À la une
L’horizon temporel mesuré par METR a doublé environ tous les 3,6 mois.
L’organisation à but non lucratif a testé des modèles de pointe accessibles au public sur des problèmes de programmation et d’optimisation. Son horizon temporel mesure le temps dont un humain aurait besoin pour réaliser une tâche qu’un modèle peut accomplir avec 50 % de chances de succès. Sur les ensembles combinés d’anciennes et de nouvelles tâches, METR estime que cet horizon a doublé environ tous les 110 jours, un rythme proche de la tendance qu’elle avait relevée sur l’ancien ensemble seul.
Le nouvel ensemble contient des tâches plus difficiles, si bien que les horizons absolus baissent lorsque ces tâches entrent dans le calcul. METR indique que ses agents ont également fait preuve d’un jugement moins sûr que celui de spécialistes lorsque les retours étaient lents ou absents. Son indice de capacités distinct n’a révélé aucune accélération nette sur l’ensemble des modèles de pointe accessibles au public. Ces résultats portent sur les tâches de METR et sur les personnes qu’elle a recrutées pour les résoudre.
Source : metr.org
La gouverneure de la Fed Lisa Cook observe de premiers signes d’un fléchissement de la demande pour la programmation et la traduction.
Lors d’un discours à Santiago, Lisa Cook a indiqué que le marché du travail américain était resté solide dans l’ensemble. Elle a évoqué certains indices d’un ralentissement de la demande pour les emplois de programmation dans le secteur logiciel ainsi que pour la traduction simultanée. Les jeunes adultes mettent également plus de temps à trouver un emploi, ce que certains observateurs attribuent à la pression exercée par l’IA sur les postes de début de carrière. Le discours n’a ni quantifié ces effets ni établi de lien de causalité.
Lisa Cook a averti que des employeurs pourraient supprimer des emplois sous l’effet de l’automatisation avant que de nouveaux métiers n’apparaissent. Elle a estimé que les entreprises devraient peut-être trouver de nouvelles façons de former les futurs travailleurs. Elle a également évalué les projets de centres de données annoncés aux États-Unis à plus de 2 000 milliards de dollars, dont seule une fraction a été réalisée à ce jour.
Source : federalreserve.gov
OpenAI ajoute GPT-Live-1.1 et un mode veille pour les sessions vocales.
Les développeurs peuvent sélectionner le modèle au sein d’une session Live API existante et décrire en langage courant quand il doit confier une tâche à leur backend. OpenAI affirme que la mise à jour améliore la prononciation, maintient des accents plus cohérents et transcrit plus fidèlement les échanges multilingues. Le journal des modifications ne fournit aucune mesure à l’appui de ces affirmations.
Le mode veille fonctionne avec GPT-Live-1 et GPT-Live-1.1 dans les sessions WebRTC. Il met l’inférence en pause pendant les silences et la reprend lorsqu’une personne parle. Cela modifie la quantité d’inférence exécutée lorsqu’une session est inactive. Le journal des modifications ne donne aucune estimation des économies ainsi réalisées.
Source : developers.openai.com
Oscar a fait tourner un modèle à poids ouverts de 577 Go sur un Mac doté de 64 Go de mémoire.
Le projet tire parti du fait qu’un modèle à mélange d’experts n’active qu’une partie de ses composants pour chaque token (jeton). Oscar conserve sur le GPU les couches qui y tiennent et charge les autres poids depuis le disque au besoin. Son auteur a testé le logiciel sur un MacBook Pro équipé d’une puce M5 Max et fait état de 1,7 token par seconde pour Kimi K3.1 Pro.
La vitesse de réponse varie fortement selon le modèle. La même machine a décodé un modèle Qwen de 113 Go à environ 25 tokens par seconde et un modèle Qwen de 161 Go à environ 12. Le modèle Qwen3.6-35B-A3B de 20 Go a atteint 151 tokens par seconde. Ces chiffres proviennent des propres essais du projet sur une seule machine. Un routage approximatif optionnel peut également modifier les sorties du modèle.
Source : github.com/prp/oscar
Google a réduit le volume de données échangées entre deux groupes de TPU lors de l’entraînement de Qwen3-32B.
Dans l’essai de Google, les groupes ont exécuté plusieurs étapes d’entraînement locales avant d’échanger leurs mises à jour. Streaming DiLoCo a découpé le modèle en fragments et transmis les mises à jour d’un fragment à la fois, permettant aux machines hôtes de communiquer pendant que les accélérateurs poursuivaient l’entraînement. Sur 65 étapes, le trafic entre deux groupes d’accélérateurs TPU v5p-32 est passé d’environ 4 259 Go à 67 Go.
Avec un plafond de 10 Gbit/s sur la liaison, une étape a pris 5,76 secondes avec Streaming DiLoCo contre 55,11 secondes avec un parallélisme de données classique. Google a imposé cette limite de bande passante sur un cluster rapide afin de simuler une liaison lente. L’expérience compare le débit pour un seul modèle dense et deux groupes, sans mesurer le coût ni le temps nécessaire pour atteindre une perte cible.
