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 jeudi 15 octobre 2026

43 articles

Modèles d’IA, industrie et entreprises

  • Anthropic a indiqué à ses investisseurs que son chiffre d’affaires du troisième trimestre avait progressé d’environ 45 % par rapport au trimestre précédent, pour atteindre 16,8 milliards de dollars, à l’approche d’une éventuelle introduction en bourse qui pourrait valoriser l’entreprise à 2 000 milliards de dollars [1]. Sa lutte contre la distillation représentait 5 % à 7 % de l’usage lié au chiffre d’affaires, et elle a publié une marge opérationnelle ajustée de 11 % [2].
  • Anthropic a donné à METR un accès comparable à celui d’un employé pour évaluer ses modèles et publiera les résultats de ses évaluations de risques, tout en collaborant avec SecureBio et Accenture, et en menant des discussions préliminaires avec Hugging Face [3].
  • Modal affirme avoir dépassé 1 milliard de dollars de revenu annualisé et avoir levé 16 milliards de dollars dans une série D, son usage et sa valorisation ayant triplé en cinq mois [4].
  • Cohere a annoncé un projet d’accord pour acquérir AISLE, une entreprise spécialisée dans la détection autonome de vulnérabilités, afin de renforcer sa plateforme d’IA souveraine et sa présence en Europe [5].
  • Meta a publié les poids de Muse Spark Open, un modèle MoE de 816 milliards de paramètres au total et 42 milliards actifs, distribué sous la licence Muse Model License, optimisé pour SGLang et vLLM sur NVIDIA, AMD et Intel, avec une fenêtre de contexte de 1 million de jetons [6]. Il est disponible en préversion limitée sur GroqCloud, où Meta annonce plus de 350 jetons par seconde et par utilisateur [7].
  • Mistral a publié Timestral, une famille de modèles de fondation pour séries temporelles en quatre tailles (de 5 millions à 209 millions de paramètres) ; le plus grand se classe premier sur GIFT-⁠Eval, TIME et fev-⁠bench avec les deux tiers du nombre de paramètres de l’ancien état de l’art [8].
  • Harness² de Google permet aux agents d’améliorer itérativement leurs prompts, outils, mémoire et orchestration sans modifier les poids du modèle, en reportant les enseignements étayés par des preuves sur les tâches futures [9].
  • Une analyse publiée sur Substack indique que plus de la moitié des entreprises paient désormais pour l’IA, et que la croissance proviendra de plus en plus d’une adoption plus poussée plutôt que de nouveaux clients [10].

