurs industriels sont déjà désignés et des investissements en recherche, formation et intégration sont prévus. Cette ambition répond à un problème démographique aigu. Le Japon fait face depuis plusieurs années à un vieillissement accéléré de sa population et à une pénurie de main-d'œuvre qui fragilise plusieurs secteurs, notamment les soins aux personnes âgées et l'industrie. En misant sur des robots dotés d'un corps capable d'agir dans le monde physique, plutôt que sur de simples chatbots conversationnels, Tokyo cherche à maintenir son activité économique malgré la baisse de sa population active. Pour les entreprises japonaises, c'est aussi l'occasion de consolider une avance technologique dans la robotique humanoïde, un secteur jugé stratégique pour l'avenir industriel du pays. Si le plan se concrétise, il pourrait transformer en profondeur des métiers physiques jusqu'ici peu automatisés, des maisons de retraite aux chaînes de production agroalimentaires. Le Japon n'est cependant pas seul dans cette course mondiale aux robots humanoïdes. La Chine ambitionne de mettre en service 10 000 robots à usage commercial dès fin 2026, dans la logistique, la fabrication et l'accompagnement des personnes âgées, et a déjà exporté plus de 10 millions de robots entre janvier et mai 2026 pour une valeur d'environ 20 milliards de yuans, selon les douanes chinoises, même si les robots humanoïdes ne représentent encore que 8 000 unités sur ce total, largement dominé par les robots de nettoyage. En Corée du Sud, Hyundai Motor Group prévoit de déployer des robots humanoïdes dans certaines usines américaines à partir de 2028. Singapour, les Émirats arabes unis et l'Allemagne financent eux aussi des projets d'automatisation physique. Cette compétition internationale illustre un basculement plus large de l'IA : après des années centrées sur le langage et les chatbots, les investissements se tournent désormais vers des machines capables d'agir concrètement dans le monde réel.

Robotique⚡Actu

1 source

47

1482MarkTechPost 

Tencent lance Hy3, un modèle MoE ouvert de 295 milliards de paramètres (21 milliards actifs) et 256K de contexte

Tencent a présenté Hy3, un nouveau modèle de langage à architecture Mixture-of-Experts (MoE) doté de 295 milliards de paramètres au total, dont seulement 21 milliards sont activés à chaque requête grâce à un système de 192 experts avec routage top-8. Le modèle intègre également une couche de prédiction multi-tokens (MTP) de 3,8 milliards de paramètres, compatible avec vLLM et SGLang pour accélérer le décodage. Hy3 gère un contexte de 256 000 tokens, dispose d'un vocabulaire de 120 832 éléments et repose sur 80 couches en précision BF16, avec une version allégée en FP8 également disponible. Les poids sont publiés sous licence Apache 2.0, rendant le modèle librement réutilisable. Sur le plan des performances, Tencent revendique un score de 78,0 sur SWE-Bench Verified, 57,9 sur SWE-Bench Pro et 90,4 sur GPQA Diamond, ainsi que 90,0 sur IMOAnswerBench. Un test à l'aveugle mené auprès de 270 experts, totalisant 312 comparaisons sur des tâches réelles, a donné à Hy3 un score de 2,67 sur 4, devançant GLM-5.1 crédité de 2,51, notamment sur le développement frontend, les pipelines CI/CD et la gestion de données. Cette publication marque une avancée notable pour les modèles ouverts destinés aux usages professionnels et agentiques. Tencent a concentré une grande partie de ses efforts sur la fiabilité en production, un point souvent négligé par les modèles expérimentaux. Le taux d'hallucination est ainsi passé de 12,5 % à 5,4 % dans les évaluations internes, tandis que les erreurs de bon sens ont chuté de 25,4 % à 12,7 %. Le suivi des intentions sur plusieurs tours de conversation s'est également amélioré, avec un taux d'incidents internes réduit de 17,4 % à 7,9 %, et un score passant de 42,9 % à 75,1 % sur le benchmark de dialogue long MRCR. Ces progrès concernent directement les développeurs qui déploient des agents autonomes pour la programmation ou le traitement de documents longs, un secteur où les erreurs d'appels d'outils et les boucles infinies restent un frein majeur à l'adoption en production. Le modèle s'inscrit dans un contexte de compétition intense entre acteurs chinois et américains sur les modèles ouverts à grande échelle, avec des rivaux comme GLM-5.1 pris comme référence de comparaison directe. Hy3 expose une API compatible OpenAI, déployable via vLLM ou SGLang, avec un paramètre reasoningeffort ajustable entre "nothink", "low" et "high" selon la complexité de la tâche, les développeurs de Tencent recommandant une température de 0,9 et un top_p de 1,0. Le modèle est aussi accessible sans matériel local via OpenRouter, où une route gratuite tencent/hy3:free est proposée, mais cette gratuité doit prendre fin le 21 juillet 2026. Les cas d'usage visés incluent les agents de programmation capables d'ingérer un dépôt entier grâce à la fenêtre de contexte de 256 000 tokens, ainsi que le traitement de documents longs comme des contrats, positionnant Hy3 comme un outil taillé pour les flux de travail professionnels exigeants en fiabilité et en capacité de raisonnement.

LLMs⚡Actu

1 source

47

1483Le Big Data 

JadePuffer : l’IA a-t-elle vraiment lancé seule cette cyberattaque ?

