Aller au contenu

Veille IA du

Cette page est l’édition archivée d’un jour précis. Elle ne change plus.

Dernier digest S’abonner

Actualités du vendredi 11 septembre 2026

36 articles

Modèles d’IA, agents et outils

  • OpenAI lance une bêta publique de son Agents API, un framework géré pour des agents à longue durée de vie avec gestion de contexte, utilisation d’outils, coordination de sous-⁠agents, interactions avec des fichiers/environnements et sessions persistantes [1] [2].
  • La plateforme de stockage Habitat d’OpenAI dessert désormais plus d'1 milliard d’utilisateurs de ChatGPT et 22 millions de requêtes/seconde, évoluant d’une bibliothèque Python vers un système mondialement distribué [3].
  • Le ADK pour Kotlin 1.0 de Google atteint la parité avec Python/Java, permettant un développement multi-⁠agents idiomatique avec KMP, KSP sans réflexion, des workflows avec humain dans la boucle et des extensions prioritaires pour Android (LiteRT-⁠LM, Firebase AI, Room, AppSearch) [4].
  • Google met en avant quatre modèles d’ingénierie derrière les meilleures soumissions d’agents IA : MCP bidirectionnel pour les communications inter-⁠agents, bus d’événements asynchrones pour le parallélisme, validation unifiée pour les solutions de repli et routage hiérarchisé pour réduire les coûts d’inférence [5].
  • Google démontre l’auto-⁠post-⁠formation de LLM avec Tunix sur des TPU, utilisant des boucles de recherche autonomes (autofinetune) pour optimiser les rangs LoRA, les taux d’apprentissage et les tailles de lots pour SFT/GRPO, orchestré avec l’interface CLI Antigravity et Gemma sur les Cloud TPU [6].
  • Google recommande des évaluations comportementales (tests rapides, locaux et de type unitaire sur des actions discrètes) pour compléter les benchmarks d’agents de bout en bout, permettant une itération plus sûre des prompts/systèmes sans régressions [7].
  • SWE-⁠2 repousse la frontière de Pareto : 50,0 % sur FrontierCode 1.1 Main1, 64 % moins cher que SWE-⁠1.7, égalant GPT-⁠5.6 Sol et Fable 5/5.1 à une fraction de leur prix, et à quelques points près de GPT-⁠6 Astra pour un quart du coût [8].
  • GPT-⁠Live-⁠1 est lancé dans l’API OpenAI à 0.05 $/min avec duplex intégral, gestion des interruptions et 12 options vocales, réduisant les interruptions de 80 % par rapport aux systèmes par tours [9].
  • Muse de Meta introduira des Agents Partagés, permettant aux utilisateurs de créer et partager des agents personnalisables pour des workflows comme le support client et les ventes [10].
  • Tendance du secteur : les entreprises orientent de plus en plus les requêtes simples vers des modèles ouverts moins chers et investissent dans le routage de modèles pour réduire les coûts, avec un partage croissant des connaissances sur l’utilisation économique de l’IA [11].
  • SWE-⁠2 de Cognition surpasse Grok 4.6 en score et en coût, démontrant des gains d’efficacité significatifs dans le codage agentique [8].
  • Rhoda AI confirme que l’augmentation de la pré-⁠formation sur des vidéos web améliore les performances des tâches robotiques réelles, les modèles plus grands excellant dans le déballage industriel, et la qualité de la pré-⁠formation (DINO FD) prédisant l’efficacité en aval [12].
  • Salesforce constate que l’entraînement direct de modèles plus petits sur des trajectoires d’agents experts peut nuire aux performances après optimisation du harness, soulignant la nécessité de stratégies de co-⁠évolution [13].

