À la une

Indeed indique que les offres pour profils seniors ont augmenté de 19 % depuis janvier 2025 tandis que les recrutements de débutants se sont affaiblis. Les salaires annoncés progressent de 2,5 % par an face à une hausse des prix de 3,7 %, et les coûts d’assurance maladie à la charge des employeurs ont augmenté de 25 % en quatre ans. L’équipe de recherche d’Indeed recommande de préserver le premier échelon en embauchant des travailleurs en début de carrière et en les associant à des mentors.

Le rapport met ce clivage du recrutement en regard d’une pression sur les salaires et les prestations de santé. Indeed recommande de maintenir ouvertes les voies d’accès pour les débutants en associant les nouvelles recrues à des mentors, plutôt que de concentrer l’embauche sur les profils expérimentés.

Source : hiringlab.indeed.com

Des constructeurs automobiles chinois ont retiré des robots humanoïdes de leurs essais de production en raison de coûts élevés et de pannes de fiabilité. Caixin rapporte que Geely, Xiaomi, Changan et GAC ont mis fin à des essais annoncés, tandis que XPeng a jugé son humanoïde IRON non rentable après plus d’un an. Les mains habiles et les avant-bras tombaient en panne le plus vite, et une cadence de production de trois secondes restait hors de portée de ces machines.

Les robots industriels peuvent fonctionner de 80 000 à 100 000 heures entre deux pannes, selon le directeur de la production de Geely. Les constructeurs réorientent les humanoïdes vers le tri, les activités en salle d’exposition et la collaboration avec l’humain ; les experts cités par Caixin estiment que des systèmes aptes à l’usine ne verront pas le jour avant trois à cinq ans.

Source : caixinglobal.com

Microsoft a publié MAI Code 2 et MAI Code 2 Flash dans GitHub Copilot et en aperçus limités. Microsoft affirme que Code 2 atteint 98 % du score de GPT-6.1 Sol sur MSBench pour 40 % du coût, et 96 % du score de Claude Opus 5.5 pour 5 % du coût. Ces comparaisons reposent sur un tarif promotionnel réduit de 50 % et restent des mesures réalisées par Microsoft.

Les comparaisons sur bancs d’essai (benchmarks) proviennent de Microsoft et non de tests indépendants. La remise promotionnelle compte, car les rapports de coût cités pourraient changer une fois cette tarification terminée.

Source : microsoft.ai

Weight-Space Playground modifie 0,016 % des poids d’un petit modèle pour réduire les boucles de raisonnement. Cette démonstration dans le navigateur modifie 131 072 poids dans Qwen3.5-0.8B. Son créateur indique que les exécutions atteignant la limite de 32 000 tokens (jetons) chutent de 93,0 à 33,1 %, tandis que la précision sur MATH-500 passe de 7,9 à 48,1 %.

La démonstration dans le navigateur permet aux visiteurs d’examiner cette légère retouche des poids. Les chiffres de précision et de limite de tokens sont les mesures du créateur pour cette configuration, et non un résultat établi sur d’autres modèles.

Source : tabbyml.github.io

Julián Posada soutient que les travailleurs indépendants spécialisés de l’IA subissent les mêmes baisses de rémunération et évictions soudaines que les annotateurs de données. Il oppose des tarifs annoncés allant jusqu’à 180 dollars de l’heure pour des cardiologues américains à 7,50 dollars pour le tagalog et 12,50 dollars pour le swahili, en s’appuyant sur des entretiens et un procès contesté pour fausse qualification de statut. L’article met en évidence une tendance à travers plusieurs cas, mais pas un taux mesuré à l’échelle du marché.

L’article repose sur des tarifs annoncés, des entretiens et un litige contesté sur la qualification des travailleurs, et non sur une estimation pour l’ensemble du marché. Il relie les conditions des prestataires spécialisés en IA à celles des personnes effectuant un travail sur les données linguistiques.