Outils LLM, RAG et agents

  • L’équipe de Jev indique avoir choisi la bonne page en premier dans 88 % des cas sur 168 questions de test, contre 70 % pour la recherche par embeddings, et avoir réduit les résultats non pertinents de 33 % à 3 % en répondant « aucune » lorsqu’aucune page ne convenait [11].
  • Phoenix est une plateforme d’observabilité open source, auto-⁠hébergée, qui capture les traces OpenTelemetry et propose des évaluations de récupération et de réponse, des jeux de données, des expériences et le rejeu de prompts pour les applications LLM [12].
  • Le guide d’évaluation d’agents de LangChain recommande de commencer avec 10 à 20 exemples tirés des traces, de combiner des évaluateurs de code et des juges LLM avec une relecture humaine, et d’utiliser des évaluations hors ligne et en ligne à différentes étapes [13].
  • Le guide « Evaluating AI agents » de Google soutient que les agents peuvent tourner en boucle ou consommer des jetons tout en paraissant corrects, et construit un pipeline d’évaluation pour un agent LangGraph [14].
  • XERJ est un moteur de recherche local compatible Elasticsearch, distribué sous licence Apache-⁠2.0, qui indexe automatiquement le code, les journaux, les PDF et les CSV pour la récupération par les agents et le RAG, avec un reranking optionnel pouvant envoyer du texte à un fournisseur externe [15].
  • Une preuve de concept montre une sécurité au niveau des lignes pour Claude Dashboards via MCP : un serveur MCP authentifie les utilisateurs et interroge DuckDB, de sorte que les règles d’accès s’appliquent avant que les données n’atteignent Claude [16].
  • Le guide de Docker décrit les risques liés aux agents, tels que l’injection de prompt, le mauvais usage des outils et l’autonomie excessive, et préconise de restreindre ce qu’un agent peut atteindre et de superviser ses actions [17].
  • Addy Osmani recommande une vérification agentique : des tests de bout en bout comme référence, des tests basés sur les propriétés pour rechercher les états interdits, et des tests déterministes rapides afin que les agents puissent réessayer de manière fiable [18].
  • Le dépôt adk-⁠recipes de Google organise les ressources ADK en couches core/, plugins/ et contrib/, avec des compétences verticales installables pour les assistants de code et des modèles de déploiement sur Google Cloud [19].
  • Code Review d’Anthropic est désormais généralement disponible pour les offres Team et Enterprise ; la plupart des revues se terminent environ 3 fois plus vite (d’environ 20 minutes à 6 à 10 minutes), et les administrateurs peuvent ajuster les revues par dépôt [20].
  • L’autofix agentique pour les alertes de code scanning de GitHub est généralement disponible : Copilot explore la base de code, propose un correctif, relance CodeQL pour le valider et ouvre une pull request en brouillon [21]. AI Scan pour les pull requests est également généralement disponible ; il couvre les langages que CodeQL ne prend pas encore en charge, sous forme de résultats consultatifs [22].

Service de modèles et infrastructure d’inférence

  • Meta décrit l’utilisation de capacité d’inférence inactive et opportuniste pour classer davantage de publicités ou orienter les requêtes vers des modèles plus performants, en réduisant rapidement cette capacité lorsqu’elle disparaît, tout en protégeant la latence et la fiabilité habituelles [23].
  • Le connecteur NIXL à poussée de vLLM déplace la coordination des transferts de cache KV après le préremplissage hors du chemin critique de l’inférence désagrégée, ce qui améliore le TTFT et le TPOT pour de nombreuses requêtes simultanées [24].
  • Netflix a expliqué comment il détecte les GPU et le matériel réseau défectueux, remédie automatiquement aux machines en panne et maintient les tâches d’entraînement distribuées en fonctionnement malgré les défaillances matérielles [25].
  • ExecuTorch exécute désormais directement des modèles PyTorch sur les CPU Arm Cortex-⁠M avec l’accélération CMSIS-⁠NN ; quatre modèles MLPerf Tiny s’exécutent en 21,5 ms ou moins avec moins de 90 KiB de RAM sur un Cortex-⁠M55, avec un runtime de base inférieur à 20 KiB de flash [26].
  • Le mode BYOC de Pinecone ajoute une capacité à la demande, dans laquelle les index partagent un pool de capacité avec un sharding dynamique, au lieu d’un dimensionnement préalable des shards [27].

Données, bases de données et DevOps

  • Un guide sur la réplication logique décrit une mise à niveau majeure de PostgreSQL avec 181 ms d’interruption d’écriture et 179 ms lors du retour arrière, sans perte de données, en utilisant des clusters ancien et nouveau en parallèle [28].
  • SQLBuild est un framework open source SQL et Python qui vérifie les contrats et la lignée avant l’exécution, et prend en charge les renommages sûrs et les comparaisons en production sur Snowflake, Postgres, BigQuery et Databricks [29].
  • pg_vectorsearch est une extension PostgreSQL pour la recherche approximative de plus proches voisins [30].
  • Des benchmarks portant sur 1 000 identifiants ont montré que les jointures IN, ANY et VALUES donnent des performances similaires dans PostgreSQL ; les équipes doivent donc vérifier avec EXPLAIN sur leurs propres données [31].
  • L’application Evergreen de GitHub automatise les revues trimestrielles des accès des collaborateurs externes et l’archivage des dépôts dans une organisation partagée, un modèle que les équipes peuvent adapter [32].
  • GitHub a supprimé les notifications par e-⁠mail pour les événements push des dépôts le 15 octobre 2026 ; les équipes qui en ont besoin peuvent utiliser un workflow GitHub Actions avec leur propre fournisseur SMTP [33].