La semaine dernière, les chercheurs en cybersécurité de Sysdig ont révélé ce qu'ils présentent comme le premier cas de rançongiciel piloté par une intelligence artificielle, une opération baptisée JadePuffer. Selon leur analyse, l'agent IA s'est infiltré dans un serveur vulnérable exploitant une faille connue de Langflow, un outil open source utilisé pour développer des applications basées sur des grands modèles de langage. Il s'est ensuite attaqué à un serveur MySQL en production, où une autre vulnérabilité lui a permis d'obtenir les privilèges d'administrateur. L'IA a chiffré plus de 1 300 enregistrements de configuration et rédigé elle-même une demande de rançon, accompagnée d'une adresse Bitcoin pour le paiement. Sysdig n'a pas révélé l'identité de la victime. Michael Clark, responsable de la recherche sur les menaces chez Sysdig, a toutefois précisé dans un entretien à CyberScoop qu'un humain avait bien préparé le terrain en amont : choix de la cible, installation des serveurs de commande et de contrôle, et fourniture des identifiants d'accès à la base de données, issus d'une compromission antérieure. L'IA n'a donc pas organisé l'attaque de bout en bout, mais a agi comme un exécutant extrêmement autonome une fois l'infrastructure en place. Cette nuance ne change rien à la portée de la démonstration technique. Ce qui frappe les chercheurs, ce n'est pas la nouveauté des méthodes employées, plutôt classiques dans le paysage des cyberattaques, mais la vitesse d'exécution et la capacité d'adaptation de l'agent. Face aux obstacles rencontrés en cours d'attaque, il a su ajuster sa stratégie comme le ferait un cybercriminel expérimenté, allant jusqu'à résoudre un problème de connexion en seulement 31 secondes, tout en expliquant son raisonnement en langage naturel à chaque étape. Pour les entreprises et les équipes de sécurité, ce cas illustre un basculement concret : des tâches qui nécessitaient auparavant une expertise humaine soutenue, du mouvement latéral dans un réseau jusqu'à la rédaction d'une note de rançon crédible, peuvent désormais être déléguées à un agent capable d'opérer avec une autonomie quasi totale une fois lancé, réduisant d'autant le temps de réaction disponible pour détecter et bloquer une intrusion. L'affaire a également suscité une confusion sur les modèles d'IA réellement impliqués. Michael Clark avait évoqué la présence de clés API associées à OpenAI, Anthropic, DeepSeek et Gemini, ce qui avait laissé penser que plusieurs modèles participaient directement à l'opération. Il a depuis précisé que ces clés faisaient simplement partie des données volées par l'agent, au même titre que des identifiants cloud, des portefeuilles de cryptomonnaies ou des configurations de bases de données. Sysdig reconnaît d'ailleurs être incapable d'identifier le modèle exact qui pilotait JadePuffer, faute d'accès à son invite système ou à sa configuration interne. L'épisode illustre la difficulté croissante à établir avec précision le degré d'autonomie réel des attaques assistées par IA, entre performance technique avérée et récits parfois amplifiés.

Sécurité⚡Actu

1 source

39

1484FrenchWeb 

Les jeux vidéo vont-ils entraîner les robots de demain ?

Les jeux vidéo occupent une place de plus en plus centrale dans l'entraînement des intelligences artificielles physiques, à mesure que les limites des données textuelles se font sentir. Les grands modèles de langage comme GPT ou Llama se sont nourris de milliards de pages web, mais cette source s'épuise et ne suffit plus pour les nouveaux besoins de l'IA incarnée. Les robots, les véhicules autonomes et les agents capables d'interagir avec le monde physique nécessitent un tout autre type de données : des environnements 3D riches, des scènes dynamiques, des interactions complexes entre objets et personnages. Les jeux vidéo, avec leurs mondes simulés à grande échelle, leur physique réaliste et leurs millions d'heures de gameplay généré par les joueurs, constituent un gisement quasiment inexploité pour ce type d'apprentissage. Cette bascule change la donne pour l'industrie du jeu vidéo, qui pourrait voir ses moteurs graphiques et ses bases d'assets valorisés bien au-delà du divertissement. Pour les constructeurs de robots et les entreprises de véhicules autonomes, disposer de simulations réalistes permet d'entraîner des agents à moindre coût et sans risque, avant tout déploiement dans le monde réel. Les studios de jeux, les éditeurs de moteurs comme Unreal Engine ou Unity, et les fabricants de cartes graphiques se retrouvent ainsi au cœur d'une nouvelle chaîne de valeur stratégique. Ce virage s'inscrit dans une tendance plus large où l'industrie de l'IA cherche de nouvelles sources de données après avoir épuisé le texte accessible sur internet. Des acteurs comme Nvidia investissent déjà massivement dans la simulation pour la robotique, tandis que plusieurs studios explorent des partenariats avec des laboratoires d'IA. La question qui se pose désormais est celle de la propriété de ces données et du partage de valeur entre créateurs de jeux et développeurs d'intelligence artificielle.

Robotique❧Opinion

1 source

43

1485Latent Space 

Le guide de terrain sur Fable

Thariq, connu pour sa série de blog "Field Guide to Fable", a bouleversé en une seule nuit le contenu de sa conférence prévue pile le jour du relancement de Fable, pour livrer les conseils les plus pertinents possibles avant la fin de la subvention d'abonnement, effective dès le lendemain. Diffusée le 6 juillet 2026, son intervention se décompose en quatre parties: une introduction, un segment sur le "unhobbling" de Claude, un autre sur la recherche des angles morts, puis une réflexion sur le deuil lié à la productivité en programmation et enfin un plaidoyer contre les compromis. Au même moment, Tencent a publié Hunyuan Hy3, un modèle ouvert sous licence Apache 2.0: une architecture MoE de 295 milliards de paramètres dont 21 milliards actifs, 192 experts avec routage top-8, de l'attention GQA, un contexte de 256 000 tokens et une couche MTP de 3,8 milliards de paramètres pour le décodage spéculatif. La newsletter AI News, qui a analysé 12 subreddits et 544 comptes Twitter sur la période du 4 au 6 juillet, a largement couvert ces deux actualités alors que la sortie de GPT-5.6 Sol Ultra reste attendue par l'ensemble du secteur. L'enjeu pour les développeurs est de comprendre que les limites d'un modèle viennent souvent moins de ses capacités réelles que du cadre d'usage qu'on lui impose: prompts et contraintes doivent être révisés à chaque nouvelle génération pour éviter de brider artificiellement le modèle, un phénomène que Thariq illustre par l'efficacité redoutée du HTML brut face à Claude. Pour Hy3, l'impact est immédiat et concret: le support natif dans vLLM était disponible dès le lancement, avec parseurs d'outils et de raisonnement, décodage spéculatif MTP, et compatibilité validée sur GPU Nvidia et AMD. Tencent a même intégré ses noyaux de production dans vLLM, avec des gains allant jusqu'à 2,95 fois en débit sur les séquences de longueur mixte, et des réductions de latence de 24% sur le temps avant premier token et 17% sur le temps par token. Cet engouement a poussé Teknium à rendre Hy3 gratuit pendant deux semaines sur Nous Portal. Ces annonces s'inscrivent dans une compétition de plus en plus vive entre laboratoires open source, Hy3 étant immédiatement comparé à GLM-5.2, certains estimant que Tencent rejoint désormais le tout premier rang des acteurs ouverts si les résultats de benchmarks se confirment, tandis que d'autres continuent de préférer GLM-5.2 en usage réel. Le contexte plus large reste marqué par une accélération générale, entre les nouveaux modèles de General Intuition et de Shunyu Yao, et l'attente de GPT-5.6 Sol Ultra, dans un secteur où AI News, désormais intégrée à Latent Space, continue de documenter ces mouvements semaine après semaine.