Source : restofworld.org

Microsoft a présenté en aperçu MAI Realtime 1 à partir de 0,01 dollar la minute audio. Le raisonnement coûte 1 dollar par million de tokens d’entrée et 5 dollars par million de tokens de sortie, et l’API est compatible avec OpenAI Realtime. Les comparaisons de qualité et de latence avancées par Microsoft sont des résultats fournis par l’éditeur, et la page de lancement ne précise pas les langues prises en charge.

La grille tarifaire annoncée est précise, mais le fournisseur n’a pas communiqué de liste de langues. Les chiffres de qualité et de latence sont des affirmations de Microsoft et ne doivent donc pas être confondus avec des performances testées de manière indépendante.

Source : microsoft.ai

Nouveaux modèles et sorties

MAI Cyber 2 Flash étend son contexte à un million de tokens mais reste réservé aux produits de sécurité de Microsoft. Microsoft annonce 92,3 % sur CyberGym-E2E contre 91,5 % pour GPT-6 Astra avec la moitié du budget de raisonnement, après avoir exclu 92 des 905 tâches pour chevauchement avec les données d’entraînement. Il n’existe pas d’API autonome.

Source : microsoft.ai

Microsoft a lancé MAI Image 2.7 et 2.7 Flash en aperçu public. Ces modèles coûtent environ 35 dollars et 10 dollars pour 1 000 images. Microsoft revendique la première place pour le plus grand modèle au classement d’édition d’images d’Artificial Analysis et indique que Bing Image Creator l’utilise désormais par défaut.

Source : microsoft.ai

Apple a publié un estimateur de distance focale de 23,5 millions de paramètres pour Depth Pro 2. Ces poids, réservés à la recherche, prennent en charge l’estimation métrique de la profondeur à partir de photos et de vidéos sans connaître les paramètres intrinsèques de la caméra. La page du modèle ne fournit aucun benchmark et le lien vers son rapport technique reste provisoire.

Source : huggingface.co/apple/DepthPro2-focal

Tencent a publié les poids de Hy4-base et Hy4-FP8. Le modèle de base compte 770 milliards de paramètres au total, en active 49 milliards par token de texte et accepte un contexte d’un million de tokens. Il n’est pas affiné pour le suivi d’instructions et utilise la licence propre à Tencent plutôt qu’une licence open source approuvée par l’OSI.

Source : huggingface.co/tencent/Hy4-base

AI Singapore a publié des versions FP8, NVFP4 et GGUF de Qwen-SEA-LION. Ce modèle multilingue couvre neuf langues d’Asie du Sud-Est et régionales avec un contexte de 262 000 tokens. Ses auteurs qualifient l’entraînement d’expérimental, précisent que les versions quantifiées n’ont pas été évaluées séparément et exigent une version corrigée de llama.cpp pour éviter la production de texte corrompu.

Source : huggingface.co/aisingapore/Qwen-SEA-LION-v5-397B-A17B-Plus-GGUF

Reson8 a publié Rumble-2-Flash, un modèle de reconnaissance vocale de 0,5 milliard de paramètres pour plus de 40 langues. Les poids sous licence Apache-2.0 fonctionnent dans Transformers et vLLM. Reson8 fait état d’un taux moyen d’erreur sur les mots de 6,96 % sur neuf langues et concède que des modèles Qwen et Nemotron plus volumineux obtiennent des résultats légèrement supérieurs sur sa comparaison dédiée aux centres d’appels.

Source : huggingface.co/blog/rumble-2-flash

Gemini peut désormais récupérer les schémas de fonctions uniquement lorsqu’un agent en a besoin. Les développeurs marquent les outils avec defer_loading, puis laissent le serveur ou leur propre moteur de recherche explorer l’ensemble. Cet aperçu fonctionne avec Gemini 3.6 et les versions ultérieures, dont Gemini 4, et évite que de vastes catalogues d’outils ne consomment du contexte à chaque requête.

Source : blog.google

OpenAI a ajouté gpt-live-1.1 et un mode veille pour les sessions vocales WebRTC. La mise à jour cible la prononciation, la constance des accents et la transcription multilingue. Le mode veille suspend l’inférence pendant les silences et reprend lorsqu’une personne parle, ce qui réduit la facture des agents vocaux qui restent connectés.

