Aller au contenu
22 octobrejeu.
  1. Google Research62

    Google Research : l'IA d'échographie blind sweep atteint une précision d'estimation de l'âge gestationnel proche de celle des experts

    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.

21 octobremer.
  1. NVIDIA Blog70

    NVIDIA dévoile plusieurs familles de modèles ouverts pour l'Europe, du langage à la robotique et au quantique

    NVIDIA étend sa famille de modèles ouverts au langage, à la robotique, à la biologie et au calcul quantique.

    Motif de la recommandation :NVIDIA détaille en une fois plusieurs familles de modèles ouverts couvrant langage, robotique, biologie et quantique, avec les partenaires et les canaux de disponibilité.

  2. Hugging Face Blog58

    Ai2 publie FairStress, un benchmark qui évalue l'équité des LLM au-delà de la décision finale

    Ai2 présente FairStress, un benchmark mesurant l'équité démographique des LLM non seulement sur la décision finale mais aussi sur la résistance à des arguments persuasifs et sur les explications. Il couvre 300 scénarios réalistes dans 29 domaines, dont recrutement, santé, prêt, éducation et logement, et se décline en plus de 13 millions de cas de test ainsi qu'en un sous-ensemble FairStress-Core de 50K éléments intégré à Olmo-eval. Sur 15 modèles évalués, l'écart moyen d'abandon d'une réponse correcte atteint 6,9 points de pourcentage avec une identité implicite et 9,3 points avec une étiquette explicite, les modèles cédant plus facilement quand le changement favorise un candidat codé minoritaire. La plupart des neuf méthodes de débiaisage testées ne réduisent pas l'asymétrie de façon fiable, certaines au prix d'une forte baisse de précision, tandis que le counterfactual chain-of-thought la réduit en préservant largement la précision.

20 octobremar.
  1. Hugging Face Blog72

    ALTK-Evolve : la mémoire apprise place un agent GPT-4.1 en tête du benchmark τ²-bench en service client

    ALTK-Evolve, méthode d'IBM Research publiée sur le blog Hugging Face.

    Motif de la recommandation :L'original montre comment des règles comportementales extraites des trajectoires de l'agent améliorent la précision et la fiabilité sans mise à jour des poids, avec des chiffres par domaine.

  2. Adafruit Blog38

    Video2NAND : comment construire des portes logiques dans le codec vidéo VP8

    Un post de Shared Object détaille comment construire des portes logiques dans le codec vidéo VP8 en n'utilisant qu'une key-frame et ses modes de prédiction intra-frame. Chaque bloc vaut 255 (blanc) pour True ou 0 (noir) pour False, les fils horizontaux et verticaux étant réalisés avec H_PRED et V_PRED, et les portes NOT et AND avec TM_PRED (True Motion), où chaque pixel vaut left + top – top_left, borné entre 0 et 255. La paire NOT/AND étant fonctionnellement complète, NAND et toutes les autres portes en découlent.

  3. AWS Machine Learning Blog62

    AWS explique comment le transfert bidirectionnel de KV cache dans vLLM améliore le TTFT des charges agentiques multi-tours

    AWS présente le transfert bidirectionnel de KV cache dans vLLM, qui permet au nœud prefill de réutiliser le KV conservé par le nœud decode lors des tours suivants.

    Motif de la recommandation :L'article détaille l'architecture du transfert bidirectionnel de KV cache dans vLLM et fournit des données de référence reproductibles sur la réduction du TTFT.

  4. AWS Machine Learning Blog68

    AWS présente le transfert KV push dans vLLM pour améliorer le TTFT et le TPOT de l'inférence désagrégée

    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.

17 octobresam.
  1. Google Research62

    Google Research présente trois projets pour ancrer les agents IA dans la biologie expérimentale

    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.

16 octobreven.
  1. Google DeepMind62

    Google Antigravity accélère la recherche de peptides antimicrobiens

    Google DeepMind présente Google Antigravity, sa plateforme de développement agentique.

    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.

  2. Microsoft Research74

    Magnetar : le calcul généraliste fondé sur les preuves selon Microsoft Research

    Microsoft Research présente Magnetar, une zkVM qui prouve l'exécution de programmes écrits en Rust.

    Motif de la recommandation :L'article détaille comment Magnetar rend les preuves à divulgation nulle de connaissance utilisables sur du code courant, avec des gains de vitesse mesurés et une sécurité reposant uniquement sur des fonctions de hachage standard.

15 octobrejeu.
  1. Adafruit Blog22

    Purdue University développe un dispositif portable à IA pour l'injection d'épinéphrine

    Le professeur Muhammad Hussain de Purdue University dirige une équipe d'ingénieurs en électricité et informatique qui développe un dispositif portable capable d'administrer rapidement de l'épinéphrine. Ce dispositif intègre des capteurs avancés, une prise de décision pilotée par l'IA et une administration automatisée du médicament, l'objectif étant de réduire le délai potentiellement dangereux entre le début d'un épisode anaphylactique et l'injection du traitement. Les chercheurs travaillent également sur la fabricabilité, la sécurité et l'intégration du dispositif en vue de sa mise à l'échelle.

