OpenAI fait progresser la provenance des contenus avec Content Credentials, SynthID et un outil de vérification
OpenAI annonce des avancées sur la provenance des contenus générés par IA, en s'appuyant sur Content Credentials.
OpenAI annonce des avancées sur la provenance des contenus générés par IA, en s'appuyant sur Content Credentials.
Google DeepMind annonce Gemini Omni, une nouvelle famille de modèles capable de créer du contenu à partir de n'importe quelle entrée.
Motif de la recommandation :Google DeepMind présente Gemini Omni Flash, un modèle multimodal capable de générer et d'éditer des vidéos à partir de plusieurs entrées, avec un déploiement immédiat sur plusieurs produits.
Google annonce l'extension de ses outils de transparence et de vérification des contenus dans Search.
Motif de la recommandation :Google étend SynthID et C2PA à Search, Gemini, Chrome et Pixel, avec une API de détection sur Cloud, ce qui éclaire la traçabilité des contenus générés.
Google DeepMind annonce l'initiative de recherche AI co-clinician, qui vise à faire de l'IA un membre collaboratif de l'équipe soignante.
Motif de la recommandation :L'original expose la conception d'architecture et les résultats d'évaluation de l'IA co-clinicien, permettant de comprendre les capacités et les limites actuelles de l'IA dans les scénarios médicaux.
NVIDIA publie Nemotron 3 Nano Omni, un modèle de compréhension omni-modal conçu pour l'analyse de documents.
Motif de la recommandation :L'original détaille l'architecture hybride Mamba-Transformer-MoE et les gains sur les benchmarks documents, vidéo et audio, ce qui permet de situer les capacités omni-modales ouvertes.
OpenAI a lancé ChatGPT Images 2.0, avec un rendu de texte, un support multilingue et un raisonnement visuel améliorés. Le texte source renvoie également aux nouveautés d'Images 2.5.
OpenAI annonce une mise à jour de l'application Codex pour macOS et Windows, qui ajoute l'utilisation de l'ordinateur.
Motif de la recommandation :L'original énumère les nouvelles capacités de Codex sur macOS et Windows, ce qui permet de juger comment elles s'intègrent aux flux de travail des développeurs.
Le blog Hugging Face explique comment entraîner ou affiner des modèles d'embedding et de reranker multimodaux avec la bibliothèque Sentence Transformers.
Google DeepMind annonce Gemini 3.1 Flash TTS, un nouveau modèle de synthèse vocale offrant un contrôle granulaire via des balises audio en langage naturel. Le modèle atteint un score Elo de 1 211 sur le classement TTS d'Artificial Analysis, prend en charge plus de 70 langues et le dialogue multi-locuteurs natif. Il est déployé en preview pour les développeurs via l'API Gemini et Google AI Studio, pour les entreprises sur Vertex AI, et pour les utilisateurs Workspace via Google Vids. Tous les audios générés sont marqués par SynthID.
Motif de la recommandation :Le nouveau modèle de synthèse vocale introduit des balises audio en langage naturel et un support de plus de 70 langues, avec un déploiement en preview via l'API Gemini et Vertex AI.
Sentence Transformers v5.4 permet d'encoder et de comparer textes, images, audio et vidéos via la même API.
Motif de la recommandation :La v5.4 de Sentence Transformers unifie texte, image, audio et vidéo dans une même API d'embedding et de reranking, avec la liste des modèles compatibles.
Google Research dévoile PaperVizAgent, un agent de visualisation qui génère des figures académiques prêtes à publier.
Google DeepMind annonce Gemma 4, sa famille de modèles ouverts la plus intelligente à ce jour.
Motif de la recommandation :L'original détaille les quatre tailles de Gemma 4, la licence Apache 2.0 et les performances comparées sur Arena, ce qui permet de juger de son intérêt pour le déploiement local et l'edge.
Google DeepMind publie sur Hugging Face la famille Gemma 4, des modèles multimodaux sous licence Apache 2.0 capables de traiter texte.
Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.
Le Falcon Vision Team du Technology Innovation Institute (TII) d'Abu Dhabi publie Falcon Perception.