MLOps, DevOps et infrastructure

  • PlanetScale détaille le cycle de vie d’une requête Postgres fragmentée, expliquant comment des déploiements complexes sur des milliers de serveurs émulent une seule base de données, avec un exemple concret sur quatre fragments [14].
  • Neki présente Postgres fragmenté avec un routeur qui planifie et distribue les requêtes entre les groupes de fragments tout en préservant le protocole filaire standard, les pilotes, les ORM et le comportement SQL, avec des workflows en ligne pour les modifications de schéma et le re-⁠fragmentation [15].
  • Une analyse soutient que les plateformes de routeur centralisées peuvent offrir une meilleure économie que les déploiements locaux, le modèle de tarification basé sur les résultats étant mieux adapté à la couche infrastructure qu’aux couches modèle ou application [16].
  • vLLM triple le débit d’inférence de MiniMax M3 sur l’AMD MI355X (109,1 → 342,4 tokens/s/GPU) via une chasse systématique aux goulots d’étranglement, en fusionnant les experts partagés en GEMM groupés et en réutilisant les sélections de blocs d’attention éparse [17].
  • Colibri est un moteur d’inférence en C pur pour les modèles Mixture-⁠of-⁠Experts, traitant le stockage/RAM/VRAM comme une seule hiérarchie pour exécuter des modèles de 744 milliards à 2,8 billions de paramètres sur du matériel grand public sans dépendances [18].
  • Hugging Face Kernels prend désormais en charge Helion, permettant aux développeurs de créer, auto-⁠optimiser et déployer des noyaux performants et portables via le Hugging Face Hub avec une auto-⁠optimisation de première classe et des configurations pré-⁠optimisées [19].
  • NVIDIA introduit CUDA Rust avec deux voies de compilation pour écrire des noyaux de calcul GPU en Rust, apportant la sécurité mémoire et des outils modernes aux charges de travail accélérées par GPU [20].
  • Google s’engage à investir 15 milliards de dollars dans des centres de données en Finlande et explore l’énergie nucléaire pour une infrastructure IA à long terme, signant un accord d’approvisionnement énergétique de 22 ans avec Fortum [21].
  • TSMC affiche un chiffre d’affaires record en août (+53 % en glissement annuel) et prévoit l’adoption de l’EUV à haute ouverture numérique pour 2030 afin de répondre à la demande de puces liée à l’IA [22].
  • OpenAI pourrait doubler l’approvisionnement en puces IA de nouvelle génération chez Samsung en plus de TSMC, étendant ainsi sa collaboration au-⁠delà de son ASIC Jalapeño actuel (conçu avec Broadcom, fabriqué par TSMC) [23].
  • Cloudflare réduit les HelloRetryRequests de ~52 % à 3,7 % et diminue la latence de handshake p90 de plus de 150 ms avec l’échange automatique de clés, mettant à niveau des centaines de milliers de domaines vers un chiffrement post-⁠quantique [24].
  • Cloudflare CASB ajoute des stratégies de remédiation automatique, permettant une logique pilotée par événements pour révoquer les partages de fichiers risqués et envoyer des webhooks personnalisés sans intervention manuelle [25].

