Google DeepMind lance un accélérateur robotique pour 15 startups européennes
Google DeepMind a sélectionné 15 startups européennes de robotique pour son programme Accelerator.
Google DeepMind a sélectionné 15 startups européennes de robotique pour son programme Accelerator.
Google DeepMind publie les résultats d'un essai contrôlé randomisé pré-enregistré mené en Sierra Leone sur Guided Learning.
Motif de la recommandation :L'essai contrôlé randomisé pré-enregistré en Sierra Leone fournit des chiffres d'effet et des données d'interaction, utiles pour évaluer l'usage pédagogique de l'IA.
Google présente une version hébergée de Cross-Corpus Retrieval propulsée par Agentic RAG dans Gemini Enterprise Agent Platform.
Motif de la recommandation :L'article détaille l'architecture multi-agents et le mécanisme de contexte suffisant, avec des gains de précision mesurés sur FramesQA.
Google Research présente PHRM, un système de recherche qui utilise la caméra frontale du smartphone pour capturer des vidéos du visage après le déverrouillage et estime la fréquence cardiaque par photopléthysmographie à distance et apprentissage profond, avec une MAPE inférieure à 10 % par rapport à l'électrocardiogramme. Le système agrège les mesures de la journée pour estimer la fréquence cardiaque au repos quotidienne, avec une MAE inférieure à 5 bpm par rapport aux objets portables. L'étude s'appuie sur plus de 350 000 clips vidéo de près de 700 participants, en veillant à la représentation des différents tons de peau, et publie le plus grand ensemble de données vidéo de smartphone disponible pour la recherche ainsi qu'un modèle pré-entraîné PHRM-mini.
Motif de la recommandation :Le système PHRM utilise la caméra frontale du téléphone pour surveiller en arrière-plan la fréquence cardiaque et la fréquence cardiaque au repos, avec une précision proche de celle des objets portables, et publie le plus grand ensemble de données diversifié à ce jour.
Google Research a mis en open source sur GitHub, sous licence Apache 2.0, son framework de modélisation hydrologique.
Motif de la recommandation :Le cadre d'hydrologie open source et le pipeline d'entraînement permettent aux agences météorologiques de reprendre le modèle Flood Hub et d'y intégrer leurs données locales.
Google Research a présenté à l'I/O 2026 ses avancées autour de l'ère agentique, dont Gemini for Science.
Motif de la recommandation :Récapitulatif des annonces de Google Research à I/O 2026, utile pour situer les axes de recherche et les outils présentés.
Google Research présente une nouvelle méthode d'agrégation cryptographique pour l'analyse privée.
Google DeepMind lance un programme Accelerator inaugural en Asie-Pacifique axé sur l'« IA pour la planète ».
Google Research présente Empirical Research Assistance (ERA), un outil de recherche basé sur Gemini qui écrit et optimise du code scientifique.
Motif de la recommandation :L'article détaille les performances d'ERA sur plusieurs benchmarks et huit cas d'application scientifique, permettant de juger de l'apport de l'outil à la recherche computationnelle.
Google DeepMind présente l'utilisation de Co-Scientist par les biologistes Omar Abudayyeh et Jonathan Gootenberg pour accélérer la recherche sur le vieillissement cellulaire. L'outil a analysé des dizaines de milliers d'articles et proposé plus de 20 facteurs génétiques nouveaux et plausibles à tester ; des tests en laboratoire ont validé quelques hypothèses, les facteurs recommandés ayant conduit les cellules vers un état plus jeune avec une fonction globale améliorée. Co-Scientist réduit aussi le temps d'analyse des données de criblage, qui pouvait prendre jusqu'à six mois, à quelques jours seulement.
Motif de la recommandation :L'original montre comment Co-Scientist propose des cibles génétiques et réduit de six mois à quelques jours l'analyse de criblage, une méthode transférable à d'autres équipes.
Google DeepMind ajoute à Project Genie une capacité d'ancrage sur les images réelles de Google Street View.
Motif de la recommandation :L'original expose une nouvelle capacité de génération de mondes ancrée dans Street View et son ouverture aux abonnés Google AI Ultra, ce qui permet de juger de son usage pour les agents et la simulation.
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 DeepMind annonce Gemini for Science, un ensemble d'outils et d'expériences scientifiques comprenant trois prototypes sur Google Labs.
