Actualités IA — page 84

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

42

1661Le Big Data 

La génération d’images avec la mémoire de Gemini devient 100 % gratuite mais…

La génération d'images personnalisées de Gemini, jusqu'ici réservée aux abonnés payants, devient gratuite pour tous les utilisateurs aux États-Unis. Google s'appuie sur Nano Banana, son modèle de génération d'images, combiné à une fonctionnalité appelée Intelligence personnelle. Lorsqu'un utilisateur active cette option, Gemini est autorisé à puiser dans les données de plusieurs services Google liés à son compte : Gmail, Google Photos, YouTube ou encore la Recherche Google. L'assistant peut ainsi composer des images sur mesure sans que l'utilisateur ait à décrire en détail ses goûts, ses passions ou son style de vie dans chaque requête. Une simple demande comme « crée une image de moi avec toutes mes choses préférées » suffit désormais pour que Gemini assemble une illustration cohérente avec ce qu'il sait déjà de la personne, y compris en s'appuyant directement sur des photos stockées dans Google Photos plutôt que d'exiger un téléversement manuel de références. Cette évolution change concrètement l'usage de l'IA générative d'images pour le grand public. Jusqu'à présent, obtenir un portrait ou une création vraiment personnalisée supposait un travail de description long et fastidieux, ou l'envoi répété de photos de référence. En automatisant cette étape grâce à la mémoire contextuelle de Gemini, Google abaisse la barrière technique et rend la personnalisation accessible en une phrase, ce qui pourrait accélérer l'adoption de ces outils chez des utilisateurs peu familiers des techniques de prompt engineering. Le choix de rendre la fonction gratuite, alors qu'elle était auparavant un argument de vente des abonnements payants, illustre aussi la stratégie de Google de démocratiser ses outils d'IA pour gagner en parts de marché face à des concurrents comme OpenAI ou Midjourney, quitte à sacrifier une partie de la différenciation premium. Cette ouverture s'accompagne toutefois de précautions sur la confidentialité des données, un sujet sensible dès lors qu'un assistant IA est connecté à des services aussi personnels que la messagerie ou les photos. Google insiste sur le caractère facultatif d'Intelligence personnelle : l'utilisateur choisit d'activer ou non la fonction, ainsi que les services spécifiques auxquels Gemini peut accéder, et peut désactiver l'option à tout moment depuis le menu Outils pour revenir à un fonctionnement classique. Lancée d'abord aux États-Unis, l'option Intelligence personnelle a ensuite été étendue progressivement à l'Inde et au Japon, ce qui laisse penser qu'un déploiement plus large, notamment en Europe où le RGPD impose des contraintes supplémentaires sur l'exploitation des données personnelles, pourrait suivre selon un calendrier plus prudent.

Outils⚒Outil

1 source

40

1662The Decoder 

Google lance Nano Banana 2 Lite pour la génération rapide d'images IA et Gemini Omni Flash pour la vidéo via API

Google enrichit sa gamme de modèles génératifs avec deux nouveaux outils. Nano Banana 2 Lite génère des images en quatre secondes, pour un coût de 0,034 dollar par image. Gemini Omni Flash, de son côté, fait son entrée dans l'API avec une capacité inédite pour Google : la génération et l'édition de vidéos à partir de simples prompts textuels. L'entreprise recommande d'ailleurs de chaîner les deux modèles pour un flux de travail complet, en partant d'une image générée rapidement puis en l'animant sous forme de vidéo courte. Cette double annonce répond à une demande croissante des développeurs pour des outils multimédias rapides et économiques, intégrables directement dans des applications ou des pipelines de production de contenu. La vitesse de génération de Nano Banana 2 Lite, quatre secondes seulement, en fait un candidat sérieux pour les cas d'usage nécessitant de la réactivité, comme les interfaces conversationnelles ou les générateurs de contenu en temps réel. Quant à Gemini Omni Flash, il ouvre la porte à des usages jusque là réservés à des outils spécialisés et coûteux, comme la retouche vidéo pilotée par texte, désormais accessible via une simple requête API. Cette annonce s'inscrit dans la compétition intense que se livrent les grands acteurs de l'IA générative, Google, OpenAI et Meta en tête, pour dominer le marché des outils de création multimédia. Après avoir lancé les premières versions de Nano Banana pour la génération d'images, Google accélère la cadence en misant sur la rapidité et le faible coût comme arguments de différenciation face à ses concurrents. L'intégration de la génération vidéo directement dans l'API Gemini marque aussi une étape vers des workflows entièrement automatisés, où texte, image et vidéo pourraient être générés et combinés sans intervention humaine, une tendance appelée à s'accélérer dans les mois à venir.

Création⚡Actu

Aussi surBlog du Modérateur

35

1663Le Big Data 

Robot Park : Apptronik ouvre un immense terrain d’entraînement pour ses robots humanoïdes

Apptronik a inauguré le 30 juin 2026 son Robot Park à Austin, au Texas, un centre d'entraînement de près de 8 400 mètres carrés conçu pour ses robots humanoïdes Apollo 2. Loin des vidéos promotionnelles où les machines montent des escaliers ou servent un café, ce site reproduit des conditions de travail réelles inspirées de la logistique, de l'industrie et du commerce. Plusieurs flottes d'Apollo 2, disponibles en version bipède ou montée sur roues, y répètent des tâches comme le tri ou la manipulation d'objets, encore et encore, afin d'accumuler des millions de données d'entraînement. Pour Jeff Cardenas, PDG d'Apptronik, l'entreprise ne vend pas seulement des robots mais produit aussi des données, un positionnement qui a déjà convaincu les investisseurs : la société a levé plus de 520 millions de dollars pour financer ce développement. L'enjeu dépasse la simple démonstration technologique. Faire marcher un robot une fois devant une caméra est relativement simple ; le rendre fiable, capable de répéter un geste sans erreur dans un environnement imprévisible, est beaucoup plus difficile et constitue le véritable obstacle à l'adoption en entreprise. En misant sur la collecte massive de données plutôt que sur des démonstrations scénarisées, Apptronik cherche à accélérer l'apprentissage automatique de ses machines et à raccourcir le délai avant un déploiement industriel à grande échelle. Ces données alimentent également Gemini Robotics, développé avec Google DeepMind dans le cadre d'un partenariat de recherche visant à combiner les avancées de l'IA générative avec la robotique physique, c'est-à-dire des modèles capables non seulement de répondre à des questions mais aussi d'agir concrètement dans le monde réel. Cette stratégie s'inscrit dans une course de plus en plus disputée entre fabricants de robots humanoïdes, où la rareté des données issues de situations réelles constitue un goulot d'étranglement majeur pour entraîner des modèles performants. Au-delà du Robot Park, Apptronik déploie déjà des prototypes chez des partenaires industriels comme Mercedes-Benz, ce qui lui permet de varier les contextes d'apprentissage de façon difficilement reproductible en laboratoire. Le passage des essais pilotes à des cadences véritablement industrielles reste cependant un défi technique de taille, et Jeff Cardenas lui-même reconnaît que la prudence s'impose. Reste à voir si ces investissements massifs déboucheront, dans les prochaines années, sur des robots humanoïdes réellement utiles et rentables à grande échelle.