Sécurité

  • Ivanti a signalé des zero-⁠days activement exploités sur Connect Secure, un contournement d’authentification enchaîné avec deux autres failles pour exécuter des commandes en root sur les appareils vulnérables [34].
  • Weaviate a corrigé une faille d’autorisation de gravité moyenne dans la recherche nearObject (versions 1.39.3 et ultérieures), qui permettait à des appelants de connaître les distances vers des vecteurs protégés dans d’autres collections ; un CVE est en attente [35].
  • Discourse a corrigé la CVE-⁠2026-⁠55420, une faille de téléversement basée sur ImageMagick permettant la lecture et l’écriture arbitraires de fichiers, en adoptant une politique de refus par défaut pour les délégués ImageMagick [36].
  • Chrome 155 a corrigé 37 failles, dont sept bogues mémoire critiques, dont au moins 15 signalées par Anthropic avec l’aide de Claude [37]. Les agents de XBOW ont construit une chaîne complète contre Chrome en six jours pour environ 40 000 dollars de coûts d’API ; les défenseurs doivent mettre à jour vers les versions intégrant les correctifs V8 et Chromium [38].
  • Meta indique que des pirates ont dérobé le code et les données personnelles d’environ 1 500 personnes lors d’une violation de GitHub, 99 % des données volées étant du code source ; l’entreprise procède à la rotation des secrets exposés [39].

