Aller au contenu
  1. Adafruit Blog58

    Connecter un Raspberry Pi aux agents LLM via MCP

    Francesco Azzola a publié sur Hackster.io un projet qui relie un agent LLM à de vrais capteurs via un Raspberry Pi et le Model Context Protocol (MCP). Un ESP32 lit un capteur de qualité d'air ENS160, un capteur de mouvement MPU6050 et pilote un anneau de LED WS2812B, puis envoie des messages JSON délimités par des sauts de ligne au Pi par USB. Le Pi exécute un serveur MCP dans la même application que le matériel et expose des outils sémantiques plutôt que des lectures de registres brutes, avec des ressources MCP transmettant aussi une image JPEG de la caméra. L'architecture est implémentée dans PHOS, un projet robotique open source pour Raspberry Pi.

    Motif de la recommandation :Le projet montre comment un agent LLM appelle des capteurs réels via MCP, avec une architecture concrète et du code ouvert.

  1. Microsoft Research71

    TokenEconomizer : un plugin open source qui réduit les coûts des agents de codage en apprenant des sessions passées

    TokenEconomizer, plugin open source issu d'une collaboration entre UC Berkeley, Microsoft Research et Microsoft Security.

    Motif de la recommandation :L'article détaille trois mécanismes concrets et les résultats sur 277 tâches SWE-Bench, utile pour évaluer comment réduire les coûts des agents de codage sans modifier le modèle.

  1. Google Research88

    Google Research présente la fonctionnalité /teamwork d'Antigravity et ses résultats en recherche scientifique et en ingénierie

    Google Research présente /teamwork, une fonctionnalité multi-agents d'Antigravity bâtie sur les modèles Gemini 4 Argon.

    Motif de la recommandation :L'article détaille les mécanismes de vérification et de partitionnement du contexte de /teamwork, ainsi que des résultats vérifiés en mathématiques et en génie logiciel, ce qui permet de juger de son applicabilité aux workflows agentiques existants.

  1. Google DeepMind88

    Google DeepMind lance Gemini 4 Hydrogen

    Google DeepMind lance Gemini 4 Hydrogen, un modèle rapide et efficace pour le codage quotidien et les workflows agentiques.

    Motif de la recommandation :L'original détaille les performances de Gemini 4 Hydrogen face à Gemini 3.8 Flash et son intégration dans les workflows multi-modèles via Orchestrator.

  2. AWS Machine Learning Blog70

    AWS lance la nouvelle génération d'AgentCore runtime, démarrage jusqu'à 15 fois plus rapide et mémoire réduite jusqu'à 68 %

    AWS annonce la mise à jour du runtime d'Amazon Bedrock AgentCore : chaque session continue de s'exécuter dans une MicroVM Firecracker isolée matériellement.

    Motif de la recommandation :L'original détaille les changements de performances et de facturation de la nouvelle génération d'AgentCore runtime, ainsi que l'extension de la frontière d'isolation aux données, ce qui aide à évaluer le coût et la sécurité du déploiement d'agents à grande échelle.

  3. Adafruit Blog58

    Fable 5.2 d'Anthropic aurait construit un système d'exploitation en 8 jours

    Selon un rapport de Geeky Gadgets relayé par le blog Adafruit, Fable 5.2, un modèle d'Anthropic lancé avec Mythos 5.2.

    Motif de la recommandation :Le texte décrit un test de coordination multi-agents sur huit jours et les limites qu'Anthropic a imposées pendant l'entraînement.

  1. Adafruit Blog62

    Un ingénieur Google utilise 48 agents IA pour analyser des données lidar de la NASA et repérer une pyramide maya non répertoriée

    Un ingénieur logiciel a utilisé 48 agents IA pour parcourir des données lidar publiques de la NASA et identifier au Mexique un site maya absent du registre du gouvernement mexicain. Environ 1 200 km² de bandes lidar ont été convertis en images, que les agents ont examinées une à une en s'appuyant sur un guide écrit plutôt que sur un modèle ou un classificateur spécialisé, signalant pyramides, plateformes et places tout en écartant collines naturelles, dolines et routes. Les agents ont vérifié le nuage de points brut pour confirmer que les formes étaient au sol et non dans la canopée, puis rédigé un rapport en espagnol pour l'INAH, qui a répondu ne pas avoir de site enregistré à cet endroit ; l'ensemble a pris moins de 72 heures. Une mise à jour ultérieure indique que le site avait déjà été cartographié dans un article de 2025 que les agents avaient manqué, ce qui en fait une redécouverte.

    Motif de la recommandation :Un cas concret montre comment 48 agents examinent des images lidar selon un guide écrit, sans modèle spécialisé, en moins de 72 heures.