Robotique⚡Actu

1 source

36

1664NVIDIA AI Blog 

NVIDIA lance un kit d'outils BioNeMo Agent pour accélérer l'IA des chercheurs en sciences de la vie sur Claude Science

NVIDIA et Anthropic ont annoncé cette semaine l'intégration du BioNeMo Agent Toolkit de NVIDIA à Claude Science, le nouvel environnement de travail conçu par Anthropic pour la recherche scientifique. Claude Science permet aux chercheurs de dialoguer en langage naturel avec des agents capables de piloter leurs travaux de bout en bout, sans configurer manuellement modèles, points d'accès ou environnements logiciels. Grâce à cette intégration, ces agents peuvent désormais s'appuyer sur les modèles accélérés de NVIDIA, ses bibliothèques et ses microservices NIM, dont des outils spécialisés comme Evo 2, Boltz-2 et OpenFold3, pour analyser des séquences génomiques, prédire des structures de protéines ou concevoir des molécules candidates. NVIDIA précise que 18 des 20 plus grandes entreprises pharmaceutiques mondiales utilisent déjà BioNeMo, signe de l'ancrage de la plateforme dans l'industrie. Le toolkit fonctionne en transformant les capacités accélérées de NVIDIA en compétences activables par les agents, qui sélectionnent l'outil adapté, préparent les données d'entrée et exécutent le flux de travail, tout en se connectant aux ressources de calcul NVIDIA où qu'elles soient déployées. Cette avancée s'inscrit dans la transition vers une recherche scientifique pilotée par des agents autonomes, capables de raisonner, planifier et orchestrer des workflows complexes sans intervention humaine constante. Concrètement, un chercheur peut désormais demander à Claude de concevoir de multiples inhibiteurs potentiels à partir d'une mutation antigénique connue associée à un cancer, l'agent se chargeant alors d'enchaîner prédiction, optimisation et validation à haut débit grâce aux microservices NIM. L'enjeu est de taille pour l'industrie pharmaceutique et les laboratoires de recherche, où la vitesse d'itération conditionne directement le rythme des découvertes en génomique, protéomique, conception moléculaire et ingénierie des protéines. En intégrant le calcul accéléré directement dans l'environnement où s'effectue le raisonnement scientifique, NVIDIA et Anthropic cherchent à supprimer les frictions techniques qui ralentissent habituellement le passage de l'hypothèse à l'expérimentation. Cette intégration répond à un constat de fond : un agent scientifique autonome ne raisonne jamais isolément, il doit enchaîner des tâches très diverses, du criblage de bibliothèques de composés à l'analyse de contexte génomique, en passant par la génération de conformères ou la comparaison de réponses à des perturbations cellulaires, avant de recommander la prochaine expérience. La rapidité de chaque étape dépend directement de la performance des outils sous-jacents. C'est pourquoi NVIDIA met en avant des gains de vitesse concrets au sein du BioNeMo Agent Toolkit, comme Parabricks, qui réduit l'analyse génomique de plusieurs heures à quelques minutes, ou RAPIDS-singlecell, développé par le collectif scverse, qui ramène un flux de prétraitement et de clustering portant sur 1,3 million de cellules de 52 minutes à seulement 25 secondes.

Outils⚡Actu

1 source

38

1665Microsoft Research 

SkillOpt : les compétences d'agents traitées comme des paramètres entraînables

Des chercheurs ont présenté SkillOpt, une nouvelle méthode qui transforme les compétences (skills) des agents d'intelligence artificielle en paramètres entraînables, sans modifier les poids du modèle sous-jacent. Concrètement, SkillOpt traite le fichier de compétences d'un agent, c'est-à-dire les instructions qui guident son comportement, comme une couche d'optimisation distincte, gérée par un modèle "optimiseur" séparé tandis que le modèle cible reste figé. Le système a été testé sur six benchmarks, sept modèles cibles différents et trois modes d'exécution, soit 52 combinaisons d'évaluation au total. Dans chacune de ces 52 cellules, SkillOpt s'est révélé être la meilleure méthode, ou ex aequo avec la meilleure, ce qui en fait l'approche la plus systématiquement performante testée à ce jour pour ce type d'optimisation. Le processus fonctionne par cycles successifs : le modèle cible exécute des tâches d'entraînement avec la compétence actuelle, un modèle optimiseur analyse ensuite les trajectoires obtenues pour repérer ce qui a fonctionné et ce qui a échoué, puis propose des modifications ciblées (ajouts, suppressions, remplacements) limitées par un budget d'édition strict, comparable à un taux d'apprentissage. Cette approche répond à un problème concret et de plus en plus pressant à mesure que les agents IA passent du prototype au déploiement en production : aujourd'hui, les compétences des agents sont écrites à la main par des experts, générées en une seule fois par un modèle de pointe, ou révisées de façon informelle après exécution. Aucune de ces méthodes ne dispose de garde-fous propres à l'apprentissage automatique, comme un contrôle de la taille des pas, une validation sur des données tenues à l'écart, ou une mémoire des révisions ayant échoué. Résultat : les fichiers de compétences ont tendance à s'allonger et à dériver au fil des réécritures, et une modification qui semble raisonnable peut en réalité dégrader silencieusement les performances réelles de l'agent, ce qui mine la fiabilité nécessaire à un usage professionnel. Pour éviter cette dérive incontrôlée, chaque modification candidate doit passer une validation stricte : elle n'est adoptée que si elle obtient un score strictement supérieur à la version actuelle sur un jeu de validation séparé. Les modifications rejetées ne sont pas perdues pour autant : elles alimentent une mémoire d'échecs qui sert de retour négatif pour guider les prochaines propositions. Un mécanisme de mise à jour plus lent, à l'échelle de l'epoch, consolide par ailleurs des enseignements de plus long terme que des lots de données isolés ne peuvent révéler. Les compétences ainsi optimisées se sont montrées transférables entre différentes tailles de modèles, différents environnements d'exécution d'agents et des tâches connexes, ce qui suggère qu'elles capturent un savoir-faire réutilisable plutôt que des instructions ajustées à un seul benchmark.