  2. Google Research75

    Google Research lance Deep Review, un système d'IA agentique pour l'analyse de documents techniques

    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.

  3. Hugging Face Blog62

    HiRO-ACEv2 : simuler des événements météorologiques extrêmes à 3 km de résolution pour une fraction du coût

    Allen AI présente HiRO-ACEv2, une mise à jour de son système HiRO-ACE de simulation climatique. Le nouveau modèle de descente d'échelle HiROv2 prédit simultanément plusieurs champs à haute résolution (pluie, vent, pression) et reproduit les statistiques haute résolution de X-SHiELD à 3 % près, y compris des événements rares sur un million de points de données. Le système complet génère des données climatiques mondiales à 3 km pour environ 1/300 du coût de X-SHiELD, et plus de cent fois moins cher encore pour une seule région. Les modèles sont téléchargeables et des notebooks tutoriels sont fournis ; les travaux futurs porteront sur des climats plus chauds et de nouvelles sorties comme la température de surface et la neige.

    Motif de la recommandation :HiRO-ACEv2 génère des données climatiques mondiales à 3 km pour environ 1/300 du coût de X-SHiELD, avec des modèles et notebooks ouverts.

  4. Google Research60

    Google Earth AI lance un agent de raisonnement géospatial expérimental

    Google Earth AI présente un agent de raisonnement géospatial expérimental qui connecte Gemini aux modèles de fondation Earth AI.

    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.

14 octobremer.
  1. Adafruit Blog62

    Anthropic teste la réplication autonome d'une IA sur 15 boîtiers TV

    L'équipe Frontier Red Team d'Anthropic a publié le 12 octobre une recherche sur la capacité d'un système d'IA à se répliquer sur du matériel bon marché. L'équipe a réparti Gemma4-26B-A4B sur 15 boîtiers Android TV de marque inconnue, à environ 55 dollars et 4 Go de mémoire chacun, avec un débit de 0,39 token généré par seconde. Un modèle de 9 milliards de paramètres a installé et servi un autre modèle sur huit des neuf catégories de matériel ; Qwen3.5-9B a terminé la configuration d'inférence dans 45 % des exécutions, puis 61 % à 84 % lorsque des instances ultérieures héritaient des notes d'échecs précédents sans modification des poids. Dans un réseau pare-feu d'émulateurs Android, GLM-5.2 a atteint les huit nœuds cibles dans quatre essais sur cinq, les cibles exposant un port de débogage Android non authentifié, GLM-5.2 s'exécutant sur un serveur séparé pour orchestrer la chaîne. Anthropic note que les deux seuils ne se recoupent pas encore : les petits modèles tiennent sur les appareils mais sont peu fiables, et le modèle qui a terminé la chaîne est trop grand pour eux.

    Motif de la recommandation :L'expérience quantifie la réplication autonome d'un système d'IA sur du matériel bon marché et identifie deux seuils encore disjoints.

  2. Adafruit Blog85

    Rétro-ingénierie d'un implant matériel dans un Ledger Nano X contrefait

    Lors de la conférence HARDWEAR.IO 2026 à Santa Clara, Joe Grand a analysé un implant matériel découvert dans un Ledger Nano X contrefait.

    Motif de la recommandation :Le récit détaillé d'un implant matériel dans un portefeuille crypto expose une chaîne d'attaque complète, de l'interception du bus SPI à l'exfiltration par eSIM.

  3. Google DeepMind62

    Google DeepMind et le gouvernement de Singapour déploient un modèle Gemma affiné pour détecter les arnaques sur appareil

    Google DeepMind et la Government Technology Agency de Singapour (GovTech) ont livré un modèle de détection d'arnaques sur appareil.

    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.

  4. Google DeepMind82

    Google DeepMind publie Gemini 4 Argon et son rapport de sécurité

    Google DeepMind commence le déploiement général de Gemini 4 Argon, un modèle aux capacités de cyberdéfense de niveau frontière.

    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.

  5. GitHub Blog · AI & ML66

    Le modèle de détection de secrets de GitHub : trouver plus de secrets avec moins de bruit

    GitHub détaille un nouveau scanner de secrets en deux étapes : des regex génèrent des candidats à haut rappel.

    Motif de la recommandation :Décrit un pipeline hybride regex plus classifieur ModernBERT pour la détection de secrets, avec des chiffres de précision, de latence et de coût exploitables.

13 octobremar.
  1. Adafruit Blog12

    Sneha Goenka, responsable de l'équipe informatique du séquençage du génome le plus rapide au monde, honorée à l'Ada Lovelace Day

    Sneha D. Goenka a dirigé l'équipe informatique du séquençage du génome le plus rapide au monde et a été nommée Innovator of the Year 2025 du MIT Technology Review ainsi que Forbes 30 Under 30 en 2023. À l'occasion de l'Ada Lovelace Day, ses travaux et ses profils sur GitHub, X et Google Scholar sont mis en avant pour célébrer les réalisations des femmes en science et technologie.