Motif de la recommandation :Présentation des outils expérimentaux et des compétences scientifiques de Gemini, avec les partenaires et les cas d'usage déjà en test, ce qui permet de situer les capacités agentiques appliquées à la recherche.
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 lance de nouveaux programmes à Singapour dans le cadre de son initiative National Partnerships for AI et du partenariat national de Google avec le gouvernement singapourien. Le partenariat couvre la santé et les sciences de la vie (AI co-clinician, AlphaFold, Google Earth, un assistant de course basé sur Gemma pour les athlètes aveugles ou malvoyants), la formation de chercheurs aux outils agentiques comme Hypothesis Generation construit avec Co-Scientist, et la fourniture de Gemini for Education à tous les enseignants, du primaire au lycée. Google DeepMind lance également en Asie-Pacifique l'accélérateur « AI for the Planet » et collabore avec l'IMDA et MLCommons sur des benchmarks de sécurité multimodaux et multilingues.
Google DeepMind indique que Calico Life Sciences utilise Co-Scientist pour formuler des hypothèses sur la biologie du vieillissement. Sur la réponse intégrée au stress (ISR).
Google DeepMind Co-Scientist a permis à l'équipe de Filippo Menolascina, bioingénieur à l'Université d'Edimbourg.
Google DeepMind présente une étude publiée dans Advanced Science où Co-Scientist a proposé trois médicaments candidats contre la fibrose hépatique.
Motif de la recommandation :Un cas concret montre comment un système d'IA propose des médicaments candidats et comment deux d'entre eux bloquent la fibrose sur cellules hépatiques humaines.
Le modèle météo IA WeatherNext de Google DeepMind et Google Research a aidé le National Hurricane Center à prévoir cinq jours à l'avance l'intensification rapide et l'atterrissage en Jamaïque de l'ouragan Melissa en catégorie 5, avec une confiance de 80 % portée à près de 100 % trois jours avant, une première pour un système partant d'une vitesse de vent de catégorie 1. Selon le rapport annuel de vérification du NHC, WeatherNext a été le meilleur modèle individuel de la saison 2025 pour la trajectoire et l'intensité. La collaboration se poursuit et les capacités de recherche sont étendues aux Philippines (PAGASA), Taïwan (CWA), l'Indonésie (BMKG) et le Vietnam (VNMHA), avec des projets au Japon, en Australie et en Inde.
Motif de la recommandation :Le récit détaillé d'un cas réel montre comment un modèle météo IA a devancé les modèles traditionnels sur la trajectoire et l'intensité, avec des chiffres de confiance exploitables.
Google DeepMind publie un bilan d'un an d'AlphaEvolve, son agent de codage propulsé par Gemini.
Motif de la recommandation :L'article détaille les applications concrètes d'AlphaEvolve dans la génomique, les réseaux électriques, les TPU et la logistique, avec des chiffres vérifiables.
Google Research met en avant ses technologies open source et jeux de données ouverts.
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.
Google Research détaille quatre applications de son système Empirical Research Assistance (ERA) à la recherche scientifique. En santé publique.
Motif de la recommandation :Quatre cas scientifiques concrets montrent comment ERA s'articule avec Gemini Deep Think et les données d'observation existantes, offrant un aperçu des modes de collaboration entre LLM et recherche.
Google DeepMind annonce un partenariat avec le ministère coréen des Sciences et des TIC (MSIT).
Le guide explique comment faire tourner une IA locale dans une extension Chrome sous Manifest V3 avec Transformers.js.
Google Photos intègre Auto frame, une fonctionnalité qui recompose une photo après la prise de vue en modifiant la position et l'orientation de la caméra virtuelle. La méthode combine estimation 3D de la scène et du point map, rendu classique, puis inpainting par un modèle de diffusion latent entraîné sur des paires d'images à paramètres de caméra connus. Elle détecte aussi la position et l'orientation 3D des visages pour choisir le cadrage idéal et corriger la distorsion des selfies grand-angle, la version recomposée apparaissant comme deuxième option dans les candidats Auto frame.
Motif de la recommandation :L'article détaille une méthode en deux étapes qui reconstruit la scène en 3D puis génère les zones manquantes, utile pour comprendre comment l'édition d'image assistée par IA dépasse le simple recadrage.
Google DeepMind publie un article sur Decoupled DiLoCo, une architecture distribuée qui divise les entraînements LLM en îlots de calcul découplés avec flux de données asynchrone.
Motif de la recommandation :L'article détaille l'architecture Decoupled DiLoCo et ses résultats sur Gemma 4, permettant de comprendre comment l'entraînement distribué gagne en résilience et en efficacité.