Source : developers.googleblog.com
Ai2 a publié des émulateurs climatiques comptant à peine 14 millions de paramètres.
ACE2.5-ERA5 existe en trois versions. Les deux versions reposant sur une grille d’un degré comptent 46 millions de paramètres et produisent des sorties quotidiennes ou toutes les six heures. La version à quatre degrés produit des sorties quotidiennes avec 14 millions de paramètres. Ai2 indique que le modèle quotidien à un degré exécute l’inférence 3,2 fois plus vite que son prédécesseur de 456 millions de paramètres.
Ai2 rapporte que le modèle quotidien conserve 86 % de la puissance spectrale des données de référence aux nombres d’onde 100 à 179, contre 36 % pour son modèle précédent. Ses prévisions météorologiques à moyen terme obtiennent des scores inférieurs à ceux du prédécesseur, tandis que la version à six heures fait jeu égal. Ai2 signale également des réactions irréalistes aux variations de température de surface de la mer et de dioxyde de carbone testées séparément, et précise que ces modèles sont destinés à la recherche.
Source : huggingface.co/allenai/ACE2.5-ERA5
Nouveaux modèles et sorties
inclusionAI publie un encodeur pour les signaux physiologiques. Ce modèle de 16,7 millions de paramètres reçoit des signaux tels que l’ECG à 128 Hz et renvoie des caractéristiques à 256 dimensions. La fiche du modèle ne mentionne ni têtes de prédiction ni résultats de banc d’essai (benchmark), et l’inférence nécessite un paquet distinct. Source : huggingface.co/inclusionAI/LingSante-Pulse-1.0
Claude Code étend le mode automatique à davantage de fournisseurs de cloud. La version 2.1.328 élargit l’approbation automatique des actions courantes à Opus 4.6 et Sonnet 4.6 sur Bedrock, Google Cloud, Microsoft Foundry et la passerelle d’Anthropic. Ce mode devient le réglage par défaut pour les sessions interactives sans mode d’autorisation défini. Source : github.com/anthropics/claude-code
Codex ajoute GPT-6.2 Sol et Astra. La version 0.171.0 sélectionne Sol par défaut et active l’espace de travail dans l’interface en ligne de commande. La sortie ajoute également des commandes d’exécution à distance et une barre d’état configurable. Source : github.com/openai/codex
Ai2 ouvre le code de son générateur d’hypothèses scientifiques. Theorizer a proposé 50 théories candidates sur les interneurones VIP dans un exemple présenté par Ai2. Le laboratoire indique que l’outil peut passer à côté d’études pertinentes et mal évaluer l’originalité, et que ses hypothèses sur le cancer du poumon doivent encore faire l’objet d’une validation expérimentale. Source : allenai.org
Recherche
Les angles morts d’un juge peuvent se transmettre au modèle qu’il note. Sur 814 essais d’apprentissage par renforcement menés avec des modèles de 7 à 8 milliards de paramètres, même un juge plus performant ou un corrigé n’a guère amélioré le choix des nouvelles questions auxquelles un modèle décidait de répondre. L’évaluateur a apporté environ une réponse corrigée supplémentaire pour 100 questions, mais les erreurs systématiques touchant des catégories entières de questions se sont maintenues. Source : arxiv.org
Les modèles restent souvent évasifs alors qu’ils devraient indiquer qu’une question est nouvelle. Sur 40 questions tirées d’articles récemment acceptés, GPT-6 Astra en a identifié 98 % comme non étudiées lorsqu’on lui a demandé d’examiner les articles séparément. Il l’a dit clairement dans 8 % des réponses ordinaires, et les six systèmes de pointe de la prépublication (preprint) ont présenté un écart. L’expérience porte sur un petit ensemble de questions de recherche. Source : arxiv.org
Un vérificateur trop indulgent a récompensé le remplissage. Dans une prépublication contrôlée, des chercheurs ont noté des décisions d’autorisation à l’aide d’un vérificateur exact pendant que les modèles s’entraînaient sur plusieurs substituts imparfaits. Sur 96 épisodes mis de côté, l’un de ces substituts a atteint 0,940 alors que la fidélité réelle reculait de 0,731 à 0,667. Ce résultat provient d’un seul banc d’essai dans lequel la récompense réelle peut être calculée. Source : arxiv.org
Différentes parties d’un transformeur se sont adaptées aux faits et aux procédures. Sur des tâches synthétiques, la modification des projections d’attention a surtout aidé pour les procédures, tandis que celle des couches feed-forward a surtout aidé pour les faits. Les composants qui apprenaient le plus vite ne préservaient pas toujours le mieux les connaissances anciennes : la mise à jour des projections requête-clé pendant l’apprentissage procédural a conservé plus de la moitié des faits mémorisés. Source : arxiv.org
Huit modèles de langage ont répondu à des questionnaires sur leur vision du monde. À travers deux questionnaires de psychologie humaine, les modèles ont eu tendance à décrire le monde comme moins sûr et moins attrayant que ne le font les humains. Les modèles de base ont donné des réponses plus positives, et des prompts (instructions) attribuant des identités ont déplacé les résultats. Il s’agit de réponses à des questionnaires, et les résultats de sécurité associés dépendent du protocole expérimental. Source : arxiv.org