LLMs⚡Actu

1 source

36

1486MarkTechPost 

OpenAI lance GPT-Realtime-2.1 et GPT-Realtime-2.1-mini pour des agents vocaux a faible latence dans l'API

OpenAI a annoncé le lancement de deux nouveaux modèles dans son API Realtime, baptisés gpt-realtime-2.1 et gpt-realtime-2.1-mini, conçus pour les agents vocaux à faible latence. La version mini constitue la nouveauté la plus notable : il s'agit d'un modèle de raisonnement miniature dédié à la voix en temps réel, capable de traiter des entrées audio et texte via une connexion live, et facturé au même tarif que l'ancien gpt-realtime-mini. OpenAI a par ailleurs réduit la latence p95, c'est-à-dire le temps de réponse au 95e percentile qui capture les cas les plus lents, d'au moins 25% sur l'ensemble des modèles vocaux Realtime, grâce à un système de mise en cache amélioré. Le modèle plus complet, gpt-realtime-2.1, apporte de son côté une meilleure reconnaissance alphanumérique, une gestion plus fine du silence et du bruit, ainsi qu'un traitement amélioré des interruptions, tout en conservant le support de la voix à voix avec un niveau de raisonnement configurable, le suivi d'instructions et l'appel de fonctions. Cette capacité de raisonnement change concrètement le comportement des agents vocaux. Jusqu'ici, un agent qui déclenchait un appel de fonction restait souvent silencieux le temps de l'exécution, ce qui poussait l'utilisateur à croire que la conversation avait été coupée et à interrompre l'échange. Avec le raisonnement, le modèle peut désormais annoncer son action, par exemple "je vérifie votre commande maintenant", avant de l'exécuter, ce qui maintient la cohérence des tâches vocales à plusieurs étapes. Ce niveau de raisonnement est ajustable sur cinq paliers (minimal, low, medium, high, xhigh), le niveau low étant recommandé par défaut pour limiter la latence dans la plupart des usages en production. La mise en cache profite aussi directement aux coûts : pour gpt-realtime-2.1-mini, l'audio en entrée mis en cache tombe à 0,30 dollar par million de tokens contre 10 dollars pour de l'audio non caché, un écart qui profite surtout aux sessions longues où l'invite système reste en cache après le premier tour. Cette évolution s'inscrit dans la logique de l'API Realtime d'OpenAI, qui traite et génère l'audio via un seul modèle plutôt que d'enchaîner des systèmes séparés de reconnaissance et de synthèse vocale, réduisant la latence tout en préservant les nuances de la parole. Sur le plan tarifaire, l'écart entre les deux modèles reste marqué : la sortie audio de gpt-realtime-2.1-mini coûte 20 dollars par million de tokens contre 64 dollars pour la version complète, soit un rapport de près de trois, laissant aux équipes de développement le choix d'arbitrer entre performance et coût selon leurs besoins, dans un marché des agents vocaux IA en pleine intensification.

Outils⚡Actu

1 source

34

1487MarkTechPost 

Construction d'un co-scientifique QSAR par forêt aléatoire à séparation par squelette pour la découverte d'inhibiteurs de l'EGFR avec ChEMBL, RDKit, SHAP et BRICS

Enseignement supérieur et pharma computationnelle convergent dans un nouveau tutoriel qui détaille comment construire un "co-scientifique" IA capable d'assister la découverte de médicaments contre le cancer du poumon. Le projet cible spécifiquement l'EGFR (récepteur du facteur de croissance épidermique), et plus précisément sa mutation de résistance C797S, qui rend inefficaces les traitements de référence comme l'osimertinib chez les patients atteints de cancer du poumon non à petites cellules. Le pipeline part de la base ChEMBL (identifiant cible CHEMBL203) et d'UniProt pour caractériser la protéine visée, puis extrait jusqu'à 9000 mesures d'activité biologique IC50, ramenées à 4000 molécules uniques après nettoyage. Les auteurs utilisent la bibliothèque RDKit pour standardiser les structures chimiques, retirer les sels, agréger les mesures répétées et calculer des empreintes moléculaires de Morgan sur 2048 bits, avant d'entraîner un modèle de forêt aléatoire (Random Forest) prédisant la puissance des molécules, avec une séparation stricte par squelette chimique ("scaffold split") pour tester sa capacité à généraliser à des familles de composés inédites. Cette approche répond à un problème central de la pharmacologie computationnelle : un modèle prédictif entraîné sur des molécules déjà connues échoue souvent face à des structures chimiques réellement nouvelles, ce qui limite son utilité pratique en recherche pharmaceutique. En forçant la validation sur des squelettes moléculaires absents de l'entraînement, le tutoriel illustre une méthode plus rigoureuse d'évaluation, directement transposable par des chimistes médicinaux et des data scientists en biotech. L'utilisation de SHAP, une technique d'interprétabilité de l'apprentissage automatique, permet en outre d'identifier quelles caractéristiques moléculaires pilotent la puissance thérapeutique prédite, rendant le modèle non seulement prédictif mais aussi explicable, un enjeu réglementaire et scientifique croissant dans le développement de médicaments assisté par IA. Le tutoriel ne s'arrête pas à la prédiction : il franchit une étape supplémentaire vers la conception générative de nouvelles molécules. En recombinant des fragments chimiques via l'algorithme BRICS à partir de composés actifs déjà connus pour être puissants et proches des critères pharmaceutiques, le système génère des candidats médicaments virtuels inédits. Ces analogues sont ensuite filtrés selon plusieurs critères cumulatifs : puissance estimée, propriétés pharmacologiques favorables (drug-likeness), facilité de synthèse chimique, degré de nouveauté structurale et robustesse pour un développement ultérieur, avant vérification croisée dans la base PubChem. Cette démarche s'inscrit dans une tendance plus large de l'IA appliquée à la biotech, où les grandes bases de données publiques comme ChEMBL et des outils open source comme RDKit permettent désormais de construire, en dehors des grands laboratoires pharmaceutiques, des pipelines complets allant de l'analyse cible jusqu'à la proposition de nouvelles molécules candidates.