Google Research présente ReasoningBank, un cadre de mémoire d'agent publié à l'ICLR qui distille des schémas de raisonnement de haut niveau à partir d'expériences réussies et échouées pour l'auto-évolution au moment du test. Chaque mémoire structurée contient un titre, une description et un contenu de raisonnement distillé, et le flux fonctionne en boucle fermée de récupération, extraction et consolidation. Sur WebArena et SWE-Bench-Verified avec Gemini-2.5-Flash, ReasoningBank dépasse les agents sans mémoire de 8,3 % et 4,6 % de taux de réussite, et le couplage avec le memory-aware test-time scaling (MaTTS) apporte 3 % de réussite supplémentaire et 0,4 étape en moins sur WebArena.
Motif de la recommandation :L'article détaille le mécanisme de mémoire ReasoningBank et les gains mesurés sur WebArena et SWE-Bench-Verified, utile pour comprendre l'auto-évolution des agents.
Google DeepMind s'associe à Accenture, Bain & Company, BCG.
Google Research présente Simula, un cadre de génération de données synthétiques sans seed qui construit des jeux de données à partir de principes premiers via la conception de mécanismes. Le système décompose la génération en quatre axes contrôlables : diversification globale par taxonomies hiérarchiques, diversification locale par méta-prompts, complexification configurable et contrôle qualité par boucle à double critique. Évalué avec Gemini 2.5 Flash comme modèle enseignant et Gemma-3 4B comme élève sur cinq domaines (cybersécurité, raisonnement juridique, GSM8k, Global MMLU), il génère jusqu'à 512K points par domaine ; une complexité élevée apporte un gain de 10 % en mathématiques mais nuit au raisonnement juridique. Simula alimente l'écosystème Gemma (ShieldGemma, FunctionGemma, MedGemma) et des fonctions de protection des utilisateurs comme la détection d'arnaques sur Android et le filtrage de spam dans Google Messages.
Motif de la recommandation :L'article expose une méthode de génération de données synthétiques pilotée par le raisonnement et ses résultats sur cinq domaines, utile pour comprendre comment couvrir des cas rares sans données réelles.
Google Research présente MoGen, un modèle de génération de morphologies neuronales par point cloud flow matching.
Motif de la recommandation :L'article détaille comment des neurones synthétiques générés par IA réduisent les erreurs de reconstruction et le temps de relecture manuelle, avec des chiffres concrets.
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.
Google Research présente Vantage, une expérience de recherche qui évalue les compétences durables des élèves en les plaçant dans des conversations simulées avec des avatars IA. Un Executive LLM pilote le dialogue pour susciter des occasions de démontrer des compétences comme la résolution de conflits ou la gestion de projet, puis un AI Evaluator note la conversation selon une grille d'évaluation. Une étude conjointe avec la New York University menée auprès de 188 testeurs de 18 à 25 ans indique que l'accord entre l'AI Evaluator et les experts humains est comparable à celui entre deux évaluateurs experts. Vantage est disponible en anglais sur Google Labs.
Motif de la recommandation :L'article détaille un dispositif d'évaluation des compétences durables par des avatars IA pilotés par un Executive LLM, avec validation par des experts humains.
Google DeepMind lance Gemini Robotics-ER 1.6, une mise à niveau de son modèle de raisonnement pour la robotique qui renforce le raisonnement spatial et la compréhension multi-vues. Le modèle progresse sur le pointage, le comptage et la détection de succès par rapport à Gemini Robotics-ER 1.5 et Gemini 3.0 Flash, et ajoute la lecture d'instruments comme les manomètres et voyants de niveau, développée avec Boston Dynamics. Il est disponible dès aujourd'hui via la Gemini API et Google AI Studio, avec un Colab de démonstration.
Motif de la recommandation :Présentation des capacités de raisonnement incarné et de la lecture d'instruments, avec comparaison des performances et accès développeur via API.
Google Research présente ConvApparel, un jeu de données de plus de 4 000 conversations humain-IA multi-tours (près de 15 000 tours) dans le domaine de l'habillement.
Google Research dévoile PaperVizAgent, un agent de visualisation qui génère des figures académiques prêtes à publier.
Google Research propose un cadre d'évaluation des dispositions comportementales des LLM.
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.
Google Research montre, via un simulateur open source testé sur des jeux de données subjectifs (Toxicity.