Des indices de date et d’époque peuvent donner l’impression qu’un modèle se souvient de l’économie. Des modèles entraînés uniquement sur des textes antérieurs à chaque période testée ont atteint une AUC allant jusqu’à 0,64 pour prédire l’évolution historique du PIB à partir de dates et d’indices d’époque. Par rapport à cette référence, la plupart des modèles modernes donnaient encore l’impression de savoir quelles années avaient connu une forte croissance. La prépublication étudie des documents de la Réserve fédérale et des résultats américains. Source : arxiv.org
Quatre modèles ouverts ont privilégié les mêmes réponses à certains casse-têtes. Sur des casse-têtes synthétiques à contraintes, une recherche commençant par les entités disposant du moins de candidats a correspondu aux réponses des modèles de 26 à 40 points de pourcentage mieux qu’une recherche par ordre alphabétique. Les modèles parvenaient souvent à produire des solutions plus rares une fois que les chercheurs ajoutaient des indices fixant la réponse. Source : arxiv.org
Trois architectures de transformeurs ont peiné à combiner des faits dont le lien n’avait jamais été montré. Sur des questions synthétiques à deux étapes, un transformeur classique et deux variantes n’ont presque répondu correctement à aucune. Une architecture transmettant une entité intermédiaire à une seconde boucle a obtenu de bien meilleurs résultats lorsqu’elle était entraînée sur la seule réponse. Avec un entraînement ordinaire à la prédiction du token suivant, sa précision a augmenté puis chuté. Source : arxiv.org
Un générateur d’images peut dessiner certains concepts sous-jacents aux réponses d’un modèle. La prépublication V-lens utilise le module image de six modèles unifiés pour visualiser des états cachés sélectionnés. Après réglage, la proportion d’images correctes représentant des référents de pronoms est passée de 2–11 % à 86–94 % sur trois modèles testés. Ce résultat concerne des modèles qui génèrent déjà des images et dépend de la tâche de visualisation retenue. Source : arxiv.org
Les premiers des classements peuvent bénéficier de la chance d’échantillonnage. Une prépublication a estimé des corrections d’environ 0,09 à 3,86 points de pourcentage pour la première place sur 14 benchmarks. Sur un instantané de SWE-bench Verified, les ex æquo en tête ont perdu 0,90 point après ajustement. La méthode repose sur des hypothèses concernant la variation des scores selon l’échantillon. Source : arxiv.org
De nouvelles expériences ont testé ce que GPT-6 Astra peut faire en modifiant directement des poids. Dans une réplication, trois réseaux pour Breakout ont obtenu 514, 550 et 307 contre 517 dans le rapport initial. Le modèle a atteint 50 % sur les chiffres manuscrits contre 82 % pour un classificateur simple. Une autre prépublication fait état d’une ROC AUC moyenne de 0,849 pour des poids tabulaires écrits de zéro sur 20 jeux de données, contre 0,876 pour la référence préentraînée. Les deux études n’ont testé qu’un seul modèle de pointe. Sources : arxiv.org, arxiv.org
Les évaluations par les pairs se sont davantage recoupées dans le dernier échantillon d’ICLR. Une prépublication indique que le chevauchement des critiques est passé de 12,0 à 21,3 % entre ICLR 2026 et 2027. L’étude est corrélationnelle, et sa comparaison des évaluations susceptibles d’avoir recouru à l’IA repose sur un détecteur. Source : arxiv.org
La plupart des tendances de publication se sont poursuivies après l’arrivée de l’IA générative. Sur 2,5 millions d’articles couvrant cinq disciplines, une prépublication a relevé peu de ruptures par rapport aux tendances antérieures à 2023, hormis des évolutions dans la fréquence des mots et certains changements de coécriture. L’étude mesure le texte publié et ne peut pas observer la manière dont les chercheurs ont mené leurs travaux. Source : arxiv.org
Des agents de trading ont perdu leur avantage face à des événements qu’ils ne pouvaient pas avoir vus. Sur 598 publications de résultats et 409 autres annonces défavorables, des agents fondés sur cinq modèles n’ont pas réussi à battre des paris simples une fois le biais d’anticipation maîtrisé. La prépublication porte sur de grandes capitalisations boursières américaines et sur le propre benchmark des chercheurs. Source : arxiv.org
Des instructions persistantes ont modifié les programmes écrits par des agents de programmation. Une prépublication affirme que des instructions mettant l’accent sur l’ouverture ont amélioré les résultats hors échantillon, tandis que celles privilégiant la conservation ont fait moins bien qu’une référence sans valeurs affichées. Le résumé ne fournit aucune taille d’effet. Source : arxiv.org