Pratiques de développement et outils

  • Le support DPoP de Google pour OAuth lie les jetons de rafraîchissement au client, ce qui atténue les logiciels infostealers et les attaques de type homme du milieu, et Google Cloud STS peut gérer la délégation de jetons au sein des chaînes d’agents [40].
  • Un benchmark a traité 7,6 Go de JSON en environ 0,12 seconde avec fastsimdjson sous Python en mode multithread sans GIL, sur 64 cœurs, soit environ 66 Go/s, en parallélisant le traitement et en ne construisant des objets Python que pour les champs nécessaires [41].
  • Jared Palmer soutient que savoir reconnaître un code propre reste utile, mais que connaître la bonne forme de programme avant de l’écrire est une chose que l’IA ne sait pas encore faire [42].
  • Rust 1.99.1 corrige des régressions, notamment un symbole wcslen manquant qui cassait certaines cibles, en particulier les projets UEFI utilisant std [43].
Sources
  1. Anthropic Says Revenue Jumped 45 % to $16.8 Billion in Third Quarter nytimes.com
  2. Anthropic tells investors quarterly revenue up nearly 50 % to $16.8bn ahead of IPO simonwillison.net
  3. An update on independent evaluators anthropic news
  4. [AINews] Modal’s $1B ARR, $16B Series D makes it NYC’s newest AI Infra Decacorn, 3x usage and 3x valuation in 5 months, 15x in 1 yr latent.space
  5. Cohere and AISLE sign letter of intent to advance cyber-⁠resilient sovereign AI cohere
  6. Muse Spark Is Now an Open-⁠Weights Model pytorch.org
  7. Meta’s Muse Spark open-⁠weight release Is Now in Limited Preview on GroqCloud groq
  8. Introducing Timestral mistral
  9. Google Harness² for Recursive Self Improvement github.com
  10. Cracks in the AI Thesis Part 3 econlab.substack.com
  11. Jev handed our LLM the wrong page a tenth as often as our embeddings sayora.ai
  12. Phoenix github.com
  13. The Most Common Questions About Agent Evals, Answered langchain.com
  14. Evaluating AI agents: moving past the vibe check google ai
  15. XERJ github.com
  16. Need to Know: Implementing row-⁠level security for Claude Dashboards via Model Context Protocol thedatavist.substack.com
  17. AI Agent Security Risks: What Can Go Wrong When Agents Act on Their Own docker.com
  18. Agentic Verification addyo.substack.com
  19. Three layers, one repo: a tour of google/adk-⁠recipes google ai
  20. Code Review is now generally available claude
  21. Agentic autofix for code scanning alerts general availability github.blog
  22. AI Scan for pull requests generally available github.blog
  23. Turning Opportunistic AI Inference Capacity Into Better Ads Recommendations engineering.fb.com
  24. Push-⁠Based KV Transfer to Improve TTFT and TPOT for Disaggregated Inference in vLLM vllm.ai
  25. How Netflix Keeps Large GPU Jobs Running netflixtechblog.com
  26. Bringing ExecuTorch to Arm Cortex-⁠M CPUs pytorch.org
  27. On-⁠demand mode for Pinecone BYOC pinecone
  28. Zero-⁠downtime Postgres upgrades with logical replication tapoueh.org
  29. SQLBuild: safe refactoring for warehouse SQL github.com
  30. pg_vectorsearch github.com
  31. Four PostgreSQL arguments that came out even explainmeasured.com
  32. Staying Evergreen: How we automated secure access and repo hygiene in a shared org github.blog
  33. Email notifications for repository push events have been retired github.blog
  34. Ivanti Warns of Connect Secure Zero-⁠Days Exploited in Attacks bleepingcomputer.com
  35. Weaviate security release - Medium severity fix for a cross-⁠collection vector disclosure in nearObject (CVE pending assignment) weaviate
  36. Discourse ImageMagick Vulnerability Enables Arbitrary File Read Through Malicious Image Uploads gbhackers.com
  37. Chrome, Firefox Updates Patch 114 Flaws as Mozilla Unveils Firefox Enterprise securityweek.com
  38. Zero to Calc in Six Days: Inside XBOW’s Chrome Full Chain xbow.com
  39. Meta Says Hackers Took Code and Personal Data of 1500 People in GitHub Breach securityweek.com
  40. Announcing DPoP Support for Google OAuth: Securing Refresh Tokens google ai
  41. Parsing JSON at tens of gigabytes per second… in Python lemire.me
  42. Code you didn’t write jaredpalmer.com
  43. Announcing Rust 1.99.1 blog.rust-⁠lang.org

Publications du jeudi 15 octobre 2026

24 publications

Efficacité et mémoire pour contextes longs

  • Latent Compaction apprend un cache KV compact et propre à chaque document grâce à un entraînement au moment du test, tout en gardant les poids du modèle figés, en n’utilisant que des invites génériques de documents, sans questions ni réponses en aval. Il rapporte une précision de 96,7 % sur RULER avec une compression de 32x, avec des gains par rapport aux bases de référence à budget équivalent sur RULER, LongBench et Phonebook Lookup [1].
  • FOLD est une méthode de décodage spéculatif sans entraînement qui conserve les positions locales exactes et traite le contexte distant comme une mémoire lointaine à une position partagée, avec une attention accentuée pour contrer la dilution à mesure que la mémoire croît [2].
  • CA (Continuum Attention) remplace la recherche discrète clé-⁠valeur par une intégration sur une courbe mémoire continue linéaire par morceaux, avec une attention en forme close et des implémentations parallèles sur GPU. Il rapporte une amélioration de 0,0200 nats/octet de la NLL par rapport à l’attention softmax [3].
  • L’approche COUNT stocke des comptages de n-⁠grammes précalculés dans la mémoire hôte afin de faire croître les plongements de n-⁠grammes sans ajouter de paramètres appris [4].