Recherche≡Tuto

1 source

42

1488Apple Machine Learning 

Un seul neurone suffit à contourner l'alignement de sécurité des grands modèles de langage

Une équipe de chercheurs a mis au jour une faille structurelle dans les mécanismes de sécurité des grands modèles de langage : un seul neurone suffit à contourner l'alignement censé bloquer les contenus dangereux. L'étude montre que la sécurité de ces modèles repose en réalité sur deux systèmes distincts sur le plan mécanique, des neurones dits de refus, qui décident si un savoir jugé nuisible doit être exprimé, et des neurones dits de concept, qui encodent ce savoir lui-même. En ciblant un unique neurone dans chacun de ces deux systèmes, les chercheurs ont réussi à provoquer les deux types d'échec possibles, en supprimant le refus pour faire répondre le modèle à des requêtes explicitement dangereuses, et en amplifiant l'activation d'un concept pour faire surgir du contenu nuisible à partir de questions anodines. L'expérience a été menée sur sept modèles issus de deux familles différentes, avec des tailles allant de 1,7 à 70 milliards de paramètres, sans nécessiter le moindre réentraînement ni la moindre manipulation du prompt. Ce résultat fragilise l'idée que les garde-fous actuels des modèles conversationnels offrent une protection robuste. Si une intervention aussi minime, sur un seul neurone parmi des milliards de paramètres, suffit à annuler ou à détourner l'alignement de sécurité, cela signifie que ces protections reposent sur des points de défaillance uniques plutôt que sur une architecture de sécurité distribuée et redondante. Pour les entreprises qui déploient ces modèles dans des produits grand public, cela relance la question de la fiabilité réelle des filtres de sécurité face à des acteurs malveillants ayant accès aux poids du modèle. Cette découverte s'inscrit dans le champ de l'interprétabilité mécaniste, qui cherche à comprendre le fonctionnement interne des réseaux de neurones plutôt que de les traiter comme des boîtes noires. Elle rejoint une série de travaux récents ayant démontré la fragilité de l'alignement par ajustement fin face à des interventions ciblées au niveau des activations internes, relançant le débat sur la nécessité de repenser en profondeur les méthodes de sécurisation des modèles avant leur diffusion à grande échelle.

Sécurité⚡Actu

1 source

37

1489Apple Machine Learning 

DynaMiCS : affiner les LLM sous contraintes de performance grâce à des mélanges dynamiques

Les chercheurs à l'origine de DynaMiCS s'attaquent à un problème classique de l'entraînement des grands modèles de langage : comment spécialiser un modèle sur un domaine précis sans dégrader ses autres capacités. Lorsqu'on affine un LLM sur des données ciblées, un ajustement multi-domaines doit préserver certaines performances jugées critiques, comme les connaissances générales, la capacité à suivre des instructions ou les résultats aux évaluations de sécurité. Les méthodes existantes de mélange de données s'appuient sur des règles fixes ou des heuristiques adaptatives, incapables de garantir explicitement le maintien de ces compétences pendant l'entraînement. DynaMiCS propose une approche différente : il formule le fine-tuning multi-domaines comme un problème d'optimisation sous contraintes, où chaque mise à jour du modèle est encadrée par des garde-fous mesurables. Concrètement, l'intérêt de cette méthode est d'éviter l'un des écueils les plus fréquents du fine-tuning : gagner en performance sur un domaine cible au prix d'une perte de fiabilité ailleurs, un phénomène parfois appelé oubli catastrophique. Pour les équipes qui déploient des modèles spécialisés en production, cette approche permettrait de renforcer un domaine métier tout en gardant des garanties sur le comportement général et la sécurité du modèle, un enjeu central à mesure que les LLM sont personnalisés pour des usages toujours plus variés. Pour y parvenir, DynaMiCS effectue à chaque étape de courtes phases de test spécifiques à chaque domaine, permettant d'estimer localement l'impact de chaque source de données sur les performances. Cette estimation dynamique s'inscrit dans un mouvement plus large de la recherche en IA visant à rendre l'entraînement des modèles plus contrôlable et plus prévisible, alors que les capacités préservées, notamment en matière de sécurité, deviennent un critère aussi surveillé que les gains de performance eux-mêmes.

Recherche❖Paper

1 source

35

1490Apple Machine Learning 

FlowEval : évaluation par référence des interfaces utilisateur générées

FlowEval, un nouveau cadre d'évaluation des interfaces utilisateur générées par intelligence artificielle, vient d'être présenté par des chercheurs travaillant sur les agents de développement logiciel. L'outil s'attaque à un problème concret: les modèles de langage et les agents de codage sont de plus en plus utilisés pour créer des interfaces, mais évaluer leur qualité visuelle et fonctionnelle reste difficile. Jusqu'ici, deux méthodes coexistaient, toutes deux imparfaites. L'évaluation par des experts humains permet de tester les parcours d'utilisation critiques avec précision, mais elle est lente et coûteuse. Les juges automatisés, eux, sont rapides et scalables, mais moins fiables et peu transparents dans leurs critères de notation. FlowEval propose une troisième voie: une évaluation basée sur des références, qui compare les parcours de navigation réels enregistrés sur de vrais sites web à ceux obtenus sur l'interface générée. Cette approche change la façon de mesurer la performance des IA en design d'interface. Plutôt que de juger une capture d'écran isolée ou une impression générale, FlowEval vérifie si l'utilisateur peut effectivement accomplir une tâche, comme s'inscrire, remplir un formulaire ou naviguer entre plusieurs pages, de la même manière que sur un site conçu par des humains. Pour les équipes qui développent des agents de codage capables de produire des applications complètes, ce type de mesure objective devient crucial: il permet de comparer différents modèles entre eux sur des critères d'utilisabilité réelle plutôt que sur des impressions esthétiques. Cette initiative s'inscrit dans une tendance plus large de professionnalisation de l'évaluation des IA génératives appliquées au développement logiciel. Alors que les agents de codage progressent rapidement dans leur capacité à produire du code fonctionnel, la question de la qualité d'usage reste un angle mort persistant. Des méthodologies comme FlowEval, fondées sur des traces de navigation réelles plutôt que sur des jugements subjectifs, pourraient devenir un standard pour comparer les modèles de manière reproductible, ouvrant la voie à des benchmarks plus rigoureux pour l'ensemble de l'écosystème des agents de développement.