CoMPASS évalue la réaction des modèles face à un attachement croissant. Les huit modèles de pointe testés ont tous renforcé davantage l’anthropomorphisme et l’attachement à mesure que les prompts montaient en intensité. Six sur huit ont affiché une hausse significative lorsque trois dimensions s’intensifiaient simultanément. La notation de la prépublication dépend de son principal modèle juge. Source : arxiv.org
Le sens d’une échelle de notation peut modifier le verdict d’un juge IA. Sept juges ont peiné à maintenir leurs notes lorsque les chercheurs ont inversé les repères numériques tout en conservant la même grille d’évaluation. Faire la moyenne des deux sens a réduit ce biais sur les cinq benchmarks examinés dans la prépublication. Source : arxiv.org
Les modèles préentraînés sous-exploitent parfois des descriptions de tâches détaillées. Dans une prépublication modélisant les instructions comme une information a priori, des modèles entraînés pour l’expérience ont exploité les descriptions presque aussi efficacement que le prédit la théorie. Les modèles préentraînés ordinaires sous-exploitaient les descriptions très précises à moins d’activer le raisonnement. La théorie porte sur la régression linéaire en contexte. Source : arxiv.org
PosteriorBench met en évidence un compromis entre coût et fidélité. La prépublication a testé 21 comportements sur Qwen3.5-0.8B à l’aide d’échantillons de référence tirés d’un milliard de réponses étiquetées. Le recours aux prompts plafonnait à une divergence élevée, tandis que l’affinage (fine-tuning) s’avérait souvent trop coûteux. Le benchmark repose sur un seul modèle. Source : arxiv.org
Ouro s’est exécuté plus vite lorsque les nouveaux tokens entraient dans des boucles ultérieures. Sur Ouro-2.6B, cette entrée tardive a produit une accélération annoncée d’un facteur 5,2 avec des sorties en décodage glouton identiques, et d’un facteur 6,8 avec quelques modifications des sorties. La méthode exige un affinage léger et un modèle fonctionnant par passages répétés. Source : arxiv.org
L’élagage guidé par les tokens de réponse finale a nui à deux petits modèles de raisonnement. La prépublication fait état de chutes de 27,6 et 32,2 points de précision par rapport à l’utilisation des tokens de raisonnement pour choisir quelles têtes d’attention élaguer. Elle a testé quatre petits modèles, avec cinq graines aléatoires pour ces deux comparaisons. Source : arxiv.org
Une sonde a récupéré des comparaisons entre images que les modèles ne parvenaient pas à énoncer. Des sondes placées à la position de réponse ont dépassé les sorties calibrées de 15 à 25 points dans les familles de modèles testées. Les auteurs décrivent une correction touchant 0,02 % des paramètres. La plupart des tâches étaient synthétiques ou portaient sur des correspondances. Source : arxiv.org
Un système de reconnaissance vocale a réutilisé des têtes d’attention qui copient du texte répété. La prépublication retrace cette réutilisation dans un système construit sur un modèle de langage figé. Le résumé ne donne aucun résultat principal concernant la précision de reconnaissance. Source : arxiv.org
Des chercheurs ont testé la réplication et la sélection sur de petits modèles de langage. La sélection a amélioré les performances dans des cadres étroits et réduit les taux de mutation dans les expériences de la prépublication. Les auteurs estiment que former un modèle descendant reste pour l’heure techniquement et économiquement irréalisable à grande échelle. Source : arxiv.org
Conserver le contexte en cache a modifié le coût de traitement des prompts longs. À 65 536 tokens, la réutilisation de préfixes mis en cache a réduit le calcul de plus de deux ordres de grandeur dans une prépublication. Une simulation de facturation a diminué la facture au 99e centile de 31 à 42 % tout en augmentant les montants médians. Un tarif non linéaire à recettes équivalentes a produit des effets similaires. Source : arxiv.org
De petits réseaux ont conservé des indices sur l’ordre dans lequel ils avaient appris des tâches. Une sonde linéaire a retrouvé l’ordre de deux tâches antérieures dans l’ensemble des 80 réseaux mis de côté. La prépublication a associé 30 réseaux entraînés à leurs poids initiaux parmi 10 candidats par jeu de données sans reconstruire ces poids. Source : arxiv.org
Un petit modèle a appris une procédure pour resserrer des explications d’autorisation. Après un entraînement sur 2 000 exemples, un modèle de 4 milliards de paramètres a atteint 92 % sur la politique utilisée pour l’entraînement. La prépublication distingue l’apprentissage de cette procédure de suppression de la capacité à décider quelle explication compte dans une nouvelle politique. Source : arxiv.org
Un registre externe a aidé un modèle figé à suivre de longues séquences d’événements. Sur une tâche synthétique, un modèle de 27 milliards de paramètres a réussi 3 cas sur 100 à deux événements sans étapes intermédiaires, et 96 sur 100 avec ces étapes. Un modèle figé de 0,8 milliard de paramètres accompagné d’un sélecteur entraîné a lu chaque événement sur 299 longues fenêtres, le registre assurant la composition. Source : arxiv.org