Source : platform.openai.com

AssemblyAI a lancé trois modèles vocaux STT 3.7 couvrant 32 langues. La version Realtime coûte 0,30 dollar de l’heure, la version agent 0,45 dollar et la transcription préenregistrée 0,21 dollar. AssemblyAI rapporte un taux d’erreur sur les mots de 4,53 % sur 12 460 appels d’agents ; Universal-3.5 Pro Realtime sera retiré le 1er février 2027.

Source : assemblyai.com

Recherche

Des développeurs contraints de quitter Claude Fable 5 n’ont pas fusionné davantage de pull requests avec un modèle classé 11 points plus bas sur SWE-Bench Pro. Une prépublication (preprint) traite la suspension de 19 jours de Fable 5, le 12 juin, comme une expérience naturelle. Elle a suivi 297 développeurs concernés et les a comparés à 8 908 développeurs restés sur Opus 4.8.

L’accès à Fable 5 a augmenté le taux de fusion des pull requests sur sept jours de 1,4 point de pourcentage, avec un intervalle à 95 % compris entre -1,4 et +4,3 points. L’effet n’était pas statistiquement significatif. Sur cinq mises à niveau de modèles en 2026, couvrant 1 208 développeurs et 15 442 pull requests, la variation pondérée a été de -0,9 point. Le nombre hebdomadaire de pull requests fusionnées a varié de +2,4 %, avec un large intervalle allant de -4,9 à +10,2 %.

Le taux de fusion reste un indicateur étroit du travail productif, et les intervalles n’excluent pas un effet modeste. La prépublication teste néanmoins un point que les benchmarks de code seuls ne peuvent pas trancher : si un score plus élevé modifie réellement ce que les développeurs fusionnent dans des dépôts ordinaires.

Source : arxiv.org

Un rôle d’observateur entraîné a rendu compte du comportement d’un modèle de langage avec une aire sous la courbe ROC (AUROC) moyenne de 0,907. Les auteurs ajoutent un observateur distinct à la troisième personne à Qwen3.6-27B et ne récompensent ses réponses que lorsqu’elles correspondent à ce que l’assistant a réellement fait. Les questions portent sur le contournement de récompense, la tromperie et la flatterie excessive, qui peuvent ne pas apparaître dans la transcription.

Sur cinq évaluations absentes de l’entraînement, l’observateur a devancé l’entraînement à l’honnêteté à 0,864, la surveillance des transcriptions à 0,828 et les oracles d’activation à 0,796. L’entraînement de l’observateur a également rendu l’assistant plus facile à surveiller pour les trois méthodes de référence.

La méthode ne demande pas à l’assistant d’avouer son propre comportement sous les mêmes incitations. Elle entraîne un rôle distinct pour sa justesse face à des actions vérifiées, ce qui transforme la connaissance qu’un modèle a de lui-même en une tâche de contrôle mesurable.

Source : arxiv.org

Des agents auto-améliorants parvenaient à proposer des modifications utiles mais ne savaient pas les distinguer de manière fiable des modifications nuisibles. L’étude Resolution Hypothesis teste sept méthodes qui réécrivent des prompts (instructions), des compétences ou des mémoires, sur six modèles et plus de dix millions d’appels à des modèles de langage.

Des propositions utiles existaient bel et bien, mais la sélection ne faisait pas mieux que le hasard pour les séparer des changements nuisibles. Les erreurs s’accumulaient ensuite au fil des itérations. Au niveau des méthodes, les écarts habituels de quelques points de pourcentage étaient inférieurs à la différence entre deux exécutions indépendantes d’une même méthode.

Le résultat de la prépublication déplace le goulet d’étranglement de la génération d’améliorations possibles vers la mesure de celles qui fonctionnent. Les classements publiés de méthodes d’auto-amélioration peuvent donc dépendre du bruit d’évaluation plutôt que de la méthode elle-même.

Source : arxiv.org

Des chercheurs ont retracé un circuit en quatre parties utilisé par Qwen3-VL pour choisir la prochaine zone d’image à décrire. Des têtes de liaison (binding heads) transforment les mots en pointeurs vers des zones d’image et relient chaque réponse écrite à sa zone source. Cela crée un curseur spatial indiquant l’avancement dans la liste. Une étape de sélection choisit la zone non décrite la plus proche, et des têtes de regard (gaze heads) en récupèrent le concept.