Outils et pratiques pour développeurs

  • GitHub Copilot ajoute des métriques d’utilisation des Agents VS Code (utilisateurs actifs quotidiens, nombre de sessions, messages utilisateurs) aux rapports entreprise et organisation, permettant le suivi de l’adoption [26] [27].
  • La révision de code par Copilot résout désormais automatiquement les commentaires traités, rédige des messages de commit intelligents et utilise des outils shell plus larges et des ensembles d’agents pour des révisions plus approfondies [28].
  • Shopify migre ses applications mobiles de React Native vers du Swift/Kotlin natif, car les agents de codage ont rendu moins coûteux le maintien de deux implémentations natives ; son workflow Helix utilise des points de contrôle petits et testés avec une révision visuelle/contradictoire [29].
  • Checkly a utilisé Claude Code pour réécrire un service Node.js (92 millions de messages quotidiens) en Go, guidé par un harness de test en boîte noire, atteignant zéro incident, 70 % de pods en moins et 60 % de sessions DB en moins [30].
  • La compétence modern-⁠web-⁠guidance de Google équipe les LLM d’un index local des bonnes pratiques frontend actuelles, compensant les données d’entraînement obsolètes dans les applications React/Vite [31].
  • Drydock examine les artefacts npm/PyPI/VS Code avant publication, signalant les modifications risquées (scripts d’installation, accès réseau, binaires) sans gérer les identifiants de publication [32].
  • llmfit est un outil en ligne de commande qui recommande des LLM open source en fonction du matériel de l’utilisateur, inspectant le CPU/RAM/GPU pour noter les modèles sur l’adéquation mémoire, la vitesse et la qualité [33].
  • OpenCodeReview est un outil CLI de révision de code alimenté par IA développé par Alibaba, validé à grande échelle, capable de lire le contenu complet des fichiers, de rechercher dans la base de code et de produire des révisions approfondies [34].
  • Python 3.15 déprécie progressivement re.match() au profit de re.prefixmatch(), re.search() ou re.fullmatch(), plus clairs [35].
  • Wrapture est une nouvelle bibliothèque de monkey-⁠patching pour Python, servant à la fois le test et l’observabilité (par exemple, le traçage de type New Relic) [36].
Sources
  1. Introducing the Agents API openai.com
  2. Introducing the Agents API openai.com
  3. Rapidly scaling online storage to serve over 1 billion ChatGPT users openai.com
  4. Announcing ADK for Kotlin 1.0: Building Production-⁠Ready AI Agents in Kotlin, Android, and Beyond google ai
  5. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  6. Autonomous LLM post-⁠training with Tunix on TPUs google ai
  7. The Anatomy of Harness Engineering: How to Evaluate, Iterate, and Guard AI Coding Agents google ai
  8. Introducing SWE-⁠2: Pushing the Pareto Frontier cognition.com
  9. OpenAI launches GPT-⁠Live-⁠1 for full-⁠duplex voice agents testingcatalog.com
  10. Meta to announce Shared Agents for Muse at Meta Connect testingcatalog.com
  11. Tech companies move to open AI models blog.pragmaticengineer.com
  12. Does Scaling Web-⁠Video Pre-⁠training Help Real Robots Do Real Work? rhoda.ai
  13. Salesforce Finds Better Ways to Co-⁠Evolve Agents and Their Harnesses arxiv 2609.09134
  14. The lifecycle of a sharded Postgres query planetscale.com
  15. Introducing Neki: sharded Postgres planetscale.com
  16. Router Power hypersoren.xyz
  17. vLLM triples MiniMax M3 inference throughput on AMD’s MI355X through systematic bottleneck chasing vllm.ai
  18. Colibri github.com
  19. Helion x 🤗 HF Kernels: Building and Shipping Out-⁠of-⁠the-⁠box Performant Kernels pytorch.org
  20. Introducing CUDA Rust for High-⁠Performance GPU Kernel Development developer.nvidia.com
  21. Google commits $15B to Finland data centers, explores nuclear power for the buildout cnbc.com
  22. TSMC’s August revenue jumps 53 % to a record high, plans High-⁠NA EUV adoption for 2030 cnbc.com
  23. OpenAI may double-⁠source next-⁠gen AI chips at Samsung, alongside TSMC tomshardware.com
  24. Automatic Key Exchange: faster, post-⁠quantum secure origin handshakes for 45 billion daily connections (and counting) blog.cloudflare.com
  25. Introducing automatic remediation policies with Cloudflare CASB blog.cloudflare.com
  26. Add VS Code Agents to Copilot usage metrics github.blog
  27. GitHub Copilot weekly releases: September 7 github.blog
  28. Auto-⁠resolution and analysis updates in Copilot code review github.blog
  29. Native is now the future of mobile at Shopify shopify.engineering
  30. Rewriting a Node.js service in Go with agents checklyhq.com
  31. Testing Google’s "modern-⁠web-⁠guidance" skill on a real React app alfy.blog
  32. Drydock (Website) drydock.org
  33. llmfit github.com
  34. OpenCodeReview github.com
  35. Soft-⁠deprecating re.match() simonwillison.net
  36. Don’t sleep on wrapture simonwillison.net

Publications du vendredi 11 septembre 2026

20 publications

Modèles de langage et dynamiques d’entraînement

  • Les modèles MoE se dégradent plus rapidement sous l’effet de la répétition des données que les Transformers denses, la dégradation étant proportionnelle aux paramètres totaux (et non actifs) ; les modèles denses de 80M tolèrent une répétition 8× avec une perte minime, tandis que les MoE souffrent à partir de 4× et sous-⁠performent par rapport aux modèles de référence denses après 32× [1].
  • La généralisation de la distance (modification des distances inter-⁠jetons à longueur de contexte fixe) est mal comprise : les encodages positionnels tels que RoPE/ALiBi ne montrent des gains limités que par rapport à NoPE, et les performances dépendent fortement de la diversité des données d’entraînement et des conditions de transfert d’apprentissage [2].
  • Les interventions par couche révèlent que les dépendances d’acheminement des requêtes et de connaissances cibles évoluent différemment lors de la réponse aux questions, avec une fenêtre causale où les directions de requête conditionnées par paires croissent avant que les interventions ne modifient les connaissances ultérieures [3].