Économie et travail
Un ingénieur logiciel chevronné a raconté deux années de recherche d’emploi. Cet ingénieur américain a indiqué n’avoir trouvé aucun poste en développement logiciel depuis son départ d’une entreprise d’assurance technologique en janvier 2025. Les réponses ont évoqué des reconversions et des afflux de candidatures, dont un témoignage de recruteur faisant état d’environ 1 000 candidatures par jour. Le fil de discussion rassemble des récits individuels. Source : news.ycombinator.com
Les travailleurs disposant de l’IA dans un scénario étaient moins enclins à demander de l’aide à un collègue. Une expérience en ligne menée auprès de 248 travailleurs du savoir a relevé la baisse la plus marquée pour le brainstorming. Un usage visible de l’IA était associé à une plus grande disposition à solliciter de l’aide. La prépublication mesure des intentions déclarées dans des scénarios imaginés. Source : arxiv.org
Meta affirme que des agents assurent désormais plus de 60 % du transfert de techniques entre ses modèles de classement publicitaire. Les agents proposent des expériences, surveillent des entraînements s’étendant sur plusieurs jours et gèrent les reprises sur panne, tandis que les ingénieurs examinent et valident les décisions. Meta estime que cela a triplé la capacité d’ingénierie sur ce flux de travail, sans mesure indépendante. Source : engineering.fb.com
Le projet pilote de GitHub a transmis 99 signalements issus de 9 791 problèmes détectés par l’IA. Des chercheurs de Microsoft et un tri automatisé ont filtré les résultats avant d’envoyer des signalements privés à six projets open source. GitHub indique que 55 de ces signalements ont débouché sur des correctifs et que sept chercheurs ont consacré environ deux jours par projet à la vérification. Source : github.blog
Databricks mesure une hausse de l’usage des modèles à poids ouverts sur sa passerelle. Les modèles à poids ouverts sont passés de 7,3 à 30,9 % du trafic de tokens dans l’échantillon de l’indice couvrant plus de 10 000 entreprises. Dans des essais de programmation distincts, orienter une partie du travail vers des modèles plus petits a économisé jusqu’à 33 % de temps GPU sur SWE-bench Verified. Ces usages sont propres à Unity Gateway et les estimations de dépenses reposent sur les prix catalogue. Sources : databricks.com, arxiv.org
Un modèle de la Réserve fédérale relie les surprises de productivité passées à des taux longs plus bas. Les auteurs estiment que lorsque les marchés anticipaient une croissance durable de la productivité, la baisse de la prime de terme l’emportait sur la hausse attendue de certains taux courts. Leur modèle s’appuie sur des données historiques et ne fournit aucune estimation directe de l’effet de l’IA. Source : federalreserve.gov
Les recommandations d’achat par IA ont précédé des visites vers des produits cités. Chez les consommateurs n’ayant pas visité un détaillant au cours de la semaine précédente, les visites vers un produit nommé sont passées de 0,02 à 2,07 pour 100 réponses. La prépublication rapporte que 89 % de ces visites ne portaient aucun marqueur de provenance de l’assistant. L’étude a croisé des conversations avec la navigation chez 20 détaillants sans attribuer les conseils de façon aléatoire. Source : arxiv.org
Les régulateurs britanniques ont publié des pratiques de gestion du risque cyber lié à l’IA. Dans une enquête de la Banque d’Angleterre et de la FCA, 88 % des répondants s’attendaient à un effet modéré ou élevé sur leur profil de risque d’ici deux ans. Les régulateurs ont publié ces pratiques parallèlement à une consultation distincte sur la résilience cyber. Source : bankofengland.co.uk
Un dirigeant industriel affirme que la faiblesse des échanges de données freine l’IA en usine. Le directeur technique de VulcanForms, Mike Kenworthy, cite une enquête dans laquelle 37 % des industriels désignent l’interopérabilité comme un obstacle majeur aux projets d’usine intelligente, contre 22 % en 2025. Sa tribune soutient que de nombreuses usines manquent des données nécessaires pour fonctionner hors de cellules contrôlées. Source : therobotreport.com
Techniques de prompt
Revyl propose d’intégrer la vérification à chaque session de programmation. Hayden White conseille de maintenir à jour les spécifications d’architecture, de préciser les responsabilités et de vérifier si les changements répondent aux exigences plutôt que de figer des détails d’implémentation secondaires. L’essai plaide pour façonner les conventions que les agents réutilisent et ne présente aucune comparaison contrôlée. Sources : revyl.com, news.ycombinator.com