Motif de la recommandation :Falcon Perception et Falcon OCR adoptent une architecture Transformer à fusion précoce unique, avec des benchmarks détaillés et un code open source pour comparer les compromis de conception.
IBM annonce Granite 4.0 3B Vision, un modèle vision-langage compact destiné à l'extraction d'informations dans les documents d'entreprise.
Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.
Google DeepMind décrit un pointeur de souris assisté par Gemini qui comprend non seulement ce qu'il pointe.
Motif de la recommandation :Google DeepMind expose quatre principes d'interaction et des démos d'un pointeur assisté par Gemini, avec un déploiement déjà amorcé dans Chrome.
Google DeepMind publie Gemini 3.1 Flash Live, présenté comme son modèle audio et vocal de plus haute qualité.
Motif de la recommandation :Le modèle de voix de Google DeepMind améliore la précision et réduit la latence, avec des scores sur ComplexFuncBench Audio et Audio MultiChallenge qui permettent de situer les capacités de dialogue en temps réel.
Google DeepMind présente Lyria 3 Pro, une version avancée de son modèle de génération musicale capable de créer des morceaux allant jusqu'à 3 minutes avec une meilleure compréhension de la composition, permettant de demander des intros, couplets, refrains et ponts. Le modèle arrive en aperçu public sur Vertex AI et rejoint Google AI Studio, l'API Gemini, Google Vids, l'application Gemini et ProducerAI, avec un déploiement auprès des clients Workspace et des abonnés payants. Toutes les sorties sont marquées par SynthID et le modèle ne reproduit pas les artistes nommés dans les prompts.
Motif de la recommandation :Lyria 3 Pro allonge la génération à 3 minutes avec une conscience structurelle, et son intégration à Vertex AI, AI Studio, Vids et Gemini éclaire les usages professionnels.
Mistral AI publie Voxtral TTS, son premier modèle de synthèse vocale, léger avec 4B de paramètres et disponible via API à 0.
Motif de la recommandation :Mistral publie son premier modèle TTS avec architecture, latence et tarification détaillées, utile pour évaluer les briques vocales d'un agent.
H Company publie Holotron-12B, un modèle multimodal computer-use post-entraîné à partir du modèle ouvert NVIDIA Nemotron-Nano-2 VL sur des données propriétaires.
Motif de la recommandation :L'article détaille l'architecture SSM hybride et les chiffres de débit, utiles pour évaluer le déploiement d'agents computer-use à grande échelle.
OpenAI lance GPT-5.4 mini et nano, deux versions plus petites et plus rapides de GPT-5.4.
Motif de la recommandation :L'original indique les scénarios ciblés par les deux petites versions de GPT-5.4, utile pour évaluer le choix de modèle pour les charges API à haut volume.
Mistral AI annonce Mistral Small 4, le premier modèle Mistral à unifier les capacités de Magistral (raisonnement).
Motif de la recommandation :Mistral Small 4 unifie les capacités de Magistral, Pixtral et Devstral dans un seul modèle open source, avec un paramètre reasoning_effort configurable et des gains de latence et de débit mesurés par rapport à Small 3.
ChatGPT introduit des explications visuelles interactives pour les mathématiques et les sciences, permettant aux élèves d'explorer en temps réel formules, variables et concepts.
Descript utilise les modèles de raisonnement d'OpenAI pour automatiser la localisation de vastes bibliothèques de contenus sans perdre le timing ni le sens. Cette approche permet le doublage vidéo multilingue à grande échelle.
Google DeepMind lance Gemini 3.1 Flash-Lite, présenté comme le modèle le plus rapide et le plus économique de la série Gemini 3.
Motif de la recommandation :Le tarif, la vitesse et les benchmarks du modèle sont fournis, ce qui permet de juger son intérêt pour les charges à haut volume.
Google DeepMind met en beta Lyria 3 dans l'application Gemini, un modèle de génération musicale qui produit des pistes de 30 secondes à partir d'un texte ou d'une photo.
Motif de la recommandation :Lyria 3 est déployé dans l'application Gemini en beta avec génération de pistes de 30 secondes à partir de texte ou d'images, ce qui permet de situer les capacités musicales grand public de Google.
