Google Research présente un cadre sleep qui alterne interaction active et consolidation hors ligne pour permettre aux LLM d'acquérir de nouvelles connaissances sans oubli catastrophique. Le modèle débloque des blocs MoE préalloués et met à jour ses poids à partir d'exemples auto-générés, avec consolidation mémoire puis phase de dreaming pour sélectionner les échantillons utiles. Les évaluations montrent une rétention de contexte jusqu'à 10M tokens sur BABILong, 48,9% en incorporation de faits sur SQuAD et 79,2% sur AIME 24.
Motif de la recommandation :Le cadre sleep expose une méthode concrète pour l'apprentissage continu des LLM, avec des résultats sur la traduction, le contexte long et le raisonnement.
Motif de la recommandation :Genie 4 intègre nativement l'audio et le dialogue interactif dans la simulation en temps réel, avec un aperçu des capacités et des limites actuelles.
Google Research décrit à IDWeek 2026 le passage de ses algorithmes de radiographie thoracique à un outil clinique certifié CE MDR class IIb via Nexus AI.
Google Research a publié dans JAMA Network Open une étude prospective montrant qu'un modèle d'IA analysant des échographies blind sweep estime l'âge gestationnel avec une erreur absolue moyenne de 4,18 jours, contre 4,48 jours pour la procédure standard réalisée par des échographistes experts. Le modèle, ajusté avec un jeu pilote de 120 participantes à Chicago, atteint une MAE de 4,10 jours à Chicago et de 4,27 jours à Nairobi sans optimisation locale, sur une cohorte principale de 385 participantes entre 16 et 36 semaines. L'étude souligne aussi des besoins pratiques comme des batteries amovibles et des estimations de confiance pour écarter les balayages de mauvaise qualité.
Motif de la recommandation :L'étude compare l'IA à l'échographie experte sur deux sites et détaille les écarts d'erreur ainsi que les conditions de déploiement.
Google Chrome est affecté par de multiples vulnérabilités, documentées dans le bulletin de sécurité de l'éditeur du 20 octobre 2026. Les correctifs sont à obtenir via ce bulletin.
OpenAI et Google Cloud annoncent l'arrivée des modèles frontière d'OpenAI et des workflows Codex dans le Model Garden de Gemini, accessibles via Google Cloud Marketplace.
NVIDIA annonce Confidential Bare Metal, une nouvelle option de déploiement de son confidential computing qui permet aux développeurs de modèles de pointe d'exécuter des charges sensibles sur une infrastructure tierce dédiée tout en gardant le contrôle de leurs modèles et données. L'offre s'articule désormais autour de trois modes, Confidential Bare Metal, Confidential Containers pour Kubernetes et Confidential Virtual Machines pour les environnements virtualisés, et s'étend aux systèmes Grace Blackwell NVL72 ainsi qu'aux systèmes x86 HGX Rubin NVL8 et DGX Rubin NVL8. Cohere prévoit d'intégrer Confidential Bare Metal à Cohere Model Vault, et Google Cloud étend sa prise en charge aux instances A4X Max équipées de GB300 NVL72.
Motif de la recommandation :L'annonce détaille la configuration matérielle des instances A5X et le plan de montée en charge jusqu'à 960 000 GPU Rubin, utile pour évaluer les futurs déploiements d'agents à grande échelle.
Motif de la recommandation :L'article détaille le nouveau backend PyTorch natif pour TPU et son intégration dans Transformers, Diffusers et Kernels, avec des exemples de code et des chiffres de performance.
AWS a contribué à vLLM un connecteur NIXL en mode push qui déplace la coordination et la préparation du transfert KV après le prefill hors du chemin critique.
Motif de la recommandation :L'article détaille le mécanisme de transfert KV push dans vLLM et fournit des données de benchmark reproductibles, utile pour évaluer l'impact sur le TTFT et le TPOT.
Google Research détaille trois projets visant à combler l'écart entre l'exploration IA in silico et l'expérimentation en laboratoire humide. Le framework VERID fournit un jumeau numérique sémantique du laboratoire pour des exécutions simulées et des contrôles de sécurité avant toute manipulation robotique. Dans un cycle fermé de trois tours sur des aptamères, les agents ont atteint des taux de réussite confirmés de 33,5% pour la myoglobine et 42,1% pour l'α-thrombine, avec une spécificité de 98,5%. Pour la conception de novo de protéines, l'excision d'épitope a accéléré chaque cycle de plus de huit fois et la collaboration humain-agent a presque doublé le taux de réussite in silico par rapport à un scientifique seul.
Motif de la recommandation :Trois projets de Google Research montrent comment des agents IA relient conception in silico et expériences humides, avec des chiffres de réussite concrets.
Motif de la recommandation :L'article détaille un flux de travail agentique de découverte de peptides antimicrobiens et l'intégration d'un visualiseur 3D, montrant comment la recherche biologique passe d'une recherche fragmentée à une session unique.