Recherche❖Paper

1 source

38

1666AWS ML Blog 

« Construire une interface utilisateur générative pour agents IA sur Amazon Bedrock AgentCore avec le protocole AG-UI »

Le géant du cloud AWS a dévoilé une intégration entre Amazon Bedrock AgentCore et le protocole ouvert AG-UI (Agent-User Interaction Protocol), conçue pour permettre aux agents IA de communiquer avec des interfaces utilisateur dynamiques plutôt que de se limiter à un simple chat textuel. Ce protocole, compatible avec plusieurs frameworks d'agents comme Strands Agents, LangGraph et CrewAI, ainsi qu'avec des bibliothèques frontend telles que React, Angular ou Vue, permet à un agent de générer des graphiques interactifs en ligne, de mettre à jour un canevas partagé en temps réel, ou de suspendre son exécution pour demander une validation humaine. L'intégration s'appuie sur le Fullstack AgentCore Solution Template (FAST), un projet de démarrage prêt à déployer qui connecte AgentCore Runtime, Gateway, Identity, Memory et Code Interpreter à un frontend React avec authentification Amazon Cognito, le tout défini via AWS Cloud Development Kit (CDK). La version FAST v0.4.1 a ajouté deux nouveaux modèles d'agents, agui-strands-agent et agui-langgraph-agent, qui partagent un seul et même analyseur frontend. AgentCore Runtime agit comme un proxy transparent gérant l'authentification via Signature Version 4 (SigV4) ou OAuth 2.0 par Cognito, l'isolation des sessions, la mise à l'échelle et l'observabilité, pendant que le conteneur de l'agent expose un point d'accès POST /invocations pour les requêtes AG-UI et un GET /ping pour les vérifications de santé sur le port 8080. Cette avancée répond à un besoin concret des développeurs d'agents IA: découpler le code backend de l'agent du code frontend, afin de choisir librement le meilleur framework pour chaque côté sans sacrifier l'interopérabilité. Pour les équipes qui construisent des applications agentiques destinées aux entreprises, cela signifie des interfaces plus riches que le simple chat, avec des composants visuels générés à la volée, des états partagés bidirectionnels et des mécanismes de supervision humaine intégrés nativement au protocole plutôt que bricolés au cas par cas. Cela réduit la complexité d'ingénierie et accélère le déploiement d'agents capables d'interactions plus naturelles et plus sûres, un enjeu central à mesure que les entreprises cherchent à industrialiser leurs cas d'usage d'IA générative au-delà des simples assistants conversationnels. Le protocole AG-UI s'inscrit dans un écosystème plus large de protocoles déjà supportés par AgentCore Runtime, aux côtés du Model Context Protocol (MCP), qui relie les agents aux outils, et d'Agent2Agent (A2A), qui relie les agents entre eux. Pour illustrer concrètement ces capacités, AWS a présenté un exemple combinant FAST avec CopilotKit, qui remplace l'interface de chat intégrée par défaut pour ajouter une génération d'interface utilisateur, un canevas de tâches à état partagé, et un planificateur de réunions illustrant l'intervention humaine en cours d'exécution, le tout déployé sur AgentCore Runtime avec authentification Cognito, connectivité MCP via AgentCore Gateway et conversations persistantes grâce à AgentCore Memory.

Outils⚒Outil

1 source

33

1667AWS ML Blog 

« Simplifier l'accès multi-comptes aux modèles Amazon Bedrock avec les habilitations gérées »

Les organisations qui exploitent des dizaines, voire des centaines de comptes AWS font face à un dilemme récurrent pour l'accès aux modèles d'intelligence artificielle sur Amazon Bedrock. AWS distingue trois catégories de modèles : les modèles Amazon comme Nova, les modèles vendus par Amazon tels que ceux de Meta, Mistral ou DeepSeek, accessibles immédiatement avec de simples permissions Bedrock, et les modèles tiers commercialisés via AWS Marketplace, comme Claude d'Anthropic, ceux de Cohere ou de Stability AI, qui exigent un abonnement Marketplace distinct dans chaque compte. Jusqu'ici, les équipes devaient soit accorder largement des permissions Marketplace à tous les comptes de travail, au risque de fragiliser la gouvernance, soit activer manuellement chaque abonnement compte par compte, une charge opérationnelle lourde qui ralentit l'adoption de l'IA à grande échelle. AWS présente désormais les "managed entitlements" pour Bedrock, une fonctionnalité qui permet de souscrire une seule fois depuis un compte central puis de distribuer l'accès aux modèles à travers toute l'organisation, via AWS License Manager, sans qu'aucune permission Marketplace ne soit nécessaire dans les comptes membres. Cette nouveauté change concrètement la donne pour les équipes cloud et sécurité chargées de gouverner l'usage de l'IA générative à l'échelle d'un groupe. Elle s'adresse en priorité aux organisations qui font tourner des charges de travail sur de multiples comptes AWS, qui veulent éviter de diffuser des droits Marketplace à chaque équipe, qui ont négocié des tarifs préférentiels via une offre privée et souhaitent les appliquer uniformément, ou qui ont besoin d'une visibilité centralisée sur qui accède à quels modèles. À l'inverse, les structures qui n'utilisent que des modèles Amazon ou partenaires, qui opèrent sur un compte unique, ou dont les équipes gèrent déjà leurs abonnements de façon autonome n'ont pas vraiment besoin de ce mécanisme. Le bénéfice principal réside dans la réduction du risque de mauvaise configuration et dans l'accélération du déploiement de modèles comme Claude à travers de grandes organisations, tout en gardant un contrôle centralisé. Sur le plan technique, la mise en place suppose qu'AWS Organizations soit configuré avec toutes les fonctionnalités activées, qu'un accès au compte de gestion soit disponible avec les permissions AWS Marketplace et AWS License Manager, et que des rôles liés aux services (service-linked roles) soient créés pour ces deux services. Le concept central repose sur deux notions : la licence, qui représente le droit de l'organisation à utiliser un modèle donné, et les attributions ("grants"), le mécanisme par lequel ce droit est partagé avec des comptes spécifiques. Cette approche s'inscrit dans la suite logique d'autres outils Bedrock comme l'évaluation de modèles ou les garde-fous (guardrails), qui visent tous à concilier autonomie des équipes et gouvernance centralisée des déploiements d'IA en entreprise.

Infrastructure⚡Actu

1 source

33

1668AWS ML Blog 

« Mise en œuvre de patterns de résilience avec Amazon Bedrock et une passerelle LLM »