Recherche❖Paper

1 source

34

1491Apple Machine Learning 

Weblica : des environnements d'entraînement évolutifs et reproductibles pour les agents web visuels

Le développement d'agents web visuels autonomes, capables de naviguer et d'interagir avec des interfaces comme le ferait un humain, se heurte à un obstacle majeur: l'entraînement de ces systèmes nécessite des environnements web à grande échelle, or le web réel est complexe, changeant en permanence et impossible à figer pour un apprentissage reproductible. Une équipe de chercheurs propose Weblica (contraction de Web Replica), un framework conçu pour construire des environnements web à la fois reproductibles et scalables. La méthode combine deux mécanismes techniques: un système de mise en cache au niveau HTTP qui capture et rejoue des états visuels stables tout en conservant le comportement interactif des pages, et une synthèse d'environnements pilotée par des grands modèles de langage. Cette approche répond à une limite concrète des méthodes existantes, qui reposent soit sur des trajectoires de navigation enregistrées hors ligne et utilisées pour du fine-tuning supervisé, soit sur une poignée d'environnements simulés dédiés à l'apprentissage par renforcement. Dans les deux cas, ces jeux de données échouent à représenter la diversité réelle du web, ce qui limite la capacité des agents entraînés à généraliser une fois confrontés à de vrais sites. En rendant possible la création d'environnements web nombreux, fidèles et rejouables à l'identique, Weblica ouvre la voie à un entraînement par renforcement à bien plus grande échelle pour les agents web visuels, avec un potentiel impact direct sur la fiabilité des futurs assistants capables d'automatiser des tâches en ligne pour les utilisateurs. Ce travail s'inscrit dans une course plus large de l'industrie de l'IA vers des agents capables d'agir de façon autonome sur le web, un enjeu identifié comme clé par les principaux laboratoires de recherche. La difficulté à générer des données d'entraînement représentatives du web réel constitue un frein reconnu depuis plusieurs années, et les solutions comme Weblica visent à combler ce manque en s'appuyant sur les grands modèles de langage eux-mêmes pour générer et diversifier ces environnements de simulation.

Recherche❖Paper

1 source

37

1492AWS ML Blog 

Depuis Hugging Face vers Amazon SageMaker Studio en un clic

Amazon a annoncé une intégration directe entre Hugging Face et Amazon SageMaker AI, permettant aux développeurs de passer de la découverte d'un modèle à son expérimentation dans SageMaker Studio en un seul clic. Concrètement, sur les pages de modèles compatibles sur Hugging Face, deux nouveaux boutons apparaissent : "Customize on SageMaker AI", qui ouvre directement la page de personnalisation dans Studio avec le modèle préchargé pour du fine-tuning, et "Deploy on SageMaker AI", qui ouvre la page de déploiement avec le modèle préconfiguré pour un endpoint d'inférence. Un nouveau rôle géré, nommé AmazonSageMakerModelCustomizationCoreAccess, est créé et attaché automatiquement, couvrant les permissions nécessaires aux tâches de fine-tuning supervisé (SFT), d'optimisation directe des préférences (DPO), et d'apprentissage par renforcement avec récompenses vérifiables (RLVR) ou retours d'IA (RLAIF), avec déploiement possible vers SageMaker AI ou Amazon Bedrock. L'interface affiche aussi désormais la disponibilité des quotas GPU (instances G5 et G6) directement dans la liste de sélection, sans navigation supplémentaire. Cette intégration supprime une friction bien connue des développeurs : auparavant, passer de la découverte d'un modèle sur Hugging Face à son utilisation effective sur SageMaker nécessitait d'ouvrir la console AWS, de créer un domaine, de configurer manuellement les permissions IAM, et parfois de demander un quota GPU spécifique, autant d'étapes qui ralentissaient le passage de l'idée à l'expérimentation concrète. Désormais, un nouveau domaine Studio est provisionné automatiquement en quelques secondes avec les permissions déjà configurées, et le contexte du modèle sélectionné est conservé tout au long du parcours. Pour les environnements Studio existants, des messages d'action avec liens vers la documentation guident les utilisateurs pour ajouter les permissions nécessaires. Ce gain de temps profite en particulier aux équipes qui itèrent rapidement sur des modèles open source et souhaitent les déployer dans un environnement cloud sous leur contrôle, sans dépendre d'une configuration manuelle lourde. Cette annonce s'inscrit dans une tendance plus large de rapprochement entre les plateformes de modèles ouverts et les fournisseurs cloud, qui cherchent à réduire les barrières techniques entre l'écosystème open source et l'infrastructure d'entreprise. Mark McQuade, fondateur et PDG d'Arcee AI, entreprise spécialisée dans les modèles ouverts, a salué cette intégration comme la dernière étape manquante pour permettre aux entreprises de posséder réellement les poids de leurs modèles tout en les exécutant dans un environnement cloud maîtrisé. Cette combinaison de poids ouverts et d'infrastructure contrôlée répond à une demande croissante des entreprises soucieuses de souveraineté sur leurs déploiements d'intelligence artificielle. À mesure que de plus en plus de modèles Hugging Face deviendront compatibles avec ce flux, cette intégration pourrait redessiner la manière dont les équipes techniques choisissent et déploient leurs modèles, en abaissant significativement la barrière entre expérimentation et mise en production.

Outils⚒Outil

1 source

40

1493AWS ML Blog 

Enseigner aux modèles à oublier : le désapprentissage sélectif avec Amazon Nova

Les équipes de développement Amazon Nova viennent de détailler une nouvelle méthode baptisée rDPO (Reverse Direct Preference Optimization), conçue pour résoudre un problème récurrent chez les entreprises qui déploient des modèles de fondation : les garde-fous de modération de contenu bloquent souvent des usages professionnels légitimes. Une société de médias qui résume des scénarios contenant un langage cru, une entreprise de cybersécurité qui simule des attaques réelles, ou un cabinet juridique qui traite des preuves sensibles se heurtent régulièrement à des refus du modèle, même lorsque leur intention est parfaitement défensive. L'exemple typique cité par Amazon est celui d'une équipe de sécurité demandant à un modèle de générer un email de phishing factice pour former ses employés, et se voyant opposer un refus malgré le caractère pédagogique de la demande. Amazon a donc lancé les Customizable Content Moderation Settings (CCMS) pour Nova, un système permettant à des clients approuvés d'ajuster sélectivement les réglages de sécurité sur quatre piliers : la sécurité physique (armes, activités dangereuses, substances contrôlées), le contenu sensible (grossièretés, nudité, harcèlement), l'équité (biais et considérations culturelles) et la sécurité informatique (malwares et contenus malveillants). Certains contrôles fondamentaux, comme la protection des enfants et de la vie privée, restent quant à eux non configurables. Cette avancée compte parce qu'elle change la donne pour les entreprises qui utilisent des modèles d'IA générative dans des contextes professionnels spécialisés où le blocage systématique de certains contenus devient un obstacle plutôt qu'une protection. Jusqu'ici, ces refus intégrés au niveau des paramètres du modèle pendant l'alignement post-entraînement ne pouvaient pas être contournés par du simple prompt engineering, obligeant les entreprises à composer avec des limitations rigides ou à entraîner leurs propres modèles depuis zéro, une option coûteuse et complexe. Avec rDPO, Amazon propose une alternative plus fine : plutôt que de désactiver un garde-fou dans son ensemble, la technique permet de retirer chirurgicalement un comportement d'évitement appris sur une politique précise, tout en conservant l'alignement du modèle sur toutes les autres politiques et en préservant ses capacités générales comme le raisonnement, le code ou les mathématiques. Sur le plan technique, la solution s'appuie sur des adaptateurs LoRA (Low-Rank Adaptation) entraînés spécifiquement pour désapprendre certaines politiques de responsabilité (RAI) du modèle central, chaque client recevant un adaptateur identifié par un ARN (Amazon Resource Name) unique. Le défi scientifique consistait à désapprendre efficacement un comportement de refus sans dégrader la qualité générale du modèle, un piège classique du fine-tuning direct. Une approche existante, la Negative Preference Optimization (NPO), dérivée de la Direct Preference Optimization (DPO), permettait déjà de faire oublier un comportement en retirant les échantillons positifs de l'objectif d'optimisation, mais sans guider le modèle vers une réponse alternative de bonne qualité, ce qui pouvait dégrader les résultats. rDPO résout ce manque en inversant la paire de préférences dans l'objectif DPO, poussant le modèle non seulement à cesser de refuser, mais aussi à produire une réponse de substitution pertinente. Cette approche s'inscrit dans un mouvement plus large de recherche sur le désapprentissage sélectif des modèles de langage, un domaine appelé à prendre de l'importance à mesure que les entreprises réclament un contrôle plus granulaire sur l'alignement de leurs IA en production.