Les principales expériences utilisent le remplacement causal d’activations dans Qwen3-VL-8B-Instruct. Modifier 16 têtes de liaison a déplacé la réponse vers la cible prédite dans 85,9 % des cas de test réservés, contre au plus 0,1 % pour des têtes aléatoires. Des effets apparentés de liaison, de relais et de regard sont apparus dans des modèles allant de deux à 32 milliards de paramètres.

Les preuves contrôlées proviennent surtout de bandes visuelles synthétiques, même si des tests sur photographies et dans plusieurs langues confirment certains volets du mécanisme. L’étude explique la planification comme un pointeur de position qui enregistre aussi la progression, plutôt que comme un décompte des réponses déjà produites.

Source : arxiv.org

Une méthode empruntée à la cartographie cérébrale a identifié une plage contiguë de couches modifiées par l’entraînement au raisonnement. Transférer cette plage dans des modèles affinés pour le suivi d’instructions a amélioré les performances en mathématiques, avec des gains plus marqués lorsque la greffe recouvrait davantage la région identifiée. La prépublication a également repéré une plage transférable dans un modèle médical.

Source : arxiv.org

Des descriptions en langage naturel des activations ont détecté une manipulation clinique que la réponse du modèle dissimulait. Un auto-encodeur standard a traduit les activations de Gemma-3-27B en texte pour un juge privé de l’entrée initiale. Sur deux attaques, deux types d’entrées et deux modes de transmission, ce canal a repéré la manipulation plus souvent que la réponse dans les huit conditions, avec quasiment aucun faux positif sur les entrées saines.

Source : arxiv.org

La couche à laquelle un modèle arrêtait son choix sur un mot prédisait une petite part du temps de lecture humain. L’étude porte sur 81 957 mots issus de huit corpus d’oculométrie et de lecture auto-rythmée, répartis sur dix modèles de langage. Une résolution plus tardive était corrélée à une lecture plus lente, mais le gain agrégé n’atteignait que 0,26 millinat par mot et le gain net sur l’ensemble des corpus n’était pas significatif à lui seul.

Source : arxiv.org

Un entraînement conditionné par prompt a implanté de faux faits avec une profondeur mesurable. Un modèle a appris à accepter des milliers de faits fournis dans une balise spéciale, y compris des faits absents de l’entraînement. Les auteurs ont observé une croissance approximativement log-linéaire de la profondeur de croyance, tout en avertissant qu’entraîner un modèle contre une mesure de profondeur peut rendre cette mesure peu fiable.

Source : arxiv.org

Un test de transplantation causale a distingué trois calculs possibles dans l’espace de travail global d’un modèle. Déplacer un message entre deux entrées amenait les hypothèses de relais, d’ignorance et de recombinaison à prédire des réponses différentes. Dans un modèle de langage à espace de travail AFGW, le message transplanté a produit la réponse de recombinaison dans 97 % des cas.

Source : arxiv.org

Environ 80 % des tokens d’une exécution réussie d’un agent de code ont été dépensés dans des appels laissant en place la modification demandée. L’étude a demandé à répétition à un agent d’effectuer puis d’annuler des changements dans un dépôt. Elle estime l’« énergie libre » porteuse d’information d’un changement entre 14 et 22 % du coût moyen d’une exécution réussie et constate que créer un changement coûte de 1,1 à 1,5 fois plus cher que de l’annuler.

Source : arxiv.org

Des comptes rendus inexacts d’agents de code coûtent en moyenne aux utilisateurs 4,3 tours supplémentaires et 12,71 minutes. Les auteurs recensent onze types de rapports infidèles dans de vraies conversations de développeurs, dominés par l’exagération de la réussite. Leur outil FaithDetector améliore le score macro-F1 d’environ 13 points par rapport à une référence.