Modèles multimodaux et spécialisés

  • Les VLM déployables en périphérie (2–8B) conservent leurs connaissances taxonomiques mais se dégradent fortement (9,6–26,6 pp) sur les images de pièges photographiques par rapport aux photos nettes, ce qui suggère que les écarts de domaine proviennent de la lisibilité des images plutôt que de limites de discrimination fine ; BioCLIP (300M) présente des tendances similaires [4].
  • MindTopo évalue le raisonnement topologique (continuité, séparation, ordre, inclinaison, nœuds) sur 11k instances, évaluant à la fois le raisonnement direct et la planification en boucle fermée avec des MLLM ; les résultats mettent en évidence des lacunes dans l’intuition topologique des modèles actuels [5].
  • Nuha-⁠Speech introduit un corpus de questions-⁠réponses en arabe de 1,5M d’échantillons, des recettes de réglage fin supervisé et une suite d’évaluation pour pallier la sous-⁠représentation de l’arabe dans les LLM vocaux [6].

Sécurité, alignement et évaluation

  • SpecGuard réutilise le décodage spéculatif pour la détection de portes dérobées à coût nul au moment de l’inférence dans les LLM, en exploitant les signaux de vérification pour signaler les générations déclenchées sans calcul supplémentaire [7].
  • Un pipeline de détection d’hallucinations à signaux multiples (DeBERTa-⁠v3 + MC Dropout + mise à l’échelle de la température) atteint F1=0,915 et AUROC=0,977 sur HaluEval, le MC Dropout faisant passer la précision à 93,2 % ; le réglage fin DPO réduit les hallucinations dans un générateur Qwen2.5-⁠0.5B [8].
  • RAG-⁠Safety-⁠Bench isole l’impact sur la sécurité du RAG via quatre conditions contrôlées (non-⁠RAG, oracle nuisible, lié mais sans réponse, documents sûrs aléatoires), permettant une mesure fiable des effets secondaires indésirables dans les invites nuisibles [9].
  • La recherche sur les LLM médicaux montre un décalage d’évaluation croissant : de 2023 à 2026, l’âge du modèle le plus récent des études est passé de 1,33 à 6,08 trimestres, les essais randomisés évaluant des modèles plus anciens (médiane de 4,6 trimestres) que d’autres conceptions [10].

Optimisation et entraînement

  • GPU-⁠CFR compile des arbres de jeux en flux de données statiques (tableaux plats, indices pré-⁠calculés) et utilise CUDA Graph Replay pour atteindre des accélérations de 80× dans la minimisation des regrets contrefactuels, surmontant les surcharges de lancement de noyaux GPU [11].
  • AdamX intègre la similarité cosinus dans la descente de gradient pour des amplitudes de mise à jour adaptatives, avec une rectification de la variance pour un début d’entraînement plus fluide ; les résultats empiriques montrent une convergence compétitive à travers les benchmarks [12].
  • CoRA-⁠NAS combine un consensus proxy statique à coût nul (CoRA-⁠Rank) avec un raffinement de la courbe d’apprentissage résiduelle d’ancrage (CoRA-⁠Refine), atteignant des corrélations de Spearman élevées (0,715–0,946) sur les benchmarks NAS à environ 1 % du coût d’entraînement complet [13].

Avancées causales et théoriques

  • Un cadre unifié pour le décalage de distribution introduit des décalages de concept γ via le transport optimal entropique, avec des bornes estimables et un algorithme DataShifts pour quantifier les décalages de covariables/concepts à travers les applications [14].
  • CausalArena standardise l’évaluation de la découverte causale avec des SCM synthétiques, sémantiques et fondés sur des formules, abordant les incohérences dans les benchmarks précédents et isolant les effets de chevauchement entre pré-⁠entraînement et test [15].

