Aller au contenu
  1. NVIDIA Blog62

    NVIDIA dévoile au SC26 Nemotron for Science, le GPU Rubin HPC et une collaboration quantique avec IBM

    Lors de son discours d'ouverture du SC26 à Chicago, Ian Buck, vice-président hyperscale et HPC de NVIDIA.

    Motif de la recommandation :Le discours de NVIDIA au SC26 rassemble en un seul endroit les outils d'agents scientifiques, le GPU Rubin HPC et la correction d'erreurs quantique, ce qui permet de saisir le calendrier de livraison et les orientations techniques.

  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.

  2. NVIDIA Blog60

    NVIDIA étend Slurm pour intégrer le calcul quantique au supercalcul

    NVIDIA annonce une extension de Slurm permettant aux constructeurs de QPU de créer une interface unique vers leur matériel pour tous les centres de supercalcul.

    Motif de la recommandation :L'extension de Slurm permet aux centres de supercalcul d'intégrer un QPU via un simple fichier, sans solution dédiée par matériel.

  1. Adafruit Blog50

    Des câbles internet sous-marins utilisés pour détecter les baleines menacées

    La chercheuse en bioacoustique Léa Bouffaut, de l'université Cornell, utilise des câbles à fibre optique sous-marins comme microphones pour écouter les baleines.

    Motif de la recommandation :L'original montre comment la détection acoustique distribuée sur câbles télécom identifie les baleines, y compris des espèces difficiles à repérer.

  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. Hugging Face Blog72

    IBM publie LLMON, un langage de balisage natif pour LLM, avec les modèles Granite 4.1 3B et 8B

    IBM publie deux modèles expérimentaux dérivés de Granite 4.1, granite-4.1-3b-LLMON-preview et granite-4.1-8b-LLMON-preview.

    Motif de la recommandation :L'article détaille le format LLMON et deux modèles expérimentaux Granite 4.1 entraînés pour le consommer, avec des résultats chiffrés sur la résistance aux injections de prompt.

  2. 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.

  2. Adafruit Blog70

    Le robot ASTRA de Caltech assemble en orbite une structure d'antenne sans astronautes

    Le robot ASTRA de Caltech a assemblé en orbite terrestre basse une partie du cadre d'une antenne à partir de tubes composites et d'articulations en aluminium.

    Motif de la recommandation :Le lecteur peut saisir le niveau réel d'autonomie du robot en orbite et la façon dont l'équipe au sol intervient en cas de problème.

  3. Adafruit Blog60

    STMicro lance la série de microcontrôleurs à signaux mixtes STM32G5 Cortex-M33 à 280 MHz

    STMicroelectronics a lancé la série STM32G5, une famille de microcontrôleurs à signaux mixtes Arm Cortex-M33 à 280 MHz destinée aux alimentations industrielles.

    Motif de la recommandation :L'original compare les performances du STM32G5 à celles du STM32G4 et précise les prix et les cartes de développement, ce qui permet de juger du potentiel de remplacement.

  1. Google DeepMind64

    Google DeepMind dévoile AlphaGenome 2, un modèle de séquence d'ADN conditionné par type cellulaire

    Google DeepMind annonce AlphaGenome 2, un modèle de séquence d'ADN conditionnel qui prédit l'effet des variants sur des types cellulaires humains précis. Entraîné sur plus de 107 millions de profils cellulaires couvrant 68 tissus, il identifie près de deux fois plus de variants modifiant l'expression génique que le modèle précédent, avec 30 % contre 16 % de variants causaux sur le jeu de données TenK10K. Le modèle est disponible pour la recherche non commerciale via l'AlphaGenome API et en aperçu privé pour la recherche commerciale.

    Motif de la recommandation :Le modèle conditionnel par type cellulaire et l'API ouverte permettent de situer les changements de capacité et les scénarios d'usage en recherche génétique.

  2. Adafruit Blog68

    Print & Place : intégrer des composants électroniques pendant l'impression FDM

    Print & Place, méthode d'Oliver Child et de ses collègues, permet d'insérer des composants électroniques dans une impression 3D pendant que celle-ci est en cours.

    Motif de la recommandation :La méthode exploite le plastique extrudé comme adhésif temporaire pour insérer des composants pendant l'impression FDM, sans modifier l'imprimante.

  3. 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.

  4. 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.

  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. Hugging Face Blog62

    Hugging Face présente les decision models et leur prise en charge dans l'écosystème

    Hugging Face présente les decision models, des modèles qui renvoient une distribution de probabilités sur des réponses prédéfinies sans générer de texte.

    Motif de la recommandation :L'article présente l'interface unifiée des decision models et leur prise en charge dans Transformers, llama.cpp et le Hub, utile pour évaluer leur intégration dans les applications existantes.

  2. 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.

  3. Google DeepMind62

    Google DeepMind ouvre les jeux de données SatWeave et PARDIG derrière WeatherNext 3

    Google DeepMind publie SatWeave et PARDIG, deux jeux de données utilisés par son modèle météo WeatherNext 3.

    Motif de la recommandation :L'original expose les caractéristiques des jeux de données SatWeave et PARDIG ainsi que leurs modalités d'accès, ce qui permet de juger de leur utilité pour les applications météo et climat.