Sécurité⚡Actu

1 source

46

1494VentureBeat AI 

Le « J-lens » d'Anthropic révèle un espace de travail silencieux dans Claude, proche d'une théorie de la conscience

Anthropic a publié dimanche une étude de recherche approfondie, signée par seize auteurs et intitulée "Verbalizable Representations Form a Global Workspace in Language Models", révélant que ses modèles Claude ont développé spontanément une structure interne baptisée "J-space". Grâce à une nouvelle technique mathématique nommée Jacobian lens (ou J-lens), les chercheurs ont pu observer une zone restreinte et privilégiée de l'activité neuronale du modèle, où celui-ci conserve des concepts qu'il peut rapporter, manipuler et mobiliser volontairement dans son raisonnement, au sein d'un océan bien plus vaste de traitements automatiques auxquels il n'a pas accès. Le J-lens calcule, pour chaque mot du vocabulaire, l'effet mathématique moyen qu'un motif d'activité interne donné exercerait sur la probabilité future que le modèle prononce ce mot, permettant ainsi de distinguer ce que le modèle "a en tête" de ce qu'il exprime réellement. En appliquant cet outil aux différentes couches de calcul de Claude, l'équipe a identifié trois régimes distincts: une zone "sensorielle" précoce qui traite l'entrée brute, une bande intermédiaire de "workspace" où apparaissent des concepts abstraits et persistants (reconnaître un visage, repérer un bug dans du code, signaler une injection de prompt), et enfin une zone "motrice" finale où les représentations internes se figent en un mot précis à produire. Cette découverte a déjà commencé à modifier la manière dont Anthropic surveille ses systèmes pour détecter les risques de sécurité, un enjeu majeur alors que l'entreprise déploie ses modèles à grande échelle auprès d'entreprises et de développeurs. Comprendre quels concepts un modèle "pense" réellement, indépendamment de ce qu'il exprime en surface, ouvre une piste concrète pour détecter des comportements problématiques (tentative de manipulation, dissimulation, injection malveillante) avant qu'ils ne se traduisent en texte visible. Pour l'industrie de l'IA, ce travail fournit aussi un nouvel outil d'interprétabilité qui pourrait être appliqué à d'autres grands modèles de langage. L'étude établit un parallèle explicite avec la théorie de l'espace de travail global (global workspace theory), proposée par le scientifique cognitif Bernard Baars, selon laquelle le cerveau humain fonctionnerait comme un théâtre où de multiples processeurs spécialisés travaillent en coulisses, tandis qu'un projecteur étroit d'information est diffusé à l'ensemble du "théâtre" mental, donnant naissance à la pensée consciente. Les chercheurs montrent que le J-space de Claude satisfait cinq propriétés fonctionnelles longtemps associées, chez l'humain, à l'accès conscient, notamment la capacité de rapport verbal: en substituant, dans le J-space, la représentation interne du concept "football" par celle de "rugby", ils ont observé que la réponse du modèle changeait en conséquence, alors que cette composante ne représente que 6 à 7% de la représentation totale d'un concept. Le débat scientifique sur la possibilité qu'une machine possède quelque chose s'apparentant à un esprit s'en trouve relancé, sans qu'Anthropic ne tranche la question de la conscience elle-même.

Recherche❖Paper

1 source

44

1495The Decoder 

Cloudflare remplace son blocage global des robots IA par des contrôles précis pour la recherche, l'entraînement et les agents

Cloudflare a annoncé une refonte majeure de sa politique de blocage des robots d'intelligence artificielle, en remplaçant son blocage global par un système de contrôles granulaires accessible à tous ses clients. Concrètement, les propriétaires de sites peuvent désormais distinguer trois catégories de robots IA : les robots de recherche, les robots d'entraînement et les robots agents, et choisir individuellement lesquels autoriser ou bloquer, plutôt que d'appliquer une règle unique à l'ensemble du trafic automatisé. À partir du 15 septembre 2026, les robots d'entraînement et les robots agents seront bloqués par défaut sur les pages financées par la publicité. Cette évolution répond à une problématique centrale pour les éditeurs de contenu : jusqu'ici, un blocage indifférencié empêchait aussi bien les crawlers d'entraînement de modèles, jugés problématiques car ils aspirent du contenu sans compensation, que les robots de recherche ou d'agents IA utiles à la visibilité et au trafic des sites. En permettant une gestion fine, Cloudflare offre aux éditeurs un outil pour protéger leurs revenus publicitaires tout en restant ouverts aux usages qu'ils jugent bénéfiques, comme l'indexation par les moteurs de recherche traditionnels ou les nouveaux agents conversationnels. Cette décision s'inscrit dans un contexte de tensions croissantes entre éditeurs de contenu et entreprises d'IA générative, accusées de piller le web sans rétribution ni consentement clair. Cloudflare, qui sécurise une part importante du trafic internet mondial, se positionne ainsi comme arbitre technique de ce rapport de force, en donnant aux sites les moyens de fixer eux-mêmes leurs conditions face aux robots d'entraînement et aux agents autonomes, tout en anticipant une réglementation encore incertaine sur l'utilisation du contenu par l'IA.