Amazon Web Services a publié un article technique détaillant cinq patterns de résilience pour les déploiements d'inférence de grands modèles de langage (LLM) sur Amazon Bedrock, conçus pour accompagner les charges de travail d'IA générative qui passent de la phase expérimentale à la production à grande échelle. Le premier de ces patterns repose sur l'inférence cross-Region (CRIS) d'Amazon Bedrock, une fonctionnalité native qui redirige automatiquement les requêtes depuis une région source vers la région de destination optimale, en tenant compte en temps réel de la disponibilité, de la latence et de la demande. Les patterns suivants montent en complexité jusqu'à une orchestration multi-modèles via une passerelle LLM (LLM gateway), permettant de combiner plusieurs fournisseurs et modèles selon les besoins. Un dépôt GitHub accompagne l'article avec des exemples de code pour chaque pattern, afin que les développeurs puissent les tester directement dans leur propre environnement AWS. Cette approche progressive répond à des problèmes concrets rencontrés par les équipes qui exploitent des applications IA en production: l'épuisement soudain des quotas lors de pics de trafic imprévus, les effets de "voisin bruyant" dans les environnements multi-tenants, ou encore le besoin de répartir géographiquement l'inférence pour maximiser la disponibilité. Au-delà de la simple continuité de service, ces patterns ouvrent aussi la voie à une optimisation des coûts grâce à un routage intelligent des requêtes, et donnent aux équipes la liberté de basculer entre plusieurs modèles ou fournisseurs selon les contraintes de performance ou de budget. Pour des entreprises qui dépendent désormais de l'IA générative dans leurs produits, ces garanties de résilience deviennent aussi critiques que celles déjà appliquées aux architectures cloud traditionnelles. AWS rappelle que les bonnes pratiques classiques de résilience, comme la stabilité statique ou les mécanismes de backoff et de nouvelles tentatives, restent valables, mais que l'IA générative introduit des contraintes inédites: disponibilité fluctuante des modèles, quotas qui évoluent rapidement, limites de tokens variables selon les fournisseurs, et nécessité de maintenir une cohérence de comportement face aux nouvelles versions de modèles publiées régulièrement. L'article structure sa réflexion autour de quatre dimensions clés, la disponibilité, le temps de réponse, le coût et le débit, en précisant que ce premier volet se concentre sur la disponibilité via le basculement, la répartition géographique et l'isolation des quotas. AWS annonce que de prochains articles approfondiront l'optimisation du temps de réponse et le routage sensible aux coûts, signe que la firme entend documenter une stratégie complète de résilience pour les architectures d'inférence LLM en production.

Infrastructure⚡Actu

1 source

26

1669AWS ML Blog 

Comment AWS accélère l'entraînement des modèles d'IA pour les effets visuels chez Outpost VFX

Outpost VFX, studio d'effets visuels opérant au Royaume-Uni, au Canada et en Inde, a multiplie par 8 la vitesse d'entrainement de ses modèles d'intelligence artificielle dédiés au remplacement de visages dans les productions cinéma et sériés, grâce a une infrastructure cloud AWS. L'entreprise, cliente d'AWS depuis 2022, a collabore avec les équipes du Generative AI Innovation Center pour moderniser ses algorithmes. Auparavant, Outpost VFX entrainait ses modèles sur des stations de travail équipées de cartes graphiques RTX 3090, en alimentant les algorithmes avec de petits jeux de données d'acteurs et de leurs doublures. Ce processus prenait entre une et deux semaines par cycle d'affinage, et la technologie ne pouvait exploiter qu'un seul GPU a la fois, ce qui limitait l'accès a la mémoire vidéo et donc la capacité de traitement. Le studio est passe a des instances Amazon EC2 de type P5, équipées de GPU NVIDIA H100 conçus pour l'entrainement distribue, et reliées par une interconnexion NV Link plus performante que la communication PCIe utilisée sur les instances de la série G. Ce changement transforme concrètement le quotidien des équipes de production. Les méthodes traditionnelles de remplacement de visages, qu'il s'agisse de compositing ou de techniques spécialisées de rajeunissement ou de vieillissement numérique, nécessitaient plus de cinq jours pour produire une première version soumise a validation du réalisateur. Ce délai constituait un goulot d'étranglement des les premières étapes du processus d'approbation, une phase pourtant critique pour le respect des plannings. En accélérant l'entrainement, Outpost VFX réduit les délais de livraison aux clients, limite les couts lies aux itérations multiples et accélère les boucles de retour créatif, des enjeux cruciaux dans une industrie ou chaque jour de retard se répercute sur l'ensemble du calendrier de production. Cette évolution s'inscrit dans une demande plus large de scalabilité, de sécurité et de qualité. Outpost VFX avait identifie trois besoins techniques prioritaires: la possibilité de paralléliser l'entrainement sur plusieurs GPU pour sortir des limites du mono-GPU, le respect de standards de sécurité stricts pour traiter des données de production hautement sensibles dans un environnement cloud ségrégué, et une architecture capable de gérer des jeux de données plus volumineux ainsi que des images en plus haute résolution afin d'améliorer la qualité des résultats. La solution a consiste a adapter le code existant du modèle de remplacement de visages pour qu'il fonctionne en entrainement distribue sur des instances P5 dans un environnement cloud sécurisé, aligne sur l'infrastructure déjà virtualisée du studio. L'expérience d'Outpost VFX illustre une tendance plus générale dans l'industrie des effets visuels, ou les studios cherchent a combiner puissance de calcul a la demande et exigences de confidentialité pour accélérer des workflows IA jusque-la freines par des contraintes matérielles locales.

Infrastructure⚡Actu

1 source

32

1670AWS ML Blog 

Building une NER bilingue pour la logistique cargo avec Amazon Bedrock

IBS Software, fournisseur de solutions logicielles pour l'industrie du transport aérien, a développé avec Amazon Bedrock un système de reconnaissance d'entités nommées (NER) bilingue capable de traiter automatiquement des milliers de messages de logistique cargo en anglais et en japonais. L'objectif était d'extraire 23 types d'informations différentes depuis ces emails, notamment les numéros de lettre de transport aérien (AWB), les détails de vol, les poids, dimensions, descriptions de marchandises, informations sur expéditeurs et destinataires, ou encore les instructions de livraison spéciales. Une équipe de neuf chercheurs et ingénieurs a travaillé environ quatre mois sur le projet : un premier mois consacré à l'annotation de 500 emails bilingues (350 en anglais, 150 en japonais), un deuxième mois marqué par des tentatives infructueuses avec des frameworks open source comme PyTorch et la bibliothèque TextBrewer, un troisième mois de distillation réussie via Amazon Bedrock, et un dernier mois de déploiement en production. La méthode retenue consiste à distiller les connaissances du modèle Amazon Nova Pro vers le modèle plus léger Amazon Nova Lite, entraîné sur 4 époques et 70 étapes, avec une perte ramenée de 0,05 à 0,008. Résultat : une précision de 95,085% en F1-Score, pour un coût d'inférence réduit d'un facteur 14. Cette performance change concrètement la donne pour IBS Software et ses clients du secteur aérien, où le traitement manuel des emails cargo ralentissait les opérations et où le choix d'un modèle plus puissant se heurtait systématiquement à des coûts d'exploitation prohibitifs à grande échelle. En s'appuyant sur les capacités de distillation managée d'Amazon Bedrock plutôt que sur une infrastructure de calcul personnalisée, l'entreprise a pu déployer un pipeline de traitement en temps réel des fichiers .eml sans avoir à gérer elle-même l'hébergement des modèles. Pour l'industrie du fret aérien, dépendante de flux documentaires denses et multilingues, ce type d'automatisation réduit les délais de traitement et limite les erreurs de saisie qui peuvent retarder des expéditions. Le projet illustre aussi les limites des approches open source pour la distillation de modèles bilingues à l'échelle de la production : configuration complexe des pipelines, absence d'infrastructure managée pour l'entraînement et le déploiement, difficulté à ajuster les hyperparamètres pour une distillation au niveau des tokens, et incompatibilité avec les flux de travail existants. Ces obstacles ont poussé IBS Software à se tourner vers Amazon Bedrock Model Distillation, une fonctionnalité qui permet de transférer les capacités de modèles avancés vers des versions plus rapides et économiques sans sacrifier la précision. Ce cas d'usage s'inscrit dans une tendance plus large où les entreprises cherchent à concilier performance des grands modèles de langage et maîtrise des coûts d'inférence à grande échelle, notamment dans des secteurs à fort volume documentaire comme la logistique.

