Aller au contenu
14 octobremer.
13 octobremar.
8 octobrejeu.
7 octobremer.
6 octobremar.
  1. Mistral AI88

    Mistral AI lance la preview publique de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres

    Mistral AI lance la preview publique de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres avec 49 milliards de paramètres actifs.

    Motif de la recommandation :Mistral publie les détails de Mistral Large 4, un modèle multimodal natif de 1 000 milliards de paramètres, avec des chiffres de benchmarks et un calendrier de publication des poids.

  2. Hugging Face Blog62

    TII publie Falcon-Emirati-7B, un LLM spécialisé dans le dialecte émirati

    Le Technology Innovation Institute (TII) publie Falcon-Emirati-7B, un modèle spécialisé dans le dialecte arabe émirati construit sur Falcon-H1-Arabic.

    Motif de la recommandation :Le détail de la recette d'adaptation dialectale et des résultats par catégorie permet de juger ce que le fine-tuning apporte face à des modèles plus grands.

30 septembremer.
  1. AWS Machine Learning Blog62

    Construire un pipeline multi-agents de production musicale sur Amazon Bedrock AgentCore Runtime Instances

    L'article explique comment déployer un pipeline de production musicale à trois agents sur Amazon Bedrock AgentCore Runtime Instances. L'agent de composition utilise Claude Sonnet 4.6 et le modèle ACE-Step sur le GPU NVIDIA L4 de l'instance pour générer un fichier.wav, l'agent de livraison lit ce fichier depuis le volume partagé et applique une chaîne DSP, puis l'agent de conformité revérifie indépendamment le résultat et peut demander une nouvelle composition. Les trois agents partagent la même session via un runtimeSessionId commun, ce qui les place sur une même instance EC2 avec un système de fichiers partagé, et les sessions peuvent persister jusqu'à 14 jours. L'article détaille la création du capacity provider, le déploiement des runtimes et l'orchestration, avec un exemple complet disponible dans le dépôt AgentCore samples sur GitHub.

    Motif de la recommandation :Présente une architecture multi-agents avec sessions partagées, GPU et volumes persistants, et détaille les étapes de déploiement sur AgentCore Runtime Instances.

29 septembremar.
  1. AWS Machine Learning Blog22

    Condé Nast comment construire une découverte vidéo multimodale avec Amazon Bedrock

    Condé Nast a réduit le temps de recherche de contenu vidéo de 250 minutes à moins de 2 minutes par tâche grâce à une solution de découverte vidéo multimodale bâtie sur Amazon Bedrock et Amazon OpenSearch Service. Le système s'appuie sur le modèle d'embedding TwelveLabs Marengo pour encoder conjointement les signaux visuels, audio et de transcription, et indexe plus de 140 000 vidéos pour une recherche sémantique par intention. Cinq capacités sont proposées aux équipes éditoriales de titres comme Vogue, GQ, Vanity Fair et Wired : recherche par intention, compréhension multimodale, requêtes par image, tolérance aux fautes et précision des timestamps.

  2. Microsoft Research62

    Microsoft Research présente Quine, un système de recherche IA pour la biologie

    Microsoft Research présente Quine, un effort de recherche combinant un modèle mondial multimodal de biologie et un harnais interactif reliant modèles.

    Motif de la recommandation :Microsoft Research présente Quine, un modèle mondial multimodal de biologie couplé à un harnais, avec une validation en laboratoire humide sur le cancer du pancréas.

25 septembreven.
24 septembrejeu.
23 septembremer.
  1. Google DeepMind78

    Google DeepMind lance Gemini 3.8 Flash TTS et Flash-Lite TTS

    Google DeepMind annonce Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, deux modèles de synthèse vocale générative disponibles dans Google AI Studio.

    Motif de la recommandation :Google DeepMind détaille les capacités vocales et les garde-fous des deux modèles TTS, utile pour évaluer les usages en doublage et agents vocaux.

16 septembremer.
10 septembrejeu.
  1. Hugging Face Blog62

    Reconstruire AUTOMATIC1111 avec Gradio Workflow : 11 pipelines et 73 nœuds

    Hugging Face présente Workflow1111, un canevas de workflow unique qui reconstruit la plupart des fonctionnalités d'AUTOMATIC1111 sous forme de 11 pipelines multimédias construits avec 73 nœuds. Le canevas couvre la génération texte-image, le hi-resolution fix, l'image-to-image, la matrice de prompts, l'interrogation VLM, la détection vers masque d'inpainting, les annotateurs de style ControlNet, la suppression d'arrière-plan, le stockage PNG Info et l'image-to-video, avec des modèles comme FLUX.1-Kontext, Qwen3-4B, Qwen2.5-VL, DETR, AuraSR ×4, BRIA RMBG-2.0 et Wan 2.2 I2V A14B. Chaque nœud de sortie devient un point d'accès REST, et avec mcp_server=True, ces points d'accès deviennent des outils MCP appelables par des assistants IA comme Claude Code ou Cursor.