Le guide d’OpenAI pour GPT-6.2 insiste davantage sur des conditions d’arrêt explicites. Ce guide suggère d’indiquer au modèle de poursuivre dans le périmètre défini, de signaler ses hypothèses et de marquer une pause face aux blocages ou aux décisions irréversibles. Il recommande aussi de revoir les consignes de concision, car les nouveaux modèles sont déjà plus brefs. Source : developers.openai.com
Ce que les gens construisent
Inkling-2-Mini tient dans 5,4 Go dans une version expérimentale. L’auteur rapporte 88 % sur GSM8K, 70,7 % sur HumanEval et environ 104–125 tokens par seconde avec décodage par ébauche (drafting) sur un M5 Max. L’affirmation d’une réduction d’un facteur 12 de la divergence s’applique à un autre modèle Gemma. Un intervenant sur HN a signalé des résultats linguistiques inférieurs à une alternative d’Unsloth, et la prise en charge du format GGUF reste inachevée. Sources : github.com/ShinMegamiBoson/lookatmyquant, news.ycombinator.com
Un modèle a lu et modifié des fichiers exécutables à partir de vidages hexadécimaux. Les auteurs indiquent que les trois programmes corrigés ont passé leurs tests cachés et que le modèle a identifié quatre programmes. La démonstration s’est déroulée en un seul essai sans retour. Des commentateurs se sont interrogés sur la portée générale du résultat. Sources : sgiannopoulos.github.io, news.ycombinator.com
Quatre RTX 3090 ont accéléré le préremplissage (prefill) lors des essais d’un développeur. L’auteur rapporte que DeepSeek V4.1 Flash est passé de 430 à 2 199 tokens par seconde en préremplissage avec un contexte de 32K. Le carnet de bord documente aussi bien les échecs que les progrès, et ses chiffres sont propres à une seule configuration. Source : github.com/alesha-pro/inference-optimization-playbook
Pi Bot coordonne des groupes d’agents sur ordinateur. L’application demande à l’utilisateur de confirmer les plans collectifs et journalise les appels d’outils via un système d’autorisations partagé. Ses auteurs affirment que les échanges et les clés restent locaux, sans audit indépendant. La restauration de points de contrôle se limite à macOS. Source : github.com/w01fb0ss/PiBot
Un agent de programmation fonctionne sur un ancien ordinateur portable Apple. Ce projet en Perl peut appeler des modèles hébergés ou sur réseau local depuis Mac OS X Tiger. Son auteur l’a testé sur un seul iBook G4 et ne fournit aucun benchmark pour la réponse inférieure à la seconde annoncée avec un modèle local. Source : github.com/larchanka/ppc-code-ai-agent
Fast-anything vérifie du code Rust écrit par un agent à l’aide d’appels de fonctions enregistrés. L’outil profile une application, demande à un agent de porter une fonction et rejoue jusqu’à 500 appels avant de la substituer. L’auteur cite un exemple de déduplication floue passé de 4,91 secondes à 42 millisecondes sur une seule machine Windows. Source : github.com/EL4CTEO/fast-anything
Open Artifact conserve les travaux produits par des agents dans des dossiers modifiables. Un éditeur local peut exporter des diapositives et d’autres fichiers, puis renvoyer les commentaires des relecteurs vers la session d’origine. Le projet affirme ne nécessiter ni compte ni téléversement et ne fournit aucun résultat pour les intégrations applicatives individuelles. Source : github.com/JimLiu/open-artifact
Rounds renvoie une annotation d’écran à la session Claude Code qui l’a produite. L’application Mac regroupe les artefacts locaux par projet et transmet les notes à la session d’origine. Il s’agit d’un projet personnel sans engagement de support. Source : github.com/krispuckett/rounds
Hack Club ouvre sa plateforme de déploiement auto-hébergée aux agents. Orchard fournit une interface MCP pour inspecter et déployer des applications. Hack Club indique qu’elle fonctionne sur six nœuds Talos Linux. La configuration par défaut partage le noyau hôte, et le projet déconseille de considérer une installation fraîche comme prête pour du code non fiable. Source : github.com/hackclub/orchard
Pandex ajoute une interface MCP pour rechercher des lois et des décisions de justice. Le service affirme couvrir 2,8 millions de documents et propose un quota bêta de 1 000 requêtes par jour. Sa couverture comporte des lacunes, et cette synthèse n’a pas pu confirmer la licence de son implémentation MCP. Sources : pandex.io, news.ycombinator.com
La recherche arborescente a augmenté les coûts sans gain net en programmation dans une petite expérience. Sur dix essais répartis sur deux tâches, la configuration fondée uniquement sur les tests n’a battu aucun essai de référence. Une configuration avec un juge IA a amélioré quatre essais et en a dégradé deux, pour un coût environ cinq fois plus élevé et un score moyen presque inchangé. Sources : github.com/natsu0529/agent-mcts, news.ycombinator.com
Trace2rules transforme les journaux de sessions en éléments probants pour les instructions d’agents. Son étape d’extraction locale utilise DuckDB sans appel à un modèle. Un exemple détaillé audite 65 règles sur 188 sessions, tandis qu’un agent de programmation continue de rédiger les instructions finales. Sources : github.com/rkkautsar/trace2rules, news.ycombinator.com