Outils⚡Actu

1 source

35

1671AWS ML Blog 

Le réglage fin des modèles Amazon Nova pour une extraction précise des données d'e-mails

Parcel Perform, plateforme d'expérience de livraison basée sur l'IA destinée aux entreprises d'ecommerce, a collaboré avec le AWS Generative AI Innovation Center (GenAIIC) pour résoudre un problème concret : extraire des données structurées à partir d'emails aux formats très divers, des simples notifications aux documents HTML complexes truffés d'éléments JavaScript. L'équipe a utilisé Amazon SageMaker AI pour affiner par fine-tuning les modèles Amazon Nova Micro et Nova Lite, en s'appuyant sur l'apprentissage supervisé (SFT) combiné à la technique PEFT (Parameter-Efficient Fine-Tuning) via LoRA (Low-Rank Adaptation), une méthode qui permet de personnaliser un modèle avec peu de données d'entraînement tout en limitant les ressources de calcul nécessaires. Selon Le Vy, responsable de l'équipe IA chez Parcel Perform, le modèle Nova Micro ainsi spécialisé a atteint jusqu'à 94,77 % de précision d'extraction sur le jeu de données de test, soit une amélioration de 16,6 points de pourcentage par rapport au modèle de référence, tout en réduisant la latence d'inférence de plus de 30 % et en divisant les coûts par deux par rapport à la solution précédemment utilisée par l'entreprise. Ces gains ne sont pas anecdotiques pour une entreprise qui traite des millions de messages email par jour : les modèles génériques peinaient à distinguer des champs proches comme les numéros de commande et les numéros de suivi, produisaient des hallucinations, et le traitement d'emails au format HTML faisait exploser les coûts en tokens. En apprenant au modèle à reconnaître les schémas de données propres à Parcel Perform, le fine-tuning a permis de résoudre simultanément trois problèmes distincts, la précision, la latence et le coût, ce qui est rare puisque ces métriques s'améliorent rarement de concert. Résultat concret : la version optimisée de Nova Micro égale ou dépasse les performances de Nova Lite tout en coûtant moins cher, ce qui a permis à Parcel Perform de déployer la solution en production pour ses opérations logistiques. Sur le plan technique, le workflow repose sur la préparation de données d'entraînement au format de conversation Amazon Bedrock, associant le contenu d'un email aux entités à en extraire, hébergées sur Amazon S3 avant le lancement du job de fine-tuning sur SageMaker AI à l'aide d'une configuration LoRA. Le modèle final est ensuite déployé sur Amazon Bedrock en inférence à la demande, facturée au token. Ce projet illustre une tendance plus large chez AWS : pousser les entreprises à personnaliser des modèles de taille réduite, via des "recettes" Nova au format YAML qui standardisent les hyperparamètres d'entraînement, plutôt que de s'appuyer sur des modèles génériques massifs, jugés plus coûteux et moins précis sur des tâches d'extraction très spécifiques au métier.

LLMs≡Tuto

1 source

52

1672VentureBeat AI 

Google lance Gemini Flash Omni sur son API, rendant la production vidéo en entreprise conversationnelle

Google a officiellement ouvert l'accès à Gemini Omni Flash via une API pour développeurs et entreprises, quelques semaines après sa présentation aux consommateurs lors de la conférence I/O 2026 en mai. Il s'agit du premier modèle de la nouvelle famille "Omni" de Google, conçue pour générer du contenu "à partir de n'importe quelle entrée", avec une priorité donnée à la vidéo. La fonctionnalité centrale n'est pas simplement la génération de vidéo à partir d'un texte : c'est la capacité d'éditer une vidéo terminée par une conversation en langage naturel, chaque instruction s'appuyant sur la précédente. Un marketeur peut ainsi retravailler l'éclairage d'un plan produit, recadrer l'image ou modifier un costume sans tout régénérer depuis le début et perdre ce qui fonctionnait déjà. Pour les équipes marketing et formation en entreprise, qui produisent le plus grand volume de vidéos internes, cet outil change concrètement l'équation économique. Jusqu'ici, assembler une vidéo IA nécessitait de connecter cinq outils distincts : un LLM pour le script, un modèle texte-vers-image, un modèle image-vers-vidéo, un outil de synchronisation labiale et un générateur de voix, chacun avec son propre contrat, sa facturation et ses règles de gestion des données. Omni Flash unifie tout cela en un seul modèle qui accepte du texte, des images et des vidéos existantes pour produire un clip avec audio synchronisé. Pour une organisation qui évitait jusqu'ici la vidéo générative parce que l'intégration de ces outils coûtait trop cher en effort, la barrière tombe significativement. Le modèle intègre également un "world model" qui simule le comportement physique des scènes : ajouter de la pluie à un plan existant génère des reflets cohérents des personnes et objets présents sur la chaussée mouillée, ce qui distingue la vidéo IA d'un résultat générique. Google a lancé Gemini Omni à I/O 2026, mais son absence d'interface programmatique en faisait alors un outil grand public et prosumer, sans intérêt pour les productions en entreprise. Cette ouverture via API corrige précisément ce manque. Le modèle accepte des images de référence et des clips vidéo existants comme ingrédients : fournir la photo d'un objet réel permet de l'insérer dans une scène en respectant sa couleur et sa forme, plutôt que de l'inventer de toutes pièces. La fonctionnalité d'insertion de texte et de logos dans des scènes existantes, utile pour les vidéos de formation ou les publicités localisées, montre des résultats prometteurs mais imparfaits : dans les scènes complexes, le suivi de panneaux et la cohérence textuelle entre les images restent perfectibles. Google souligne lui-même que les sorties nécessitent une relecture humaine avant diffusion, ce qui suggère que l'outil vise à accélérer la production, pas à la remplacer entièrement.

