Aller au contenu
31 marsmar.
  1. Google Research75

    Google Quantum AI publie un livre blanc sur la vulnérabilité quantique des cryptomonnaies

    Google Quantum AI a publié un livre blanc montrant que de futurs ordinateurs quantiques pourraient casser la cryptographie à courbes elliptiques protégeant les cryptomonnaies avec moins de qubits et de portes que estimé auparavant. Les circuits compilés pour l'algorithme de Shor sur ECDLP-256 utilisent moins de 1 200 qubits logiques et 90 millions de portes Toffoli, ou moins de 1 450 qubits logiques et 70 millions de portes Toffoli, exécutables en quelques minutes sur un CRQC supraconducteur de moins de 500 000 qubits physiques, soit une réduction d'environ 20 fois du nombre de qubits physiques nécessaires. Google recommande la transition des blockchains vers la cryptographie post-quantique (PQC) et a développé une preuve à divulgation nulle de connaissance pour permettre la vérification des vulnérabilités sans fournir de feuille de route aux acteurs malveillants, en collaboration avec le gouvernement américain et selon une échéance 2029.

    Motif de la recommandation :Google Quantum AI détaille les ressources quantiques nécessaires pour casser ECDLP-256 et propose une divulgation par preuve à divulgation nulle de connaissance.

29 marsdim.
26 marsjeu.
  1. Google DeepMind80

    Google DeepMind publie Gemini 3.1 Flash Live, son modèle vocal le plus abouti

    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.

  2. Google DeepMind62

    Google DeepMind publie une étude sur la manipulation nuisible par l'IA et un outil de mesure validé

    Google DeepMind publie de nouveaux résultats sur le risque que l'IA soit détournée à des fins de manipulation nuisible.

    Motif de la recommandation :L'étude fournit un outil de mesure validé empiriquement et ouvre ses supports, ce qui permet de reproduire et d'étendre l'évaluation de la manipulation nuisible.

  3. Google DeepMind73

    Google DeepMind lance Lyria 3 Pro, génération musicale jusqu'à 3 minutes

    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.

25 marsmer.
  1. Google Research62

    Google lance Vibe Coding XR avec XR Blocks et Gemini

    Google annonce Vibe Coding XR, un flux de travail qui associe Gemini au framework web XR Blocks pour transformer des descriptions en langage naturel en applications Android XR fonctionnelles et sensibles à la physique en moins de 60 secondes. Le système s'appuie sur des prompts système spécialisés et des modèles de code pour gérer la logique spatiale, avec des exemples allant d'un tuteur de mathématiques à une expérience de chimie immersive. Une évaluation préliminaire sur le jeu de données VCXR60, issu de quatre ateliers internes et comptant 60 prompts fournis par 20 participants, indique un taux de réussite d'environ 70 % lors des premières itérations, avant 11 versions majeures et la publication de XR Blocks Gem v0.11.0 comme référence de base. Le framework open source est accessible sur Android XR et une démonstration est prévue au stand Google à ACM CHI 2026.

    Motif de la recommandation :Google détaille un flux de prototypage XR piloté par Gemini, avec des exemples concrets et une évaluation préliminaire sur 60 prompts.

  2. Google Research34

    Google Research présente S2Vec, un cadre auto-supervisé pour cartographier le cadre bâti urbain

    Google Research a introduit S2Vec, un cadre auto-supervisé qui apprend des embeddings généralistes du cadre bâti en rasterisant les données géospatiales via la bibliothèque S2 Geometry et un auto-encodage masqué (MAE). Lors des évaluations, S2Vec a montré des performances compétitives face aux approches basées sur l'image pour les tâches de prédiction socioéconomique, notamment en adaptation géographique (extrapolation), tout en révélant un besoin d'amélioration sur les tâches environnementales comme la couverture arborée et l'élévation. La fusion multimodale de S2Vec avec des embeddings d'images surpasse généralement l'usage d'une seule modalité.

18 marsmer.
17 marsmar.
12 marsjeu.
  1. Google Research76

    Google Research présente Groundsource, qui transforme les articles de presse en données avec Gemini

    Google Research présente Groundsource, une méthodologie qui utilise Gemini pour transformer des articles de presse non structurés en données historiques exploitables. Le premier jeu de données open access porte sur les crues soudaines urbaines et contient 2,6 millions d'événements couvrant plus de 150 pays depuis 2000. Lors de vérifications manuelles, 60 % des événements extraits étaient exacts en lieu et date, et 82 % suffisamment précis pour une analyse pratique. Groundsource a capturé entre 85 % et 100 % des événements de crue sévère enregistrés par GDACS entre 2020 et 2026. Ces données permettent des prévisions de crues soudaines urbaines jusqu'à 24 heures à l'avance, désormais déployées dans Google Flood Hub.

    Motif de la recommandation :L'article détaille une méthode d'extraction de données historiques à partir d'articles de presse avec Gemini et fournit des chiffres de validation concrets.

  2. Google Research78

    Google Research publie une étude clinique sur l'IA de diagnostic conversationnel AMIE

    Google Research publie les résultats d'une étude de faisabilité prospective menée avec le Beth Israel Deaconess Medical Center.