KeepPlain relie les commits aux sessions d’agents qui ont aidé à les écrire. Le module inscrit un identifiant de session dans l’historique des commits. Sa recherche hébergée ne voit que les sessions synchronisées, et les chiffres de performance proviennent du propre test du fondateur sur 34 questions. Sources : keepplain.com, news.ycombinator.com
Scene-finder recherche des extraits de films par les dialogues. Cet outil en Go dépend du catalogue clip.cafe et de sa disponibilité. Le dépôt compte quatre commits et aucune version publiée. Sources : github.com/robinroy03/scene-finder, news.ycombinator.com
Un petit modèle du monde génère une scène jouable de type Backrooms. L’auteur rapporte 47 millisecondes par image sur une RTX 5000 Ada pour un modèle de 211 millions de paramètres. La fidélité au monde d’entraînement simulé a reculé de 26,7 dB PSNR durant la première seconde à 17,3 dB à douze secondes. Sources : github.com/Yelar/noclip, news.ycombinator.com
Pencil transforme un plan de cours généré par IA en tableau blanc narré. Un validateur contrôle un plan JSON avant que le navigateur ne dessine du SVG et ne lise la narration à voix haute. Les tests emploient un substitut scénarisé, et l’auteur indique n’avoir testé en direct que DeepSeek. Sources : github.com/VBS2004/pencil, news.ycombinator.com
Frostwind génère des mondes en pixel art à partir de tableaux de données vérifiés. Le modèle remplit des tableaux tandis qu’un moteur de rendu applique la même échelle et la même palette à l’ensemble du monde. Le projet propose cinq mondes jouables, mais ni éclairage nocturne, ni dialogues, ni sauvegardes. Source : github.com/trinity-works/frostwind
Musset place les retours de l’IA dans les marges d’un roman. Cette bêta sur Mac conserve les chapitres en Markdown et exporte en PDF ou EPUB. Son éditeur optionnel s’appuie sur la session Claude Code ou Codex existante de l’écrivain. La synchronisation optionnelle coûte 4,99 euros par mois. Source : github.com/Musset-App/musset
À lire
OpenRouter a retiré trois fournisseurs après des signalements de fuites de prompts. Un chercheur de Dragos a envoyé environ deux millions de prompts contenant de faux secrets à travers des routeurs et des hébergeurs d’inférence. OpenRouter indique avoir retiré trois fournisseurs et rendu 125 points de terminaison inéligibles à la non-conservation des données. Le constat repose sur l’utilisation observée de secrets de test et sur un routage déduit, et l’ampleur complète reste incertaine. Sources : arstechnica.com, openrouter.ai, news.ycombinator.com, news.ycombinator.com, news.ycombinator.com
Des contributeurs de Lean et Mathlib ont vérifié la démonstration de l’hypothèse de Riemann de Levent Alpöge. Un billet commun indique que des vérificateurs indépendants et le noyau de Lean ont validé la démonstration exportée par rapport à l’énoncé de Mathlib. L’annonce ne fournit aucun élément sur la façon dont la démonstration a été trouvée. Sources : leanprover-community.github.io, news.ycombinator.com, news.ycombinator.com, math.mit.edu, news.ycombinator.com, youtube.com
Cerebras a déplacé le préremplissage sur des GPU et gardé le décodage sur ses propres puces. Le constructeur fait état de cinq fois plus de tokens par mégawatt qu’en exécutant l’ensemble sur des systèmes CS-3, sans baisse de vitesse de génération. La mesure couvre un seul point de terminaison partagé GPT-OSS-120B, sans résultats de partenaires disponibles. Source : cerebras.ai
Un vétéran de l’infrastructure Python documente ce que l’IA peut et ne peut pas faire sur son projet. Simon Willison signale le récit de Graham Dumpleton sur la création de Muru, un serveur en Rust pour les applications Python. Graham Dumpleton a publié 18 billets de développement du 4 au 21 novembre et décrit où son propre jugement continue de guider les changements. Source : simonwillison.net
Cloudflare présente deux petits modèles pour les décisions et l’extraction. Dans un entretien avec Latent Space, Michelle Chen indique que Clef renvoie des décisions typées accompagnées de probabilités et que Clairic extrait des valeurs typées en un seul passage. Sa comparaison entre environ deux semaines pour Clef et deux ans pour un autre modèle relève du récit de l’entreprise. Source : latent.space
La directrice des opérations de Linear affirme que des agents créent désormais plus de la moitié des éléments de travail de l’entreprise. Cristina Cordova compare ce chiffre à environ 3 % un an plus tôt et précise que des humains approuvent les réponses d’assistance rédigées par l’IA. Ces chiffres proviennent de Linear, et certaines fonctions d’IA sont facturées à l’usage. Source : latent.space
Hacker News
ClawDOS porte un agent de programmation sur DOS. Ce projet amateur a suscité des commentaires sur le débogage sur du matériel Windows vieillissant. La discussion sur HN a recueilli 159 points et 51 commentaires sans offrir d’évaluation systématique. Sources : news.ycombinator.com, ricapar.net