Création❧Opinion

Aussi surLe Big Data

46

1673VentureBeat AI 

Google dévoile Gemini 3.1 Flash-Lite pour générer des images d'entreprise en 4 secondes à moindre coût

Google a lancé ce jour un nouveau modèle de génération d'images baptisé Nano Banana 2 Lite, officiellement désigné Gemini 3.1 Flash-Lite Image dans son API. Ce modèle est immédiatement disponible pour les développeurs entreprise via Google AI Studio, l'API Gemini et la plateforme GEAP (Gemini Enterprise Agent Platform). Sa promesse principale est double : vitesse et faible coût. Il génère une image en 4 secondes au format 1024x1024 pixels, pour un tarif fixe de 0,034 dollar par tranche de mille images. Construit sur l'architecture Gemini 3.1 Flash Lite, il succède à Nano Banana 1 (Gemini 2.5 Flash Image) avec des améliorations ciblées : meilleure cohérence des personnages sur des séquences continues, rendu typographique localisé, et connaissance générale du monde renforcée pour générer des visualisations de données ou des mises en scène contextuelles. Dans les benchmarks internes, il obtient un score Elo de 1 251 en génération texte-vers-image, dépassant à la fois le modèle précédent (1 151) et même le Nano Banana Pro, plus lourd et plus coûteux (1 245). La seule limitation assumée est la résolution : contrairement aux modèles NB2 standard et NB Pro qui supportent 1k, 2k et 4k, ce modèle Lite se cantonne au 1k. L'enjeu commercial est clair. Google ne positionne pas ce modèle comme un outil créatif artistique, mais comme une couche utilitaire invisible pour les flux de travail automatisés à grand volume. Les ingénieurs logiciels, les plateformes publicitaires programmatiques et les applications de commerce numérique sont les cibles directes. Concrètement, cela signifie des milliers de variantes visuelles pour des tests A/B publicitaires en temps réel, des ajustements instantanés de visuels pour des vitrines localisées, ou encore la génération automatique d'assets pour des prototypes. À 0,034 dollar le millier d'images, le modèle change radicalement l'équation économique pour les applications qui génèrent des images à l'échelle industrielle. Cette sortie s'inscrit dans une période d'intense compétition sur le segment des modèles d'image rapides et bon marché. Google annonce également en parallèle la préversion publique de Gemini Omni Flash, un modèle multimodal orienté génération et édition vidéo conversationnelle. Nano Banana 2 Lite complète donc une offre stratifiée : d'un côté, des modèles puissants et flexibles pour la création complexe, de l'autre un moteur léger optimisé pour l'infrastructure. Le comparatif avec Krea 2 Turbo de la startup Krea est instructif : ce concurrent propose une licence partiellement ouverte et des capacités de personnalisation plus larges pour les petites entreprises, là où Google mise sur l'intégration native à son écosystème Workspace et ses offres IA d'entreprise. La bataille se joue autant sur le prix que sur l'écosystème, et Google dispose ici d'un avantage structurel considérable auprès de ses clients existants.

Création⚡Actu

1 source

40

1674Ben's Bites 

GPT-5.6 est disponible, mais

Etched, une startup spécialisée dans les puces d'inférence pour l'IA, sort officiellement de sa phase de développement confidentielle avec des chiffres qui frappent : 800 millions de dollars levés, plus d'un milliard de dollars de commandes en carnet, et une première puce fonctionnelle dès la révision A0 sur le procédé TSMC 4nm. Fondée en 2023 par Gavin Uberti, un ancien étudiant de Harvard âgé de 21 ans, l'entreprise compte aujourd'hui plus de 400 employés recrutés chez Nvidia, Google TPU, Broadcom, SK Hynix et TSMC. Ses investisseurs comprennent Peter Thiel, Jane Street, Two Sigma, Jump Trading et VentureTech Alliance, ce dernier entretenant un partenariat étroit avec TSMC. Pendant ce temps, OpenAI a discrètement lancé GPT-5.6, une nouvelle famille de modèles déclinée en trois versions baptisées Sol, Terra et Luna. Sol, le plus puissant du trio, dépasse certains benchmarks du modèle Mythos, bien qu'il reste légèrement en retrait sur l'exploitation de failles en cybersécurité. L'accès reste pour l'instant limité à des partenaires sélectionnés, avec une disponibilité grand public annoncée par Sam Altman "bientôt", potentiellement réservée aux États-Unis dans un premier temps. L'enjeu derrière Etched illustre un basculement structurel dans l'industrie de l'IA : après des années focalisées sur l'entraînement des modèles, la compétition se déplace vers l'inférence, c'est-à-dire la capacité à faire tourner ces modèles de façon rapide, économe et à grande échelle. C'est là que se joue désormais la rentabilité. Un premier succès A0, terme désignant la toute première version physique d'une puce sortant de fabrication, est statistiquement rare et coûteux à manquer ; y parvenir en moins de trois ans, là où la plupart des concurrents ont mis sept ans ou plus, positionne Etched comme un acteur sérieux face aux géants établis. Pour les opérateurs d'infrastructure IA, les perspectives d'une puce dédiée à l'inférence avec une intégration verticale complète, des composants au logiciel, représentent un gain potentiel majeur sur les coûts et la latence. Cette sortie de stealth s'inscrit dans un contexte où la demande mondiale en capacité d'inférence explose, tirée par la prolifération des agents autonomes et des interfaces conversationnelles dans les entreprises. L'étude économique publiée par OpenAI sur l'adoption de Codex illustre ce phénomène : les équipes non techniques rattrapent désormais à toute vitesse les départements d'ingénierie en termes d'usage de l'IA. Replit lance une application desktop sur Mac et Windows, Cursor for iOS permet de piloter des agents depuis un téléphone, X déploie un serveur MCP hébergé pour connecter Grok et d'autres outils à son API. La course n'est plus seulement à qui construit les meilleurs modèles, mais à qui peut les faire tourner le plus efficacement, partout, pour tout le monde.

Infrastructure⚡Actu

1 source

43

1675NVIDIA AI Blog 

Les logiciels d'inférence NVIDIA permettent le coût par token le plus bas

NVIDIA vient de publier une analyse détaillée de la façon dont sa pile logicielle d'inférence réduit le coût par token pour les entreprises qui déploient des modèles d'IA en production. Sur la plateforme Blackwell, cette pile logicielle a déjà permis de réduire le coût des tokens jusqu'à 5 fois sur le modèle DeepSeek V4 en l'espace d'un seul mois. Des acteurs majeurs de l'inférence l'utilisent déjà à grande échelle : Baseten a utilisé la bibliothèque open source TensorRT-LLM de NVIDIA pour servir DeepSeek V4 Pro sur des GPU Blackwell, obtenant jusqu'à 50 % de tokens par seconde supplémentaires. Cognition s'appuie sur le framework Dynamo pour orchestrer ses GPU d'inférence et scaler ses charges de travail de reinforcement learning sans devoir construire cette infrastructure depuis zéro. Together AI a utilisé TensorRT-LLM pour aider Cursor à accélérer le chemin entre optimisations de modèles et endpoints de production pour son expérience de code en temps réel. Ce qui est en jeu dépasse la simple performance brute. Là où les charges de travail web traditionnelles suivaient des chemins logiciels prévisibles, l'IA agentique génère des workflows distribués et à état persistant qui mobilisent simultanément des LLM, des outils, de la mémoire et des centaines de sous-agents sur des GPU, CPU et systèmes de stockage hétérogènes. Une seule requête utilisateur peut se transformer en un problème de calcul distribué couvrant des milliers de tâches. Dans ce contexte, le logiciel devient le facteur déterminant : c'est lui qui transforme la complexité en coût maîtrisé ou, à défaut, en capacité gaspillée. NVIDIA affirme que l'empilement de ses optimisations, serving disaggregé, parallélisme d'experts sur NVLink, précision NVFP4 et prédiction multi-token, peut multiplier le débit par 20 lorsqu'elles sont combinées en système cohérent. La stratégie de NVIDIA repose sur trois couches intégrées : l'orchestration de la production (serving distribué, autoscaling, gestion mémoire), l'accélération applicative (fusion de kernels, chevauchement calcul-communication) et l'accès matériel abstrait (exposer les capacités GPU et réseau sans que les développeurs aient à gérer chaque instruction bas niveau). Ce modèle de co-conception logiciel-matériel est au coeur de la thèse défendue par NVIDIA face à la concurrence croissante des TPU de Google ou des puces custom d'Amazon et Microsoft. Alors que les entreprises basculent de pilotes IA vers de véritables usines de tokens à grande échelle, la capacité à améliorer continûment le coût par token via des mises à jour logicielles, sans changer le matériel, devient un avantage compétitif structurel. Les résultats publiés par SemiAnalysis InferenceX sur les systèmes GB300 NVL72 avec SGLang et Dynamo illustrent que cet écart se creuse déjà.