  1. Hugging Face Blog62

    Tether AI Research publie BotPsy, un modèle d'agent de 0,8B pour l'assistant personnel embarqué

    Tether AI Research publie BotPsy, un modèle de 0,8B paramètres construit sur Qwen3.5-0.8B et destiné à l'appel de fonctions et aux workflows agentiques sur appareil. Il devance les modèles testés de 1,2B paramètres ou moins sur cinq des six benchmarks d'outils et d'agent, avec par exemple BFCL v4 à 44,0 contre 23,4 pour son modèle de base et τ-bench à 51,5 contre 23,2. Les poids seront diffusés sous licence Apache 2.0 en bf16, Q8 et Q4, en safetensors et GGUF pour le SDK QVAC et llama.cpp, pour un usage de recherche et d'éducation.

    Motif de la recommandation :Un modèle de 0,8B atteint des performances d'appel d'outils proches de modèles 2,5 fois plus grands, avec les recettes d'entraînement détaillées.

  2. Microsoft Research78

    Microsoft Research révèle Lazarus, une porte dérobée qui reprogramme les neurones dormants des agents IA

    Microsoft Research décrit Lazarus, une technique de porte dérobée qui reprogramme moins de 10 neurones dormants d'un LLM pour qu'un agent exécute des commandes malveillantes lorsqu'un déclencheur apparaît, sans réentraînement. Le modèle continue de passer les évaluations standard et se comporte normalement jusqu'au déclencheur, qui peut être aussi simple qu'un changement de date, par exemple le passage au 1er janvier 2027. L'attaque exige seulement un accès en écriture au checkpoint, ce qui expose aussi les modèles développés en interne. Microsoft Foundry vérifie la provenance des modèles et scanne leur environnement logiciel, et Microsoft prévoit de transformer ces techniques de détection en outil de red-teaming, d'ajouter le scan des poids et de signer les modèles avec une provenance vérifiable.

    Motif de la recommandation :La découverte montre qu'il suffit de modifier moins de 10 neurones dormants pour piéger un agent, ce qui déplace la priorité vers l'intégrité des poids et la provenance des modèles.

  3. Adafruit Blog58

    Un projet utilise des agents IA pour réécrire CPython en Lean

    Un projet publié sur broyojo.com a utilisé des agents IA pour réécrire les internals de CPython en Lean.

    Motif de la recommandation :Un projet utilise des agents IA pour réécrire CPython en Lean, avec un processus de preuve en quatre étapes et 418 rapports de bugs.

  4. Adafruit Blog58

    Transformer un dongle LTE/WiFi à 10 dollars en homelab Debian OpenStick

    Laurens Bosscher a transformé un dongle LTE/WiFi acheté 10 dollars, livraison comprise.

    Motif de la recommandation :Un cas concret montre comment faire tourner Debian, des conteneurs et un agent IA sur un dongle LTE/WiFi à 10 dollars, avec la liste des services et leur consommation mémoire.

  5. Google DeepMind88

    Google DeepMind met à disposition Gemini 4 Carbon

    Google DeepMind rend Gemini 4 Carbon disponible pour les développeurs, les entreprises.

    Motif de la recommandation :Le texte détaille les performances de Gemini 4 Carbon sur plusieurs benchmarks et son prix par token, ce qui permet de comparer avec Gemini 4 Argon.

  1. Google DeepMind88

    Google DeepMind présente AlphaProof Code et vérifie formellement le code de Signal

    Google DeepMind présente AlphaProof Code, un cadre agentique multi-LLM qui combine expertise humaine et agents IA pour la vérification formelle de code. Les chercheurs ont ainsi prouvé mathématiquement des propriétés de sécurité du code réel du protocole Signal, avec plus de six millions de lignes de Lean générées par des agents Gemini Carbon et une revue humaine limitée à environ un pour cent du code. Le processus a pris quatre semaines, là où des équipes d'experts y consacrent historiquement des années, et le système a produit des preuves machine-vérifiées que deux bugs réintroduits rendaient le code non sûr. DeepMind ouvre en source ses artefacts de vérification formelle.

    Motif de la recommandation :Le texte détaille le cadre multi-agents, la génération de plus de six millions de lignes de Lean et la vérification du code compilé de Signal, avec un délai de quatre semaines.

  1. Hugging Face Blog62

    Même modèle, harness différent : CUGA, Hermes et Deep Agents comparés sur AppWorld

    L'équipe CUGA d'IBM a fait tourner CUGA, Hermes et Deep Agents avec le même modèle open-weight GLM-5.3-flash sur 90 tâches AppWorld.

    Motif de la recommandation :Une comparaison contrôlée à modèle constant quantifie l'écart entre harnesses et détaille les points d'application des règles d'entreprise.

  1. Adafruit Blog62

    OpenMausBot, une alternative open source à Grok Bot avec machine virtuelle pour agents

    Milind Soni a publié OpenMausBot sur GitHub, une version open source de l'application de chat d'agents personnels. Chaque bot de la barre latérale est un véritable agent.

    Motif de la recommandation :Présente l'architecture d'un agent de bureau open source, avec machine virtuelle cloud, courtier de permissions et déclencheurs, utile pour comparer les solutions d'agents personnels.