Google Research présente MapTrace, une nouvelle tâche.
Motif de la recommandation :L'article détaille un pipeline de génération de données synthétiques pour l'apprentissage du tracé d'itinéraires sur cartes, avec des résultats chiffrés sur MapBench.
Google Research présente DialogLab, un framework open source de prototypage permettant de concevoir.
Google Research dévoile Natively Adaptive Interfaces (NAI).
Mistral AI publie Voxtral Transcribe 2, une famille de deux modèles de transcription vocale.
Motif de la recommandation :Deux modèles de transcription vocale sont publiés, dont un en open weights sous Apache 2.0, avec des chiffres de latence et de prix permettant de comparer les options existantes.
Google DeepMind ouvre l'accès à Project Genie, un prototype de recherche expérimental réservé aux abonnés Google AI Ultra aux États-Unis (18 ans et plus).
Motif de la recommandation :Le prototype détaille trois capacités concrètes et les limites connues du modèle Genie 3, utile pour situer l'état réel des world models.
Google Research montre qu'une approche décomposée — résumer chaque écran puis extraire l'intention de la séquence — permet à de petits MLLM d'égaler de grands modèles pour comprendre l'intention utilisateur sur mobile et web. Testée sur les modèles Gemini et Qwen2, elle surpasse le chain of thought prompting (CoT) et le fine-tuning end-to-end (E2E), et Gemini 1.5 Flash 8B atteint des résultats comparables à Gemini 1.5 Pro à une fraction du coût et de la latence. L'évaluation repose sur l'approche Bi-Fact et des « atomic facts » pour mesurer précision, rappel et F1, ouvrant la voie à une compréhension d'intention embarquée sur appareil.
Google DeepMind présente D4RT (Dynamic 4D Reconstruction and Tracking).
Motif de la recommandation :L'article présente l'architecture unifiée de D4RT et son efficacité jusqu'à 300 fois supérieure, utile pour évaluer les pistes de déploiement en robotique et en RA.
Google publie MedGemma 1.5 4B, une mise à jour de son modèle médical multimodal open source.
Motif de la recommandation :L'original détaille les nouvelles capacités d'imagerie médicale 3D et les benchmarks de MedGemma 1.5 4B, ainsi que le modèle vocal MedASR, ce qui permet de situer les progrès sur l'imagerie médicale de haute dimension.
NVIDIA a publié Cosmos Reason 2, un modèle de vision-langage de raisonnement ouvert destiné à l'IA physique.
Motif de la recommandation :NVIDIA publie Cosmos Reason 2, un VLM de raisonnement ouvert pour l'IA physique, avec des tailles 2B et 8B et un contexte de 256K.
TII annonce Falcon-H1-Arabic, une famille de modèles de langue arabe en versions 3B.
Motif de la recommandation :Présente l'architecture hybride Mamba-Transformer et les fenêtres de contexte de 128K à 256K, utile pour évaluer les compromis entre taille et déploiement.
NVIDIA publie un tutoriel pas à pas pour construire un assistant personnel de bureau combinant DGX Spark et Reachy Mini.
Motif de la recommandation :Un guide pas à pas pour assembler un assistant de bureau avec DGX Spark et Reachy Mini, utile à ceux qui veulent reproduire un agent multimodal local.
Google Research dresse le bilan de son année 2025, marquée par des avancées en efficacité.
Mistral AI lance Mistral OCR 3, un modèle d'extraction de texte et d'images intégrées dans les documents.
Motif de la recommandation :Mistral OCR 3 détaille ses performances sur formulaires, écriture manuscrite et tableaux complexes, avec un prix de 2 dollars pour 1 000 pages et une compatibilité descendante.
Google DeepMind publie Gemini 3 Flash, un modèle de la famille Gemini 3 conçu pour la vitesse et proposé à un coût réduit. Il atteint 90.
Motif de la recommandation :L'original expose les scores de Gemini 3 Flash sur GPQA Diamond, SWE-bench Verified et MMMU Pro ainsi que son prix, ce qui permet de situer le compromis vitesse-coût par rapport à Gemini 3 Pro.