Infrastructure⚡Actu

1 source

41

1676Le Big Data 

Incroyable : l’IA a réussi à déchiffrer un papyrus carbonisé lors de l’éruption du Vésuve

Des chercheurs ont réussi à lire virtuellement un rouleau de papyrus carbonisé lors de l'éruption du Vésuve en 79 après J.-C., la même catastrophe qui a englouti Pompéi. Le manuscrit, baptisé PHerc 1667, fait partie des plus anciens conservés dans la bibliothèque d'une luxueuse villa romaine d'Herculanum et daterait du IIe ou de la fin du IIIe siècle avant J.-C. Grâce à l'intelligence artificielle, l'équipe a pu déballer le rouleau sans le dérouler physiquement, évitant ainsi tout risque de dégradation supplémentaire. Le document s'était cassé en deux au fil des siècles, et plusieurs tentatives anciennes pour le dérouler avaient fait s'effriter ses couches extérieures, si bien qu'il ne subsiste aujourd'hui qu'environ la moitié de sa taille d'origine, soit un fragment de 8 centimètres de haut sur 2 centimètres de large. Les chercheurs ont pu faire apparaître vingt colonnes de texte réparties sur plus d'un mètre de parchemin, révélant un contenu consacré à la philosophie stoïcienne, abordant des thèmes comme l'éthique, l'art et le comportement humain. Pour Federica Nicolardi, papyrologue à l'université de Naples Federico II, cette percée est considérable : même incomplet, ce déroulage virtuel démontre que la technologie permet désormais d'explorer des manuscrits aussi fragiles sans jamais les toucher ni risquer de les détruire. Cela ouvre la voie à l'étude d'un nombre bien plus large de rouleaux carbonisés jusqu'ici jugés trop endommagés pour être consultés, et donc à un accès inédit à des pans entiers de la littérature antique considérés comme perdus. Pour les historiens et les spécialistes de philosophie ancienne, chaque colonne de texte récupérée représente une source de première main sur des courants de pensée dont on ne connaissait souvent que des résumés tardifs ou des citations indirectes. Cette découverte sera présentée jeudi lors d'une conférence à Naples et constitue une nouvelle avancée pour le Défi Vésuve, un concours international lancé en 2023 pour inciter chercheurs et ingénieurs à mettre au point des méthodes de déchiffrage par IA des manuscrits d'Herculanum, ensevelis et carbonisés depuis près de deux millénaires. Le même groupe de chercheurs a par ailleurs presque terminé le déroulage virtuel d'un second rouleau, intitulé "Philodème, Du Dieu, Livre 8". Cette trouvaille révèle pour la première fois que ce traité philosophique comportait plusieurs livres, alors que seul le premier volume était jusqu'à présent connu des spécialistes, ouvrant de nouvelles pistes sur l'œuvre complète du philosophe épicurien.

Recherche❖Paper

1 source

45

1677InfoQ AI 

Présentation : Productivité fiable, sécuriser le développement accéléré par l'IA

Sriram Madapusi Vasudevan, expert en sécurité des systèmes d'intelligence artificielle, a présenté une analyse détaillée des vulnérabilités critiques qui se cachent dans les agents IA autonomes déployés en production. Sa conférence porte sur le cycle ReAct (Reasoning + Acting), le mécanisme central qui permet aux agents IA de raisonner sur une tâche, d'exécuter des outils et d'intégrer les résultats pour produire une action suivante. Ce cycle, désormais omniprésent dans les systèmes d'IA agentiques, concentre trois points d'attaque distincts : le contexte injecté, le raisonnement intermédiaire, et l'exécution des outils. Les risques identifiés sont concrets et sérieux. L'empoisonnement de mémoire permet à un attaquant d'injecter des données malveillantes dans le contexte de l'agent, corrompant ses décisions futures sans qu'aucune alerte ne soit levée. L'exécution de code non autorisé via des outils compromis représente une autre menace majeure, potentiellement dévastatrice dans des environnements où l'agent dispose d'accès à des bases de données, des API ou des systèmes internes d'entreprise. Ces failles touchent directement les équipes d'ingénierie qui intègrent des agents dans leurs pipelines de développement logiciel. Pour contrer ces risques, Vasudevan préconise une approche de défense en profondeur combinant plusieurs couches de protection. Il recommande notamment l'utilisation d'un LLM-as-a-judge, un modèle de langage secondaire chargé de critiquer et valider les décisions du modèle principal avant toute exécution. Il s'appuie également sur le framework MAESTRO, un modèle de threat modeling spécialement conçu pour les systèmes multi-agents, encore peu adopté dans l'industrie malgré une prise de conscience croissante des risques liés à l'IA autonome.