Google Research annonce la sortie publique de Deep Review, un système d'IA agentique conçu pour fournir des retours rigoureux et une vérification technique sur des documents complexes.
Motif de la recommandation :Présente l'architecture en quatre étapes et les modalités d'accès, utile pour juger de la vérification documentaire assistée par agent.
Motif de la recommandation :L'article détaille les capacités de l'agent de raisonnement géospatial, les benchmarks et les retours de partenaires, permettant de juger de l'apport des outils spécialisés par rapport aux LLM génériques.
Motif de la recommandation :Le texte détaille un pipeline à deux étapes et un cadre de gouvernance pour un modèle de détection d'arnaques embarqué, utile pour comprendre le déploiement edge sous contrainte de confidentialité.
Motif de la recommandation :Le rapport détaille les garde-fous de Gemini 4 Argon et les résultats de tests d'alignement, utile pour comprendre les compromis entre capacités et sécurité.
Motif de la recommandation :L'original détaille les capacités d'Argon en codage, sciences et robotique ainsi que les mesures de sécurité, ce qui permet de situer le niveau des modèles frontières actuels.
Motif de la recommandation :Le modèle est présenté avec ses scores de benchmark et ses cas d'usage robotique, ce qui aide à situer ses capacités physiques et ses limites.
Lors du sommet mondial de l'Open Compute Project, NVIDIA a annoncé de nouveaux partenariats et contributions visant à créer une base commune pour l'infrastructure d'IA de nouvelle génération. NVIDIA a contribué les conceptions clés de rack et de plateau de calcul Vera Rubin à l'OCP via l'architecture ouverte NVIDIA MGX, offrant aux assembleurs une base commune pour développer l'infrastructure des AI factories de nouvelle génération. La spécification MGX 1.2 étend l'architecture ouverte avec un refroidissement liquide à connexion aveugle à l'échelle du rack, une infrastructure d'interconnexion interopérable et une barre omnibus refroidie par liquide de 5 000 A, et prend en charge des déploiements en rack jusqu'à 250 kW. NVIDIA a également lancé de nouveaux composants logiciels open source pour la plateforme DSX AI Factory, dont NVIDIA Config Manager, NVIDIA Cluster Readiness Engine, NVIDIA Rack Management Service et Cluster API Provider for NVIDIA Infrastructure Controller. Par ailleurs, NVIDIA, AMD, Google et Meta ont publié la spécification Open Data Center Specification v0.7, tandis que Google, Meta, Microsoft et NVIDIA ont publié la spécification OCP Grid Resilience. Meta a annoncé l'adoption des commutateurs Ethernet Spectrum-6 102,4 Tb/s de NVIDIA, et Google a annoncé la prise en charge de Falcon Transport sur les futurs SuperNIC ConnectX-10 et DPU BlueField de NVIDIA.
Motif de la recommandation :L'annonce détaille les contributions matérielles et logicielles ouvertes de NVIDIA pour les AI factories, avec des spécifications concrètes et des partenariats vérifiables.
Une expérience de terrain menée auprès de 133 avocats dans onze cabinets de propriété intellectuelle montre que l'accès à un assistant IA de rédaction de brevets (aujourd'hui intégré à Gemini Notebook) améliore les scores de rédaction de 0,34 écart-type après 10 jours et de 0,38 après 90 jours, mais que ces gains disparaissent pour les juniors lorsque l'outil est retiré. Sur une tâche de correction sans IA à 90 jours, seuls les avocats seniors progressent de 0,45 écart-type, tandis que les juniors ne montrent aucune amélioration et voient leurs scores se diviser entre très faibles et bons. Les chercheurs concluent que l'amélioration de la performance et la construction d'un jugement professionnel durable sont deux objectifs distincts, potentiellement en tension pour les juniors.
Motif de la recommandation :Une expérience de terrain sur trois mois montre que l'assistance IA améliore la production immédiate mais ne construit pas le jugement professionnel des juniors.
Amazon Quick et Amazon Bedrock Knowledge Bases appliquent un contrôle d'accès en temps réel pour le RAG en vérifiant les permissions directement auprès des sources faisant autorité au moment de la requête. L'approche hybride combine un filtrage pré-récupération sur l'index vectoriel (étape 1) et une vérification en temps réel via les API de la source, comme Google Drive, avec des jetons d'accès générés par usurpation d'identité (étape 2), seuls les passages autorisés étant transmis au LLM. Ce mécanisme élimine les lacunes de sécurité liées aux ACL obsolètes des synchronisations périodiques, une révocation d'accès étant reflétée en quelques instants.
Motif de la recommandation :L'original expose les paramètres, la licence et les chiffres de benchmark du modèle, ce qui permet de juger son intérêt pour l'inférence locale.
Google Research présente PDFM (Population Dynamics Foundation Model), un modèle de fondation géospatial intégré à Google Earth AI qui compresse tendances de recherche agrégées.
Motif de la recommandation :L'article détaille l'usage d'embeddings géospatiaux pré-entraînés dans cinq domaines de santé publique, avec des gains chiffrés et des limites explicites.