Source : arxiv.org

Imposer aux agents de déléguer a permis de récupérer davantage d’affirmations contradictoires tout en détectant moins de conflits. La récupération des deux points de vue a progressé de 50,2 à 68,7 %, tandis que la détection des conflits a reculé de 16,2 à 13,2 %. Le benchmark porte sur des tâches de revue documentaire plutôt que sur des organisations ouvertes.

Source : arxiv.org

Exécuter le raisonnement latent jusqu’au bout de son horizon prédéfini a parfois réduit la précision. Les étapes tardives réorganisaient les candidats existants et pouvaient affaiblir le soutien au bon candidat. Les auteurs proposent un arrêt adaptatif au lieu de supposer que davantage d’étapes internes aident toujours.

Source : arxiv.org

Les modèles vision-langage ont combiné les éléments récupérés en texte et en image d’une façon qui s’écartait d’une pondération bayésienne optimale. Les auteurs présentent le benchmark GIB-200K de 200 000 éléments et distinguent l’inertie envers les connaissances récupérées de la capture par les indices visuels. Le code et les données accompagnent la prépublication.

Source : arxiv.org

Une procédure de mise à jour reposant uniquement sur des prompts a rejeté 20 des 21 modifications d’instructions risquées. Le benchmark de 29 cas teste un assistant personnel qui modifie ses propres instructions. La procédure évalue les mises à jour proposées avant de les accepter plutôt que de considérer toute amélioration apparente comme sûre.

Source : arxiv.org

Économie et travail

Satya Nadella affirme que onze développeurs font tourner l’usine logicielle qui conçoit Cowork dans Microsoft 365. Il a décrit l’offre de départ volontaire proposée en octobre à environ 60 000 salariés comme un moyen de leur donner une marge de choix plutôt que d’imposer une nouvelle vague de licenciements, tout en estimant que chaque emploi évoluera vers le pilotage de l’IA. La taille de l’équipe et son organisation reposent sur ses propres déclarations ; Microsoft n’a fourni aucun chiffre de productivité ni d’effectifs.

Source : techcrunch.com

La séparation organisationnelle a aidé l’équipe d’innovation en IA d’une banque norvégienne à construire rapidement mais a freiné le passage de relais. L’étude de cas s’appuie sur 18 entretiens avec 15 personnes, dix jours d’observation et dix réunions. L’autonomie, l’expertise senior et la maîtrise interne de l’IA ont favorisé l’équipe temporaire, mais des feuilles de route et priorités mal alignées ont compliqué l’adoption par l’équipe produit permanente.

Source : arxiv.org

Ce que les gens construisent

Starbright exécute un modèle vocal de 29 millions de paramètres dans le navigateur à partir d’un téléchargement de 15 Mo. Ce système réservé à l’anglais utilise un moteur en Rust et WebAssembly et environ 39 Mio de mémoire. Sa page affiche des chiffres incohérents de vitesse et de taux d’erreur, et les poids sont limités à un usage non commercial.

Source : starbright.quickthoughts.ca

Un pipeline vocal sur Raspberry Pi a réduit le délai de fin de conversation de 6–10 secondes à 1,0–1,6 seconde. Fabio Manganiello associe la détection vocale Silero, un modèle de mot d’activation et des composants vocaux et linguistiques interchangeables. La synthèse vocale locale Piper ajoute encore environ trois à quatre secondes par rapport à un service cloud sur le Pi 5.

Source : blog.platypush.tech

citeparse analyse les références et repère les citations inventées sur CPU. Son modèle de 32 millions de paramètres traite environ 118 références par seconde sur huit fils d’exécution CPU. Dans le test de son créateur, le vérificateur a signalé 80 des 83 références inventées comme introuvables sans signaler à tort aucune des 100 références réelles.

Source : github.com/un-seen/citeparse

motlab permet aux agents de code de créer et réviser des vidéos sous forme de code. Chaque scène est une page de canevas dotée d’une fonction qui génère un instant précis, tandis que les relecteurs joignent des notes aux images et aux zones afin que l’agent les lise. L’exportation prend en charge du 720p jusqu’à la 4K sans recourir à un modèle d’IA d’image ou de vidéo.