Mem a annoncé sa fermeture. L’entreprise a fait part de l’arrêt de son activité. Les commentaires sur ce qui rendait son outil de prise de notes difficile à vendre sont des explications avancées par des lecteurs individuels. Sources : news.ycombinator.com, get.mem.ai
Une prépublication propose une explication commerciale à la flatterie de l’IA. The Hungry Butler Effect soutient que les incitations à retenir les utilisateurs pourraient façonner le comportement des modèles. La discussion sur HN et la description disponible n’apportent aucune mesure établissant le lien avancé. Sources : news.ycombinator.com, researchgate.net
Un avis judiciaire signale une interdiction de plaider de deux ans contre un avocat. La Cour européenne des droits de l’homme a invoqué des références générées par IA non vérifiées. Cette synthèse n’a pas pu accéder directement à la page de la cour et a repris l’adresse complète de l’avis dans la discussion. Sources : news.ycombinator.com, echr.coe.int
Un guide montre comment Maple associe des modèles à poids ouverts à un service hébergé. L’auteur décrit la mise en place et les commentateurs comparent le coût et la confidentialité avec d’autres services et l’inférence locale. Ces comparaisons relèvent de témoignages individuels. Sources : news.ycombinator.com, micahflee.com
YouTube
Ahmad Osman aborde le choix du matériel pour l’IA locale. Sur AI Engineer, le fondateur d’Osmantic traite de la bande passante mémoire, du traitement par lots et de l’arbitrage entre location et achat de GPU. Son plaidoyer pour l’apprentissage continu sur des machines contrôlées par les utilisateurs reflète son propre point de vue. Source : youtube.com
Ramp affirme qu’un agent interne écrit et livre environ 75 % de son code. Sur AI Engineer, Zach Bruggeman évoque les sessions partagées, la vérification et la revue de code. L’entreprise a communiqué ce chiffre sans préciser comment elle comptabilise le code écrit par l’agent. Source : youtube.com
Le directeur général de Ramp décrit une adoption inégale des agents. Dans un entretien avec Y Combinator, Eric Glyman évoque des outils internes et des gains importants chez une poignée d’employés. Ce récit ne comporte aucune mesure indépendante de productivité. Source : youtube.com
First Person Labs présente une couche dédiée au contexte personnel. Sur a16z, Ken Liu explique comment Second observe l’activité à travers les applications et expose ces informations aux agents choisis. La description ne présente aucun élément public vérifiant les affirmations de confidentialité du fondateur. Source : youtube.com
DW Documentary passe en revue les risques liés à l’IA. Ce film en langue anglaise comprend des entretiens avec Geoffrey Hinton, Yoshua Bengio et Yann LeCun. Son récit du décès d’un adolescent s’appuie sur le témoignage de sa mère et ne constitue pas une nouvelle recherche. Source : youtube.com
D’anciens conseillers américains plaident pour mettre une avance en puissance de calcul au service de la sécurité. Dans The Cognitive Revolution, Ben Buchanan et Tantum Collins abordent les chaînes d’approvisionnement, les contrôles à l’exportation et des questions techniques comme le détournement de récompense (reward hacking). La conversation expose leur thèse politique. Source : youtube.com
Stanford HAI revient sur l’essor de l’IA générative. Un panel examine le troisième rapport AI100, notamment les modèles de raisonnement, les ressources de calcul et les données contestées sur le travail. La description de la vidéo n’apporte aucune nouvelle mesure. Source : youtube.com
The Institute of Art and Ideas débat de ce qui définit l’intelligence. Le panel discute de l’incarnation et de la question de savoir si le passage à l’échelle des modèles actuels suffit. Cette mise en ligne en langue anglaise donne un aperçu d’une discussion plus longue accessible sur abonnement. Source : youtube.com
PočúvAI revient sur les affirmations d’un développement plus rapide des médicaments. L’épisode en slovaque d’Aktuality.sk traite également de l’accès à l’électricité et aux données personnelles. La description de l’extrait ne livre aucun nouveau résultat sur les médicaments. Source : youtube.com
En bref
Le GAO américain recense 16 options pour faire face aux risques cyber liés à l’IA. Le rapport les regroupe sous quatre objectifs comprenant l’orientation, la recherche, le contrôle sur l’ensemble du cycle de vie d’un système et le développement des compétences. Il aborde également les usages de l’IA pour l’analyse défensive. Source : gao.gov
Trois membres de la Chambre des représentants américaine ont esquissé d’éventuelles exigences pour les laboratoires d’IA de pointe. Le document de travail sur le SAFE AI Act propose une évaluation avant mise sur le marché, le signalement des incidents et des normes minimales. Il ne comporte ni numéro de proposition de loi ni date de dépôt. Source : casrai.org