Agents, auto-⁠amélioration et automatisation de la recherche

  • SwarmRSI fait évoluer des essaims d’agents scientifiques grâce à une mutation guidée par retour d’information et à une recombinaison complémentaire des hypothèses et des composants de programme [5].
  • Une étude sur la recherche automatisée montre que l’itération d’agents, les agents parallèles et les agents communicants atteignent tous un plateau à mesure que l’historique s’accumule. Abandonner périodiquement l’état de recherche et repartir du meilleur candidat permettrait, selon les résultats rapportés, d’aller plus loin avec le même budget [6].
  • AdaRSI affine uniquement les sous-⁠étapes peu fiables d’un exécuteur incarné, à partir de démonstrations collectées par le système lui-⁠même, et rapporte des améliorations sur les trois suites RoboCasa365 avec GR00T N1.5 [7].
  • HP-⁠RLVR évalue chaque jeton selon son historique causal et selon un contexte rétrospectif incluant le futur réalisé, ce qui fournit une attribution de crédit au niveau du jeton à partir d’un seul déploiement, sans échantillonnage par groupe [8].
  • VASPO combine un auto-⁠enseignant et un critique au sein de PPO, en rapportant que l’information privilégiée améliore la précision du critique vers la fin des réponses [9].
  • CriticOPD fait critiquer par l’enseignant les déploiements incorrects de l’élève, afin que ce dernier les réécrive, avec des gains rapportés par rapport à la distillation on-⁠policy sur six benchmarks de mathématiques [10].
  • CIPR pénalise la divergence KL entre les distributions d’actions sous deux interfaces dotées d’identifiants d’actions non informatifs, ce qui améliore la robustesse aux perturbations d’interface, tant en post-⁠entraînement supervisé qu’en apprentissage par renforcement [11].
  • Les systèmes agentiques multi-⁠développeurs atteignent 70 % sur GAIA lorsque des agents spécialisés (chacun en dessous de 35 %) sont combinés, soit 12 points au-⁠dessus de la médiane des systèmes à développeur unique, selon les résultats rapportés [12].

Robotique et apprentissage incarné

  • Diffusion sur les poids de politiques humanoïdes : un autoencodeur linéaire couplé à un Diffusion Transformer génère les poids de réseaux d’acteur pour le Unitree G1, et les réseaux générés sont rapportés comme déployables pour la marche et la danse sur le robot réel [13].
  • Player-⁠1 post-⁠entraîne des modèles d’utilisation d’ordinateur sur 6 044 trajectoires de jeu et construit seize environnements synthétiques 2D/3D pour le contrôle de jeux [14].
  • HiRe-⁠MoMa affine une politique de manipulation mobile figée à l’aide de têtes résiduelles hiérarchiques et d’un alignement de valeur guidé par experts, en utilisant moins de 20 % de couverture d’entraînement issue d’interventions humaines éparses [15].

Évaluation, biais et sécurité

  • Un audit de biais portant sur dix modèles ouverts dans huit langues constate que les scores de stéréotypes sont inférieurs aux niveaux observés en anglais dans les 70 couples modèle-⁠langue, avec des baisses dépassant le bruit de reformulation pour le hindi, le coréen et le swahili, et soutient que des scores plus faibles n’impliquent pas des modèles plus équitables [16].
  • PerSo est un benchmark de persuasion construit à partir de dialogues Reddit ChangeMyView, qui évalue séparément l’intelligence sociale cognitive et comportementale des LLM [17].
  • ChronoCulture (10 360 paires temporelles couvrant 72 pays) constate que les modèles prédisent les attitudes d’un pays à un instant donné, mais ne saisissent pas de manière fiable leur évolution dans le temps [18].
  • semCER est un taux d’erreur de caractères pondéré par la gravité pour l’OCR, qui impute à chaque édition de graphème une gravité évaluée par un LLM, et dont les valeurs suivent les évaluations de lecteurs en anglais, en vietnamien et en chinois [19].
  • Manacá-⁠1B-⁠Instruct-⁠2 documente trois tentatives négatives de DPO et attribue sa sécurité à un SFT de sécurité dédié, avec une courbe de sur-⁠refus non monotone selon la proportion de données générales [20].