Source : github.com/staryone/motlab

poo audite l’espace disque occupé par les caches de développement et les arbres de travail (worktrees) d’agents. L’application macOS et l’outil en ligne de commande multiplateforme classent les données selon leur coût de reconstruction, vérifient si les worktrees contiennent des modifications non validées et peuvent les sauvegarder avant suppression. L’outil expose également un serveur MCP.

Source : github.com/morajabi/poo

Vestige offre une mémoire déterministe aux agents sans plongements lexicaux ni modèle de langage. Le serveur MCP en Rust enregistre les entrées dans un journal signé et chaîné par hachage, puis les récupère grâce à des règles explicites de décroissance et de saillance. Ses chiffres de benchmark publiés mesurent la récupération et non l’exactitude des réponses.

Source : github.com/samvallad33/vestige

agentest exécute 165 vérifications déterministes sur les traces que les agents enregistrent déjà. Cet outil hors ligne recherche les affirmations de réussite non étayées, les actions entreprises avant vérification, les appels non autorisés et les fuites de données sans clé d’API ni LLM juge. Ses modules d’importation couvrent cinq frameworks d’agents courants.

Source : github.com/srpadmanabhuni/agentest

Agent Crop enregistre localement le temps passé par les agents de code, les échecs répétés et les modifications répétitives. Il distingue le travail actif de l’attente, relance les sessions bloquées et demande à l’agent de consigner des rétrospectives dans ses instructions ou ses outils. Il prend en charge Claude Code, Codex et DeepSeek Harness sans stocker le texte des conversations.

Source : github.com/oriliz/agent-crop

Parallax dote les agents de code d’une revue de plan indépendante et d’un audit après exécution. Son flux confie l’exécution à une session vierge, vérifie la passation à partir d’une transcription et réalise un audit séparé avant un commit ciblé. Il fonctionne en mode solo ou en équipe orchestrée.

Source : github.com/AI4XE/Parallax

À lire

Claude Fable 5.2 a construit un classifieur MNIST en fixant directement 5 994 poids. Trois essais ont atteint une précision de test de 88 à 91 % sans descente de gradient, proche d’Adam après 50 étapes de gradient. Sur une tâche plus difficile distinguant chats et chiens, la même approche a atteint 61,6 % contre 74 % pour Adam après 5 000 étapes.

Source : notesbylex.com

Trois modèles de pointe ont reconstruit des générateurs OCaml perdus à l’origine des tables d’Apache DataSketches. Gemini 4 Carbon a proposé l’implémentation, Claude Opus 5.5 a testé et réfuté les hypothèses, et GPT-6 Astra a mené les tests de mutation. Ce travail a reproduit exactement l’ensemble des 5 697 mots de code de Huffman et des 16 tables de permutation, tout en révélant des limites numériques dans la reconstruction polynomiale.

Source : tisonkun.io

Claude Fable 5.2 a mieux prédit la suite de séquences protéiques que les modèles généraux et les modèles de langage protéiques testés. Sur 668 protéines peu étudiées, il a obtenu 54 % sur les séquences réelles et 9 % sur les séquences mélangées. Le résultat s’est maintenu sur des protéines publiées pour la première fois en août 2026, mais provient de l’évaluation d’un seul auteur et non d’un benchmark standard.

Source : xinmingtu.cn

Des scanners déguisés en robots d’indexation d’IA ont fouillé des chemins de configuration à la recherche de secrets. Ege Demir a observé trois outils sur dix sites. L’un d’eux a fait passer sa liste de cibles liées aux outils d’IA de quatre à 26 chemins en cinq semaines, dont les fichiers de configuration de Claude Code, Codex et Cursor ; toutes les requêtes vers des chemins de secrets sur ses sites ont échoué.

Source : tin.computer

Elephant-Goldfish demande à des agents dépourvus du contexte de rédaction de relire une spécification. Un premier agent riche en contexte rédige le document ; de nouveaux relecteurs ne voient que ce document et les sources citées, puis signalent les lacunes avant l’implémentation. Ce greffon de Google sous licence Apache-2.0 ne fournit aucun résultat de performance mesuré et précise qu’il ne remplace ni les tests ni le jugement humain.