    Motif de la recommandation :L'étude détaille le déploiement réel d'AMIE en soins primaires, avec des chiffres de sécurité et de précision diagnostique qui éclairent les limites d'un agent conversationnel médical.

9 marslun.
7 marssam.
  1. Google Research62

    Google Research publie WAXAL, un corpus vocal ouvert pour 27 langues africaines

    Google Research présente WAXAL, un corpus vocal ouvert couvrant 27 langues d'Afrique subsaharienne parlées par plus de 100 millions de locuteurs dans plus de 26 pays. La publication inclut environ 1 846 heures d'audio transcrit pour la reconnaissance automatique de la parole (ASR) et plus de 565 heures d'enregistrements haute fidélité pour la synthèse vocale (TTS), sous licence CC-BY-4.0. Le projet, mené depuis 2021 avec des universités et organisations communautaires africaines, vise à soutenir la recherche et le développement de technologies vocales inclusives.

    Motif de la recommandation :L'article détaille la composition et les licences d'un corpus vocal multilingue, utile pour évaluer la couverture des langues à faibles ressources.

5 marsjeu.
4 marsmer.
  1. Google DeepMind72

    Google DeepMind lance Gemini 3.1 Flash-Lite

    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.

20 févrierven.
  1. Google DeepMind85

    Google DeepMind publie Gemini 3.1 Pro en preview

    Google DeepMind publie Gemini 3.1 Pro, présenté comme une mise à niveau du raisonnement central de la série Gemini 3.

    Motif de la recommandation :Le score vérifié sur ARC-AGI-2 et la liste des produits où 3.1 Pro est déployé permettent de situer le gain de raisonnement par rapport à 3 Pro.

19 févrierjeu.
  1. Google DeepMind75

    Google déploie Lyria 3 dans l'application Gemini pour générer de la musique à partir de texte ou d'images

    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.

18 févriermer.
17 févriermar.
13 févrierven.
11 févriermer.
10 févriermar.
  1. Google DeepMind78

    Google DeepMind : Gemini Deep Think accélère la découverte mathématique et scientifique

    Google DeepMind publie deux articles détaillant l'utilisation du mode Gemini Deep Think pour résoudre des problèmes de recherche professionnels en mathématiques.

    Motif de la recommandation :L'article détaille l'agent de recherche mathématique Aletheia et les recettes de collaboration humain-IA, avec des cas concrets en mathématiques, physique et informatique.

5 févrierjeu.
4 févriermer.
  1. Google Research22

    Sequential Attention : rendre les modèles d'IA plus légers et plus rapides sans sacrifier la précision

    Google Research présente Sequential Attention, une méthode de sélection de sous-ensembles qui intègre un mécanisme de sélection gloutonne directement dans l'entraînement du modèle pour choisir séquentiellement les composants les plus informatifs. Appliquée à la sélection de features, elle remplace la sélection gloutonne classique par les poids d'attention internes du modèle, atteignant des résultats SOTA sur plusieurs benchmarks de réseaux de neurones tout en permettant une implémentation en un seul passage. La méthode revendique une meilleure efficacité, une scalabilité sur de grands modèles et une interprétabilité accrue via les scores d'attention.

  2. Google Research62

    Google Research et Included Health lancent une étude randomisée nationale sur l'IA en soins virtuels

    Google Research annonce, en partenariat avec Included Health, le lancement d'une étude randomisée nationale prospective avec consentement.

    Motif de la recommandation :L'original expose le passage de la simulation à un essai randomisé national en soins virtuels réels, avec les étapes de recherche qui le précèdent.

30 janvierven.
  1. Google DeepMind78

    Google DeepMind déploie Project Genie, prototype de création de mondes interactifs

    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.

28 janviermer.
24 janviersam.
23 janvierven.
  1. Google Research22

    Gemini 1.5 Flash 8B : l'extraction d'intention par décomposition égale Gemini 1.5 Pro

    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.

16 janvierven.
  1. Google Research36

    Google Research : estimer les métriques de marche avancées avec les smartwatches

    Google Research a développé un modèle deep learning multi-têtes basé sur une architecture TCN qui estime directement l'ensemble des métriques spatio-temporelles de marche à partir d'une Pixel Watch portée au poignet, avec une fréquence d'échantillonnage de 50 Hz. Validé sur 246 participants et environ 70 000 segments de marche, le modèle atteint une validité élevée (Pearson r > 0,80) et une excellente fiabilité (ICC > 0,80) pour la vitesse de marche, la longueur de pas, le temps de balancement et le temps d'appui, avec des performances comparables aux estimations par smartphone.

14 janviermer.
  1. Google DeepMind75

    Google DeepMind met à jour Veo 3.1 Ingredients to Video avec la cohérence et le format vertical

    Google DeepMind améliore Veo 3.1 Ingredients to Video, sa capacité de génération vidéo à partir d'images de référence.

    Motif de la recommandation :L'original détaille les améliorations de cohérence des personnages et des arrière-plans ainsi que les sorties verticales natives, ce qui permet de juger de l'impact sur les flux de création vidéo mobile.