Hugging Face publie @huggingface/kernels, une bibliothèque JavaScript minimale permettant de charger et exécuter des kernels WebGPU optimisés depuis le Hub.
Motif de la recommandation :Présente la bibliothèque de chargement, la structure des dépôts de kernels et les données comparatives face à ORT WebGPU, utile pour évaluer l'inférence locale dans le navigateur.
Motif de la recommandation :Liquid AI publie les points de contrôle DSpark pour trois modèles LFM2.5, avec des chiffres de gain de débit sur H100 et MacBook et un support llama.cpp et SGLang dès le premier jour.
Motif de la recommandation :Le modèle SL2T de Google DeepMind est déployé dans Gboard et Live Transcribe sur Pixel 11, avec des détails sur l'entraînement et la protection de la vie privée.
Health in ChatGPT permet désormais aux utilisateurs éligibles aux États-Unis de connecter en toute sécurité leurs dossiers médicaux et Apple Health afin d'obtenir des informations plus personnalisées et de mieux comprendre leur santé.
Motif de la recommandation :L'original expose l'ouverture de Health in ChatGPT à la connexion des dossiers médicaux et d'Apple Health, ce qui permet de juger de l'évolution des usages santé.
Motif de la recommandation :L'article détaille comment greffer la prédiction multi-token sur un Gemini Nano v3 gelé, avec une architecture zéro copie et des gains mesurés sur Pixel.
Google DeepMind publie DiffusionGemma, un modèle expérimental open source sous licence Apache 2.0 qui génère le texte par diffusion plutôt que token par token.
Motif de la recommandation :Un modèle expérimental open source qui échange la qualité contre la vitesse d'inférence locale, avec des compromis clairement exposés.
Motif de la recommandation :L'architecture sans encodeur et l'exécution locale sur 16 Go de VRAM permettent de juger de l'impact sur les déploiements embarqués.
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.
OpenAI présente Dreaming, un nouveau système de mémoire destiné à ChatGPT pour mieux retenir les préférences et maintenir un contexte frais et pertinent d'une conversation à l'autre.
Motif de la recommandation :L'original expose le nouveau système de mémoire de ChatGPT et son objectif de maintenir le contexte entre les conversations.
Motif de la recommandation :La famille Holo3.1 expose les gains sur AndroidWorld et les checkpoints quantifiés pour l'inférence locale, ce qui aide à évaluer le déploiement d'agents computer-use.
Motif de la recommandation :Guide pas à pas pour exécuter localement toute la chaîne vocale de Reachy Mini, avec composants recommandés et options de déploiement interchangeables.
Motif de la recommandation :L'original expose les paliers de résolution, la plage matérielle et les modes d'exécution locale, ce qui permet de juger de l'accessibilité réelle du modèle.
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.
Motif de la recommandation :L'annonce précise le maintien de l'autonomie de llama.cpp et les axes d'intégration avec transformers, utile pour suivre l'évolution de l'inférence locale.
Transformers.js v4 est disponible sur NPM après un an de développement. La version adopte un nouveau runtime WebGPU réécrit en C++ avec l'équipe ONNX Runtime.
Motif de la recommandation :Transformers.js v4 détaille le nouveau runtime WebGPU en C++, les gains de performance et la restructuration du dépôt, utile pour évaluer le déploiement d'inférence dans le navigateur.
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 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.
Motif de la recommandation :Présente un système combinant LLM, confidentialité différentielle et TEE pour analyser l'usage des outils GenAI sans exposer les données individuelles, avec code open source.
Motif de la recommandation :Un modèle de raisonnement à poids ouverts dédié à la classification de sécurité, qui permet aux développeurs d'appliquer et d'itérer leurs propres politiques.
Google Research annonce le déploiement d'un aperçu public optionnel du coach santé personnel pour les utilisateurs Fitbit Premium Android aux États-Unis.
Motif de la recommandation :L'article détaille l'architecture multi-agents et le cadre d'évaluation SHARP derrière le coach santé Gemini, utile pour comprendre comment un assistant grand public est construit et validé.
OpenAI publie un aperçu de ChatGPT Pulse destiné aux utilisateurs Pro sur mobile. Pulse est une nouvelle expérience dans laquelle ChatGPT mène des recherches de manière proactive pour fournir des mises à jour personnalisées à partir des conversations, des retours et des applications connectées comme le calendrier.
Motif de la recommandation :OpenAI expose une nouvelle expérience où ChatGPT effectue des recherches proactives et livre des mises à jour personnalisées, ce qui éclaire l'évolution des usages mobiles.
Motif de la recommandation :Mistral détaille l'annuaire de connecteurs MCP et la gestion des souvenirs dans Le Chat, deux briques qui conditionnent l'usage en entreprise.
Motif de la recommandation :Deux modèles ouverts de tailles 120b et 20b sont publiés sous licence Apache 2.0, avec des performances annoncées sur le raisonnement et l'usage d'outils.
Motif de la recommandation :Mistral Small 3.1 précise les performances, la fenêtre de contexte et les points de disponibilité, ce qui permet de juger de son intérêt pour des déploiements légers.
Motif de la recommandation :Un modèle 24B sous Apache 2.0 qui rivalise avec des modèles trois fois plus grands et se déploie sur un seul GPU, avec les cas d'usage ciblés.
Motif de la recommandation :L'annonce détaille le support WebGPU, les nouveaux formats de quantification et la compatibilité multi-runtimes, ce qui aide à évaluer l'exécution de modèles dans le navigateur.
Motif de la recommandation :Mistral publie deux modèles edge sub-10B avec contexte 128k et tarifs API, ce qui éclaire les choix pour l'inférence locale et les workflows agentiques.
Google élargit la famille Gemma avec trois ajouts : Gemma 2 2B, la version 2,6 milliards de paramètres de Gemma 2 adaptée à une exécution sur appareil.
Motif de la recommandation :L'article détaille les trois ajouts de Google à la famille Gemma et fournit des exemples de code pour l'inférence locale et la génération assistée.
Le blog Hugging Face détaille comment exécuter Mistral 7B sur Mac via Core ML, en utilisant les nouvelles fonctionnalités de la WWDC 24 comme les tenseurs Swift.
Hugging Face montre comment exécuter le modèle Phi-2 (2,7 milliards de paramètres) quantifié en 4 bits sur un laptop équipé d'un CPU Intel Core Ultra 7 155H.
OpenAI teste la capacité de ChatGPT à mémoriser ce dont vous discutez afin de rendre les conversations futures plus utiles, avec un contrôle utilisateur sur cette mémoire.