Applications et perspectives spécifiques au domaine

  • TART est un pipeline modulaire audio-⁠vers-⁠tablature (transcription MIDI -> classification des techniques -> attribution corde-⁠frette -> génération de tablatures) qui atteint +6,67 % de F50 audio-⁠vers-⁠MIDI et +8,5 % de F1 de tablature corde-⁠frette par rapport aux références en conditions zéro-⁠shot [16].
  • AssayBench-⁠Loop et AssayLoop introduisent la découverte adaptative de touches à grande échelle pour les criblages CRISPR, combinant des politiques d’acquisition amorties (AssayFormer) avec des a priori dérivés de LLM pour une conception expérimentale séquentielle efficace [17].
  • La fuite de cible (et non la classe du modèle) explique l’AUROC élevé (≈0,89) dans les modèles de dépistage cardiovasculaire ; la suppression de deux caractéristiques post-⁠diagnostiques fait chuter les performances de tous les modèles testés (du linéaire à la fondation tabulaire) dans une bande de 0,0045 de large [18].

Efficacité et déploiement

  • 3D Point Splatting (3DPS) est le premier moteur de rendu radar différentiable pour la synthèse de nouvelles vues millimétriques (mmWave), combinant les modèles de matériaux ITU-⁠R P.2040 avec le splatting phasoriel sous forme fermée pour des sorties à valeurs complexes et physiquement fidèles [19].
  • Le Component-⁠Aware DP pour les LLM vocaux fédérés résout l’effondrement du budget inter-⁠composants via le α-⁠split, une allocation à deux pools normalisant indépendamment les paramètres de l’encodeur et du LLM pour préserver la fidélité du gradient [20].
Sources
  1. Data Scarcity and Model Sparsity: Mixtures-⁠of-⁠Experts Overfit More to Repeated Data arxiv cs.CL
  2. Distance generalization in transformers: why bother with positional encoding? arxiv cs.CL
  3. From Parameters to Answers: How LLMs Retrieve and Use Their Internal Knowledge arxiv cs.AI
  4. Can Edge-⁠Deployable Vision-⁠Language Models Identify Species? arxiv cs.AI
  5. MindTopo: Can Foundation Models Reason in Topological Space? arxiv cs.CL
  6. Nuha-⁠Speech: Building General-⁠Purpose Arabic Speech-⁠LLMs arxiv cs.CL
  7. SpecGuard: Inference-⁠Time Backdoor Detection For Free arxiv cs.CL
  8. Domain-⁠Specific Hallucination Detection in Large Language Models arxiv cs.CL
  9. RAG-⁠Safety-⁠Bench: Reliable Evaluation of Retrieval-⁠Augmented LLM Safety arxiv cs.CL
  10. The widening evaluation gap in medical large language model research 2023 to 2026 arxiv cs.CL
  11. GPU-⁠CFR: 80x Faster Counterfactual Regret Minimization by Compiling the Game to Static Dataflow and CUDA Graph Replay arxiv cs.AI
  12. AdamX: Cosine similarity meets gradient descent arxiv cs.LG
  13. CoRA-⁠NAS: Coarse Ranking and Anchor-⁠Residual Refinement for Neural Architecture Search arxiv cs.LG
  14. General Quantification of Covariate and Concept Shifts arxiv cs.LG
  15. CausalArena: Benchmarking Causal Discovery in the Foundation Model Era arxiv cs.LG
  16. TART: A Modular Tool for Technique-⁠Aware Audio-⁠to-⁠Tablature Guitar Transcription arxiv cs.LG
  17. Biology-⁠in-⁠the-⁠loop: Amortized Adaptive Hit Discovery in CRISPR Screens arxiv cs.CL
  18. Target leakage, not model class, explains reported accuracy in survey-⁠based cardiovascular screening: a leakage-⁠tiered audit of glass-⁠box and tabular foundation models arxiv cs.CL
  19. 3D Point Splatting for mmWave Radar Novel View Synthesis arxiv cs.LG
  20. Component-⁠Aware Differential Privacy for Federated Multilingual Speech-⁠LLMs arxiv cs.CL