Raisonnement scientifique et formel

  • MolLean est un langage à vérification de processus fondé sur Lean pour le raisonnement chimique, qui vérifie les transitions d’états moléculaires et rejette les actions invalides sans modifier l’état [21].
  • La vérification mécanique pour l’autoformalisation en Lean combine une revue sémantique par LLM avec des contrôles numériques et de vacuité, et rapporte le taux d’erreur accepté le plus bas parmi les méthodes évaluées sur trois jeux de données annotés [22].
  • Same Claim, Different Interpretations introduit les Claim Cards, qui consignent en neuf champs l’interprétation d’une affirmation scientifique par un vérificateur, avant la collecte de preuves [23].

IA pour les sciences du vivant

  • OpenAI présente le Rosalind Academic Plan, qui offre aux laboratoires universitaires éligibles un accès parrainé à GPT-⁠Rosalind et à des outils de recherche en sciences du vivant [24].
Sources
  1. Latent Compaction with Test-⁠Time Training arxiv cs.CL
  2. FOLD: Position-⁠Free Far Memory with Local Order for Long-⁠Context Speculative Decoding arxiv cs.CL
  3. Continuum Attention arxiv cs.LG
  4. The COUNT: Counting N-⁠grams Unlocks Scaling on Host Memory and Training-⁠Free Adaptation arxiv cs.CL
  5. SwarmRSI: Recursive Self-⁠Improvement through Evolving Scientific Agent Swarm arxiv cs.CL
  6. Scaling Discovery Requires Forgetting arxiv cs.CL
  7. AdaRSI: On-⁠Demand Recursive Self-⁠Improvement for Embodied Agents arxiv cs.CL
  8. Hindsight-⁠Privileged RLVR: Single-⁠Rollout Token Credit Without Group Sampling arxiv cs.AI
  9. VASPO: Self-⁠Distillation with Privileged Value Estimation arxiv cs.CL
  10. Recovering Reliable Supervision via Critique-⁠Guided On-⁠Policy Distillation arxiv cs.LG
  11. One Task, Many Interfaces: Simple Cross-⁠Interface Consistency Training Improves LLM Agent Robustness arxiv cs.CL
  12. The Wealth of Agents: Scaling Agentic AI Across Developers arxiv cs.AI
  13. Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion arxiv cs.LG
  14. Player-⁠1: Learning to Play from Synthetic Experience arxiv cs.AI
  15. Hierarchical Residual Policy Learning for Real-⁠World Mobile Manipulation with Sparse Human Guidance arxiv cs.LG
  16. Lost in Translation: Why Lower Bias Scores Don’t Mean Fairer Models arxiv cs.CL
  17. PerSo: Investigating Facets of LLMs' Social Intelligence in Real-⁠World Persuasion Scenarios arxiv cs.CL
  18. ChronoCulture: Evaluating Cultural Awareness Across Time in Large Language Models arxiv cs.CL
  19. Equal CER, Unequal Damage: Severity-⁠Weighted Character Error Rate for OCR arxiv cs.CL
  20. Manacá-⁠1B-⁠Instruct-⁠2: Reproducible Safety Alignment for a Native Brazilian-⁠Portuguese LLM. Negative DPO Results, a Controlled Composition Scan, and a Silent Failure Mode of the LLM Judge arxiv cs.CL
  21. MolLean: A Process-⁠Verifiable Language for Chemical Reasoning arxiv cs.CL
  22. Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization arxiv cs.AI
  23. Same Claim, Different Interpretations: How LLM Agents Resolve Ambiguity in Scientific Claims arxiv cs.CL
  24. Bringing GPT-⁠Rosalind to academic research labs openai research