    Motif de la recommandation :L'article détaille comment reconstruire l'ensemble des fonctionnalités d'AUTOMATIC1111 avec 73 nœuds Gradio Workflow, et comment chaque sortie devient un point d'accès REST et un outil MCP.

3 septembrejeu.
2 septembremer.
1 septembremar.
  1. Microsoft Research62

    Microsoft Research publie GigaPath-Flash et GigaTIME-Flash, des modèles de fondation en pathologie plus efficaces

    Microsoft Research présente GigaPath-Flash et GigaTIME-Flash, deux modèles de fondation en pathologie dérivés de GigaPath et GigaTIME.

    Motif de la recommandation :L'original expose les compromis efficacité-performance et les estimations de temps GPU, ce qui permet de juger si l'analyse à grande échelle devient réalisable.

28 aoûtven.
  1. Google DeepMind76

    Google DeepMind lance Gemini Omni 1.1 Flash avec des contrôles créatifs pour la vidéo générative

    Google DeepMind annonce Gemini Omni 1.1 Flash, une mise à jour de ses capacités de génération vidéo destinée aux développeurs via la Gemini API dans Google AI Studio. Le modèle peut analyser jusqu'à 10 secondes de contexte vidéo antérieur pour l'extension de scène, contre une seconde auparavant, avec des extensions par tranches de 10 secondes jusqu'à 40 secondes cumulées. Il ajoute l'interpolation entre première et dernière images, la génération de prévisualisations 360p jusqu'à 60 % plus rapides et à un tiers du coût du 720p, l'upscaling jusqu'en 4K, ainsi que la référence de vidéos jusqu'à trois secondes en entrée multimodale. Omni 1.1 est disponible dans Google AI Studio, via l'Agent Platform API pour les entreprises, et pour les abonnés Google AI Plus, Pro et Ultra dans Google Flow, l'extension de scène étant accessible dans l'application Gemini.

    Motif de la recommandation :L'original détaille les contrôles créatifs et les paliers de coût de la génération vidéo, utile pour évaluer les workflows de production existants.

27 aoûtjeu.
13 aoûtjeu.
12 aoûtmer.
  1. Google Research78

    Google Research présente AMIE (Video), consultations cliniques audio-visuelles en temps réel

    Google Research présente AMIE (Video), une configuration vidéo temps réel d'AMIE construite sur Gemini et Project Astra.

    Motif de la recommandation :L'article détaille l'architecture multi-agents asynchrone et le protocole d'évaluation randomisé d'AMIE (Video), utile pour comprendre comment un système vocal et visuel temps réel est structuré et testé.

11 aoûtmar.
10 aoûtlun.
4 aoûtmar.
21 juilletmar.
15 juilletmer.
  1. Hugging Face Blog88

    Thinking Machines Lab publie Inkling, un LLM multimodal open source de 1T paramètres avec fenêtre de contexte de 1M

    Thinking Machines Lab a publié sur Hugging Face Inkling, un grand modèle de langage multimodal open source d'environ 1T de paramètres (975B au total.

    Motif de la recommandation :L'article détaille l'architecture MoE, les variantes de quantification et le support d'inférence jour 0, ce qui aide à évaluer les besoins matériels et les options de déploiement.

1 juilletmer.
23 juinmar.
22 juinlun.
9 juinmar.
  1. Google DeepMind80

    Google DeepMind publie Gemini 3.5 Live Translate, un modèle audio de traduction vocale en temps réel

    Google DeepMind publie Gemini 3.5 Live Translate, un modèle audio capable de détecter automatiquement plus de 70 langues et de générer une traduction vocale naturelle en temps réel.

    Motif de la recommandation :Le modèle prend en charge plus de 70 langues et est déployé sur l'API Gemini Live, Google Meet et Google Translate, ce qui permet de comparer les scénarios d'application de la traduction vocale en temps réel.

5 juinven.
  1. Hugging Face Blog65

    NVIDIA publie Nemotron 3.5 Content Safety, un modèle de sécurité multimodal personnalisable

    NVIDIA publie Nemotron 3.5 Content Safety, un modèle de sécurité de contenu multimodal et multilingue de 4B paramètres construit sur Gemma 3 4B IT.

    Motif de la recommandation :L'article détaille les capacités de sécurité multimodale et multilingue de Nemotron 3.5, ainsi que les modes d'inférence et les options de déploiement, ce qui aide le lecteur à évaluer son intégration dans des pipelines de production.