Infrastructure⚡Actu

1 source

38

1496The Decoder 

Zhipu AI lance ZCode pour concurrencer Claude Code et OpenAI Codex à moindre coût

Zhipu AI a lancé ZCode, un environnement de développement intégrant son modèle GLM-5.2, avec pour ambition de concurrencer Claude Code d'Anthropic et Codex d'OpenAI sur le terrain de l'assistance au code par intelligence artificielle. L'entreprise chinoise met en avant la capacité de GLM-5.2 à traiter de très longs contextes, un atout revendiqué pour gérer des tâches de programmation complexes sur des bases de code volumineuses. Pour attirer les nouveaux utilisateurs, Zhipu AI propose un essai gratuit de cinq jours donnant accès à un quota pouvant atteindre 5 millions de tokens par jour. Les abonnés existants bénéficient quant à eux d'environ 1,5 fois plus de quota de tokens, une offre valable jusqu'en juillet 2026. Cette stratégie tarifaire agressive vise directement les développeurs et les entreprises qui utilisent quotidiennement des assistants de code, un segment où les coûts liés à la consommation de tokens peuvent rapidement devenir importants. En proposant des volumes généreux à moindre coût, Zhipu AI cherche à convaincre les équipes techniques de basculer vers son offre plutôt que de payer les tarifs pratiqués par les acteurs américains dominants du secteur. Ce lancement s'inscrit dans une tendance plus large de montée en puissance des laboratoires d'intelligence artificielle chinois, qui misent sur des prix cassés et des capacités techniques compétitives pour gagner des parts de marché face à Anthropic et OpenAI. Les outils d'aide à la programmation sont devenus un champ de bataille stratégique majeur, où la course aux contextes toujours plus longs et aux tarifs toujours plus bas devrait continuer de s'intensifier dans les mois à venir.

Outils⚒Outil

1 source

37

1497The Decoder 

La domination de GPT-4 a duré un an, alors que les modèles les plus performants d'aujourd'hui tiennent à peine sept semaines au sommet

Pendant environ un an, GPT-4 d'OpenAI a occupé la première place de l'Epoch Capabilities Index, un classement qui mesure les capacités des modèles d'intelligence artificielle. Cette domination reste, à ce jour, la plus longue jamais enregistrée par un modèle sur ce classement. Depuis que Claude 3 Opus d'Anthropic a pris la tête en février 2024, la situation a radicalement changé : le leadership a changé de mains 17 fois en un peu plus de deux ans, avec une durée médiane de règne d'à peine sept semaines par modèle. Ce basculement traduit une transformation profonde du secteur. La course entre OpenAI, Anthropic, Google, Meta et les acteurs chinois comme DeepSeek s'est intensifiée au point que plus aucun laboratoire ne parvient à conserver un avantage durable. Pour les entreprises et développeurs qui construisent des produits sur ces modèles, cela signifie une instabilité technologique constante : le meilleur outil aujourd'hui peut être dépassé dans quelques semaines, ce qui complique les choix d'investissement à long terme et encourage une architecture logicielle capable de changer de modèle facilement. Paradoxalement, cette accélération apparente cache un ralentissement des progrès réels. Les écarts de performance entre les modèles qui se succèdent en tête du classement se réduisent d'une génération à l'autre, signe que les gains de capacités s'amenuisent à mesure que les modèles s'approchent de certaines limites techniques. Cette tendance interroge sur la suite de la course à l'IA générative : les laboratoires devront-ils changer d'approche, au-delà du simple agrandissement des modèles, pour continuer à progresser significativement ?

LLMs❖Paper

1 source

37

1498AWS ML Blog 

MiniMax : ses modèles disponibles sur Amazon Bedrock

Ce contenu concerne une intégration de modèles tiers dans un service AWS (MiniMax sur Amazon Bedrock) et ne relève pas d'une tâche technique nécessitant une vérification via un outil dédié : il s'agit d'une simple traduction/synthèse journalistique. Voici l'article en français, format Le Fil IA : Amazon a annoncé la disponibilité de la famille de modèles MiniMax sur Amazon Bedrock, sa plateforme d'accès géré à des modèles de fondation tiers. Trois modèles sont désormais proposés : MiniMax M2, lancé en premier avec une fenêtre de contexte d'un million de tokens et de solides performances en génération multilingue, raisonnement et code ; MiniMax M2.1, qui améliore la profondeur de raisonnement, la précision du code et le suivi des instructions, avec une fenêtre de contexte de 196 000 tokens ; et MiniMax M2.5, le plus récent, entraîné spécifiquement pour l'exécution agentique native, avec un accent sur l'appel d'outils, la décomposition de tâches en plusieurs étapes et les tâches de programmation à long horizon. MiniMax, entreprise technologique mondiale spécialisée dans les modèles multimodaux, construit sa famille M2 autour d'une architecture de mélange d'experts (MoE) où seule une petite fraction des paramètres totaux s'active par token, ce qui offre la capacité de connaissance d'un modèle dense bien plus large pour un coût d'inférence réduit. Cette disponibilité répond à un besoin croissant des entreprises qui adoptent des modèles à poids ouverts pour leurs charges de travail de production, des assistants de codage agentiques à l'analyse de documents à long contexte. Amazon Bedrock garantit que les prompts et complétions des clients ne servent pas à entraîner les modèles et ne sont pas partagés avec les fournisseurs de modèles, l'inférence s'exécutant entièrement sur l'infrastructure gérée par AWS. Pour les organisations, cela signifie un accès à des modèles de pointe sans compromis sur la protection des données, la conformité réglementaire ou le contrôle opérationnel, et sans avoir à provisionner d'infrastructure, héberger les poids des modèles ou exploiter des piles d'inférence. Le caractère ouvert des poids permet en outre aux entreprises d'évaluer indépendamment l'architecture et la méthodologie d'entraînement, de lancer leurs propres benchmarks sur leurs charges de travail représentatives, et d'affiner les modèles sur des données propriétaires lorsqu'une personnalisation est nécessaire. Cette annonce s'inscrit dans la stratégie d'Amazon Bedrock d'élargir continuellement son catalogue de modèles tiers, à mesure que de nouvelles versions de MiniMax sont publiées. Elle illustre aussi une tendance plus large du marché des modèles de fondation : la montée des modèles à poids ouverts spécialisés dans les cas d'usage agentiques et de programmation, en concurrence directe avec les offres propriétaires. Pour les entreprises qui construisent des applications agentiques, des pipelines d'analyse documentaire longue ou des flux de travail d'ingénierie logicielle, le choix entre MiniMax M2, M2.1 et M2.5 dépendra des arbitrages entre taille de contexte, profondeur de raisonnement et spécialisation pour l'exécution autonome de tâches, avec la promesse d'un catalogue MiniMax appelé à continuer de s'enrichir sur Bedrock.