Sécurité❧Opinion

1 source

43

1678The Information AI 

OpenAI découvre une méthode pour réduire de moitié les coûts d'inférence

Des ingénieurs d'OpenAI ont découvert début juin 2026 une méthode permettant de réduire de plus de moitié les coûts d'inférence, c'est-à-dire le coût lié à l'exécution des modèles existants pour répondre aux requêtes des utilisateurs. Selon une source au fait de ces discussions internes jusqu'ici non rapportées, les nouvelles optimisations ont été testées sur le trafic ChatGPT généré par les visiteurs sans compte, ni gratuit ni payant. Appliquée à ce segment, la technique a permis de n'utiliser que quelques centaines de GPU Nvidia pour traiter ce trafic, un chiffre jugé étonnamment faible pour une infrastructure à cette échelle. OpenAI souligne toutefois que ce segment représente une fraction limitée de son trafic global, la plateforme restreignant l'accès des utilisateurs non authentifiés. Diviser par deux les coûts d'inférence représente un levier économique considérable pour une entreprise dont les dépenses de calcul atteignent des milliards de dollars par an. OpenAI pourrait ainsi servir davantage d'utilisateurs avec la même flotte de serveurs, abaisser ses tarifs ou dégager des marges supplémentaires pour financer le développement de nouveaux modèles. Pour l'industrie dans son ensemble, cette avancée illustre que les gains d'efficacité logicielle peuvent rivaliser avec l'acquisition de nouveau matériel, à condition d'investir sérieusement dans l'optimisation des systèmes déjà en place. Les techniques exactes employées restent inconnues, mais plusieurs pistes sont évoquées : la quantification, qui réduit la précision numérique des calculs pour les rendre moins coûteux ; le cache clé-valeur, qui permet au modèle de réutiliser des résultats sans les recalculer ; le traitement des requêtes par lots plutôt qu'une par une ; et le routage intelligent vers des modèles ou sous-modèles moins gourmands en ressources selon la complexité de la requête. Dans un secteur où Anthropic, Google et OpenAI se battent pour obtenir davantage de puces Nvidia, cette découverte rappelle que l'optimisation logicielle des infrastructures existantes constitue un gisement de performance tout aussi stratégique que l'extension matérielle.

Infrastructure⚡Actu

1 source

46

1679Le Big Data 

Hyundai : les salariés se révoltent contre l’arrivée des robots humanoïdes

Hyundai a annoncé en janvier son intention d'introduire des robots humanoïdes Atlas, développés par sa filiale Boston Dynamics, dans son usine de Géorgie à partir de 2028. En mai, le groupe a présenté à ses investisseurs un plan bien plus ambitieux : le déploiement de plus de 25 000 robots humanoïdes sur l'ensemble de ses sites de production automobile. Cette annonce a déclenché une mobilisation chez les salariés sud-coréens du constructeur, qui ont voté en faveur d'un mouvement de grève. « Nous sommes inquiets pour la sécurité de l'emploi à cause des robots », a déclaré un représentant syndical au Financial Times, précisant que les démonstrations et vidéos montrant les progrès rapides de ces machines alimentent les craintes des employés. Le syndicat coréen des métallurgistes réclame d'être consulté avant tout déploiement de robots ou de systèmes d'intelligence artificielle dans les usines du groupe, ainsi qu'une prime exceptionnelle équivalente à environ un tiers du bénéfice annuel de Hyundai, soit près de 27 000 dollars par salarié pour les 73 000 employés du groupe. Cette contestation illustre une tension de fond entre l'accélération de l'automatisation industrielle et la protection de l'emploi, dans un secteur où les marges de manœuvre syndicales restent fortes. Hyundai assure de son côté que les robots humanoïdes seront cantonnés aux tâches les plus pénibles ou dangereuses, laissant aux salariés les missions nécessitant une intervention humaine plus fine. Mais les représentants des employés restent sceptiques face à des promesses qu'ils jugent insuffisantes pour garantir le maintien des effectifs à long terme. L'enjeu dépasse le seul cas Hyundai : il interroge la manière dont les constructeurs automobiles, en pleine course à la robotisation, vont négocier avec leurs salariés les conditions d'introduction de ces nouvelles technologies, et qui captera les gains de productivité qu'elles promettent. Le syndicat de Hyundai a déjà brandi la menace d'une grève lors de précédentes négociations salariales sans pour autant aller jusqu'à l'arrêt total de la production, la dernière grève générale du groupe remontant à 2018. La demande de prime exceptionnelle s'inscrit dans un contexte particulier : plusieurs grands groupes industriels sud-coréens, à commencer par Samsung, ont récemment versé d'importantes primes à leurs employés grâce à des bénéfices dopés par l'essor de l'intelligence artificielle, nourrissant un sentiment de frustration chez les salariés de Hyundai. Pour Kim Pil-soo, professeur de génie automobile à l'université Daelim, certaines revendications syndicales ont toutefois peu de chances d'aboutir. Cette friction s'inscrit dans une dynamique plus large : les robots humanoïdes gagnent du terrain dans l'industrie, qu'il s'agisse de Japan Airlines pour le transport de bagages à l'aéroport de Haneda, de la poste chinoise pour le tri du courrier, ou de BMW, qui en teste dans son usine de Leipzig et y voit l'avenir de la production automobile.

Société⚡Actu

1 source

40

1680NVIDIA AI Blog 

Trois approches pour améliorer la précision des agents IA de vision avec données synthétiques et affinage

NVIDIA développe une suite d'outils destinés à améliorer la précision des agents d'intelligence artificielle visuelle en combinant données synthétiques, simulation 3D et ajustement fin de modèles. Ces agents, capables d'analyser automatiquement des flux vidéo en temps réel, sont déployés dans des usines, des entrepôts, des villes et des systèmes de transport pour transformer des données physiques en décisions opérationnelles. La démarche s'appuie sur la plateforme NVIDIA Omniverse, construite autour du standard OpenUSD (Universal Scene Description), qui permet de décrire, composer et réutiliser des environnements 3D pour générer des données d'entraînement synthétiques couvrant des scénarios variés : éclairage, météo, angles de caméra, occultations ou événements rares. Trois compétences concrètes sont proposées aux développeurs : le skill de génération d'images de défauts, le skill d'augmentation de données vidéo, et les outils NVIDIA TAO pour le fine-tuning des modèles. L'enjeu est considérable car la majorité des données collectées en périphérie des réseaux reste inexploitée. Selon Gartner, 90 % des données edge actuelles ne sont pas traitées, alors que plus des deux tiers des entreprises mondiales devraient déployer de l'IA en périphérie d'ici 2029, contre seulement 10 % en 2025. Ces agents doivent fonctionner au plus près des caméras et des capteurs, avec des contraintes strictes de latence, de consommation électrique et de connectivité. Les équipes qui les développent se heurtent à trois obstacles récurrents : les modèles plafonnent face à des défauts rares ou des conditions inédites non représentés dans les données d'entraînement, l'ajustement fin des modèles exige une expertise en machine learning que beaucoup d'organisations n'ont pas en interne, et l'assemblage complet d'un pipeline vidéo incluant inférence, métadonnées, indexation, alertes et intégrations système reste long et technique. Cette initiative de NVIDIA s'inscrit dans un contexte de convergence entre l'IA générative et les jumeaux numériques industriels. Plutôt que de reconstruire des environnements 3D de zéro à chaque changement de site ou de condition, OpenUSD fournit une couche de description partagée et réutilisable. NVIDIA positionne ainsi Metropolis comme une infrastructure de référence pour le cycle de vie complet des agents vidéo, du développement au déploiement en passant par l'optimisation continue. À l'horizon 2028, Gartner anticipe que plus des deux tiers des données d'entreprise seront créées et traitées hors des centres de données traditionnels, ce qui fait de la capacité à entraîner et affiner des modèles directement sur le terrain un avantage compétitif décisif pour les industriels.

Outils⚒Outil

1 source