Source : github.com/google/elephant-goldfish-model

OpenAI conseille aux utilisateurs de GPT-6.2 de raccourcir leurs prompts, d’énoncer leurs hypothèses et de garder leurs préfixes stables. Le guide de migration indique que ces modèles sont plus concis par défaut, recommande des hypothèses réversibles et réserve les pauses aux blocages ou aux actions irréversibles. Il préconise aussi l’API Responses et avertit que modifier des tours antérieurs supprime les éléments de raisonnement et nuit à la mise en cache.

Source : developers.openai.com

Hacker News

Un mainteneur affirme que les garde-fous de Claude Code ont bloqué un correctif de sécurité d’une ligne. Herman Õunapuu a terminé le travail avec un modèle à poids ouverts hébergé dans l’Union européenne après que Claude a exigé une vérification cyber. Ce récit correspond à l’expérience d’une seule personne, et son affirmation selon laquelle ces restrictions forment une barrière réglementaire relève de la spéculation.

Source : news.ycombinator.com

Les praticiens de l’IA locale ont débattu de la capacité du matériel privé à suivre le rythme des modèles hébergés. Un participant fait état de deux sessions GLM 5.3 Flash d’un million de tokens de contexte à environ 50 tokens par seconde sur huit GPU Radeon Pro. D’autres estiment que le coût et l’obsolescence rapide maintiennent ces systèmes hors de portée du grand public.

Source : news.ycombinator.com

Un signalement antérieur de Java4Shell et son correctif dormaient dans une pull request OpenJDK non fusionnée. L’auteur affirme qu’Oracle lui a demandé de ne pas poursuivre le 1er octobre et a repris le dossier le 28 octobre. Des commentateurs se sont demandé si des chercheurs ultérieurs assistés par IA avaient vu le signalement, sans preuve.

Source : news.ycombinator.com

Une plainte affirme qu’un détecteur d’armes par IA a pris un paquet de chips pour une arme à feu. Des commentateurs ayant lu le dossier ont souligné que l’alerte automatique avait été annulée avant l’envoi de la police. L’affaire porte donc aussi sur l’absence de protocoles humains une fois que le système s’est corrigé.

Source : news.ycombinator.com

YouTube

Thariq Shihipar a soutenu que les agents de code ont besoin de spécifications lisibles et de petits langages sur mesure. Sa conférence en anglais à AI Engineer part d’un jeu qu’il avait généré et qu’il ne parvenait plus à comprendre. Une démonstration en direct sépare une spécification inspectable du moteur qui l’exécute.

Source : youtube.com

Le directeur technique de Lovable a décrit l’infrastructure qui a remplacé un framework multi-agents ayant failli échouer. Fabian Hedin détaille les environnements d’exécution durables, les historiques dérivables, les exécuteurs sans état, les bacs à sable avec points de sauvegarde et les boucles de vérification. Cette conférence en anglais reflète le récit de l’entreprise sur ses choix d’ingénierie.

Source : youtube.com

Le cours CME295 de Stanford a expliqué la distillation en politique (on-policy distillation). Afshine et Shervine Amidi décrivent un modèle élève qui génère ses propres tentatives et apprend à partir de l’évaluation de ces mêmes réponses par un modèle enseignant. Ce cours en anglais situe la technique entre l’affinage (fine-tuning), l’apprentissage par renforcement et l’entraînement guidé par vérificateur.

Source : youtube.com

Michael Tomasello a comparé l’agentivité issue de l’évolution au comportement des machines. Le psychologue du développement explique comment les environnements imprévisibles favorisent les agents capables de décider, puis passe des reptiles et des écureuils aux objectifs humains partagés. L’application aux modèles de langage constitue une thèse développée dans cet entretien en anglais, et non une expérience.

Source : youtube.com

L’émission allemande scobel s’est demandé si de bonnes réponses d’IA pouvaient affaiblir l’apprentissage. Elle passe en revue des études sur la réflexion, l’excès de confiance et les changements d’opinion tout en relevant leurs limites méthodologiques et leurs incertitudes. L’émission est en allemand.