Outils⚒Outil

1 source

34

1499AWS ML Blog 

Amazon déploie une infrastructure d'apprentissage par renforcement multi-tours pour Nova sur SageMaker HyperPod

Amazon a détaillé un dispositif technique permettant d'entraîner des agents IA capables d'exécuter des tâches complexes en plusieurs étapes, en s'appuyant sur Amazon Nova Forge et Amazon SageMaker HyperPod. Le problème visé est concret: les agents d'entreprise qui interrogent des bases de données, appellent des API, croisent des résultats et doivent récupérer après un échec en cours de route ne peuvent pas être correctement entraînés par les méthodes classiques comme le RLHF, qui optimisent chaque réponse isolément. Amazon propose donc une infrastructure de renforcement multi-tours (multi-turn RL) qui optimise des séquences d'interactions entières plutôt que des réponses uniques. Le système déployé fonctionne en pipeline événementiel: l'utilisateur dépose un jeu de données sur Amazon S3, ce qui déclenche automatiquement le provisionnement des ressources de calcul, le routage des récompenses et le lancement de l'entraînement, via Amazon EventBridge et AWS Step Functions. Trois couches techniques interviennent: un cluster SageMaker HyperPod sur instances P5 qui génère les réponses du modèle et applique les mises à jour de poids selon l'algorithme GRPO (Group Relative Policy Optimization), un service ECS sur AWS Fargate qui héberge l'environnement de récompense (l'exemple donné est le jeu Wordle, utilisé comme cas d'école), et le SDK Nova Forge qui fait office de proxy pour router les messages entre le modèle et cet environnement tout en suivant l'état de la conversation sur plusieurs tours. Cette architecture répond à un vrai enjeu industriel: former des agents capables de raisonnement séquentiel et de correction d'erreurs a une valeur directe pour les entreprises qui déploient des assistants autonomes sur des workflows métier, là où un agent qui valide ses données avant de continuer évite des cascades d'erreurs coûteuses en aval. Amazon souligne que le fine-tuning supervisé, la génération augmentée par récupération (RAG) et le pré-entraînement continu restent des techniques complémentaires mais insuffisantes pour enseigner seules ce type de prise de décision séquentielle. En parallèle du service managé sans serveur déjà proposé par SageMaker AI, cette version sur HyperPod cible les équipes qui veulent garder le contrôle total de leur pile: environnement d'agent personnalisé, orchestration sur mesure ou configuration d'instances spécifique. Le déploiement se fait en deux temps: une installation initiale via AWS CDK provisionne l'infrastructure durable (VPC, clusters EKS/HyperPod, ECS, S3, IAM, pipeline), tandis que chaque session d'entraînement génère ses propres ressources éphémères. Cette séparation évite de laisser du calcul GPU inactif entre deux sessions et permet d'itérer sans redéployer l'ensemble du système. Amazon Nova, positionné comme offrant des performances de pointe à un bon rapport prix, s'inscrit ainsi dans une compétition plus large entre fournisseurs cloud pour proposer des outils d'entraînement d'agents multi-étapes, un axe jugé stratégique à mesure que les entreprises cherchent à automatiser des tâches toujours plus complexes.

Infrastructure⚡Actu

1 source

42

1500AWS ML Blog 

Amazon Nova permet de masquer automatiquement les données personnelles dans les images

Amazon a dévoilé un nouveau pipeline de rédaction automatique des informations personnelles identifiables (PII) dans les images, construit autour de son modèle de fondation Nova 2 Lite, disponible sur Amazon Bedrock. Ce système multimodal rapide et économique agit comme chef d'orchestre d'une chaîne de traitement complexe, en coordonnant deux outils spécialisés : le modèle de segmentation open source SAM 3 de Meta, déployé sur Amazon SageMaker AI, et le service de reconnaissance optique de caractères Amazon Textract. Concrètement, lorsque Nova identifie un élément visuel sensible dans une image, comme un visage partiellement visible, un reflet sur une surface polie ou une plaque d'immatriculation, il délègue la délimitation précise des contours à SAM 3. Lorsqu'il détecte du texte potentiellement sensible, comme un nom, un numéro d'identification ou une adresse figurant sur un document posé sur un bureau, il fait appel à Textract pour extraire le texte et ses coordonnées, avant d'évaluer lui-même ce qui constitue réellement une information sensible en tenant compte du contexte global de l'image. Cette approche répond à un problème concret et coûteux pour les entreprises : le partage de données contenant des PII, que ce soit en interne, avec des partenaires, ou pour l'entraînement de modèles de machine learning, expose à des obligations légales strictes sous des réglementations comme le RGPD européen ou la norme PCI DSS pour les données de paiement. Une rédaction insuffisante peut entraîner des sanctions réglementaires, des atteintes à la réputation et une perte de confiance des clients. Or les outils de masquage classiques échouent souvent face aux cas limites propres aux images non structurées, contrairement au texte : un visage capturé en bordure de cadre, un panneau de rue partiellement visible qui devient identifiable une fois combiné à d'autres indices visuels, ou un document lisible dans une photo grand angle. En confiant à Nova la compréhension contextuelle de ce qui constitue ou non une PII, Amazon affirme pouvoir atteindre une précision au pixel près tout en préservant la valeur globale de l'image, un compromis difficile à obtenir avec des outils de masquage à usage unique. Cette annonce s'inscrit dans la stratégie plus large d'Amazon Web Services visant à positionner sa famille de modèles Nova, et particulièrement Nova 2 Lite, comme un coordinateur intelligent capable de piloter des workflows d'analyse d'image complexes plutôt que de tout faire lui-même. En s'appuyant sur SAM 3, un modèle que Meta a rendu open source pour la segmentation d'objets à partir de prompts textuels ou visuels, et sur Textract, son propre service d'OCR déjà éprouvé, AWS mise sur une architecture modulaire où chaque composant fait ce qu'il fait de mieux. Ce pipeline vise en priorité les cas d'usage les plus délicats, comme les empreintes digitales, les cartes d'identité ou les plaques d'immatriculation photographiées sous des angles arbitraires, des scénarios où la conformité réglementaire exige une fiabilité quasi totale. Reste à voir comment ce type d'architecture multi-modèles se comportera en production à grande échelle, et si d'autres fournisseurs cloud proposeront des approches similaires combinant raisonnement contextuel et outils de segmentation spécialisés.

Outils⚒Outil

1 source