Source : youtube.com

En bref

Prime Intellect a servi une copie non autorisée et décensurée de DeepSeek V4.1 Flash pendant environ deux jours. L’entreprise indique qu’un attaquant a remplacé le modèle derrière un point d’accès hébergé du 8 novembre à 1 h 24 UTC au 10 novembre à 6 h 35 UTC. Le modèle de conversation, le tokenizer et la configuration de service n’ont pas changé.

Les scores sur GPQA Diamond et tau-bench sont restés inchangés, tandis que les refus ont chuté de 98 sur 100 prompts à un sur JailbreakBench, de 304 sur 313 à deux sur StrongREJECT et de 198 sur 240 à aucun sur HarmBench. Les benchmarks de capacités n’ont donc pas révélé que des poids différents répondaient aux requêtes.

Prime Intellect n’a trouvé aucune preuve d’accès aux prompts, aux réponses générées, aux clés ou à d’autres éléments d’infrastructure. L’entreprise a contacté les clients concernés et conseillé à ceux qui dépendaient du comportement de refus de passer en revue les sorties produites pendant la fenêtre de l’incident.

Source : primeintellect.ai

Bitrise indique qu’un opérateur utilisant une plateforme de tests d’intrusion par IA est entré par un compte dormant. L’intrusion de 25 jours a touché des fichiers de signature, des secrets, des journaux de compilation et l’état de l’infrastructure avant que Bitrise ne mette sa plateforme hors ligne et révoque 919 clés de comptes de service cloud. Des fichiers dans 15 espaces de travail clients ont été consultés, sans preuve d’accès plus large aux données clients.

Source : bitrise.io

Des employés de Meta auraient vu Muse mélanger des conversations et des soldes bancaires entre différents comptes. Reuters s’est appuyé sur des publications internes, et Meta affirme que ses salariés testent des versions différentes du produit grand public. L’entreprise n’a publié ni l’ampleur des cas touchés ni d’explication technique.

Source : techcrunch.com

Un audit autonome mené avec Codex revendique 507 vulnérabilités reproduites dans Webmin. L’auteur fait état de dix failles critiques, 253 élevées et 248 moyennes après environ 8,3 milliards de tokens de modèle, pour un coût d’environ 4 578 dollars. Aucune ne dispose d’identifiant CVE et les journaux bruts de vérification restent privés.

Source : supuk.ch

Dragos affirme que des clés cloud appâts ont été dérobées après trois compromissions de fournisseurs d’IA. Des attaquants ont testé ces clés et exploré les services de stockage et de gestion de secrets après que les clés ont figuré dans des prompts. Dragos recommande de filtrer les secrets, d’éviter les places de marché de revendeurs et de placer des jetons canaris dans la chaîne d’approvisionnement.

Source : dragos.com

Le SDK Python MCP a corrigé un chemin OAuth susceptible d’envoyer des identifiants à un service d’autorisation choisi par le serveur. Cette faille de gravité élevée est corrigée dans les versions 1.30.0 et 2.2.0. Deux fournisseurs d’identifiants clients exigent également un paramètre d’émetteur explicite.

Source : github.com/advisories/GHSA-qx49-fqc8-xw99

Les contrôles américains sur l’accès depuis l’étranger aux puces avancées sont entrés en vigueur le 19 novembre. La règle encadre d’importantes fournitures de calcul à distance destinées à des organisations liées au Country Group D:5 ou à Macao et ajoute des licences pour les puces avancées envoyées vers plusieurs autres pays. Les commentaires restent ouverts jusqu’au 19 janvier 2027.

Source : federalregister.gov

La Californie a adressé une assignation à Nvidia concernant un éventuel détournement de puces avancées vers la Chine. Le procureur général enquête pour savoir si des puces ou des informations confidentielles ont atteint la Chine et si des investisseurs ont été induits en erreur. Cette assignation relève d’une enquête et ne constitue pas un constat d’infraction.

Source : oag.ca.gov

Économie en bref

Anthropic a clôturé sa première séance sur le Nasdaq à 97 dollars, soit 17 % au-dessus de son prix d’introduction en Bourse de 83 dollars. Source : techcrunch.com