Google publie EmbeddingGemma 2, un modèle d'embedding multimodal de 740 millions de paramètres
Google publie EmbeddingGemma 2, un modèle ouvert qui convertit texte, images, vidéo.
Google publie EmbeddingGemma 2, un modèle ouvert qui convertit texte, images, vidéo.
Un assistant personnel à mémoire accumulative se construit en associant OpenClaw.
Selon une enquête menée auprès de 300 dirigeants des technologies, seuls 34 % en moyenne des projets d'IA agentique d'entreprise atteignent la production.
Amazon Bedrock Managed Knowledge Base propose une récupération agentique via l'API AgenticRetrieveStream.
Le pattern Adjudicated Query combine Amazon Quick et un moteur de règles déterministe pour vérifier la conformité de milliers de baux. Le modèle se limite à traduire une question en appels sur six outils typés et à restituer le résultat, sans jamais écrire de requête ni effectuer de détermination. Chaque sweep produit un reçu de complétude où compliant + in-breach + ambiguous + unreadable doit égaler scanned, et le jeu complet de résultats reste consultable dans un tableau de bord Amazon Quick Sight.
Amazon SageMaker AI permet de fine-tuner un agent de recherche par apprentissage par renforcement multi-tours (MTRL).
Ai2 (Allen Institute for AI) met en open source AstaBrief 8B, un modèle dérivé de Qwen3-8B qui transforme une question de recherche et des extraits de littérature en rapport cité.
Amazon Quick lance Live Data in Apps, une fonctionnalité permettant aux applications générées par IA d'interroger en temps réel les datasets gouvernés Quick Sight au lieu de s'appuyer sur des instantanés figés à la construction. Les modes SPICE et Direct Query sont pris en charge, les règles RLS et CLS existantes s'appliquent automatiquement et chaque requête s'exécute côté serveur sous l'identité du lecteur, qui doit être un utilisateur Quick authentifié et consentir par dataset ; le rôle minimum est Reader Pro. Le constructeur décrit l'application en langage naturel, l'agent découvre les datasets, écrit le SQL et demande l'approbation de chaque dataset avant publication.
NVIDIA NeMo Agent Toolkit (NAT), framework open source d'orchestration d'agents compatible avec Strands Agents.
Amazon Bedrock Knowledge Bases permet de construire un assistant de sinistres qui répond en langage naturel avec citations.
AWS publie la première partie d'une série sur le prompt engineering pour Amazon Quick.
AWS détaille composant par composant les techniques de prompt engineering pour Amazon Quick.
AWS présente une architecture de plateforme d'intelligence contractuelle qui extrait les données de contrats PDF via des agents IA.
Condé Nast a réduit le temps de recherche de contenu vidéo de 250 minutes à moins de 2 minutes par tâche grâce à une solution de découverte vidéo multimodale bâtie sur Amazon Bedrock et Amazon OpenSearch Service. Le système s'appuie sur le modèle d'embedding TwelveLabs Marengo pour encoder conjointement les signaux visuels, audio et de transcription, et indexe plus de 140 000 vidéos pour une recherche sémantique par intention. Cinq capacités sont proposées aux équipes éditoriales de titres comme Vogue, GQ, Vanity Fair et Wired : recherche par intention, compréhension multimodale, requêtes par image, tolérance aux fautes et précision des timestamps.
Dans un épisode du GitHub Podcast, GitHub démonte cinq idées reçues sur l'IA : il reste nécessaire de lire le code généré.
Google Research présente Retrieve-for-Train, un cadre de compilation récompense-données qui remplace le budget de réflexion au moment de l'inférence par un entraînement RL hors ligne.
H Company publie NeoMME, une famille d'encodeurs multimodaux multilingues de 260M et 800M paramètres.
Sentence Transformers v6.0 introduit un quatrième type de modèle, MultiVectorEncoder.
Mistral lance Agentic Search, une couche de récupération qui permet aux modèles de rechercher.
Motif de la recommandation :L'original détaille la boucle de récupération multi-étapes et les gains chiffrés sur FinanceBench et OfficeQA Pro, ce qui aide à juger l'écart avec le RAG one-shot.
Sentence Transformers v6.0 ajoute un quatrième type de modèle, MultiVectorEncoder.
Motif de la recommandation :Sentence Transformers v6.0 ajoute un quatrième type de modèle pour la recherche à interaction tardive, avec prise en charge des checkpoints PyLate et ColBERT et des modèles de documents visuels.
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.
JetBrains publie Mellum2, un modèle Mixture-of-Experts de 12B paramètres entraîné de zéro sur le langage naturel et le code.
Motif de la recommandation :JetBrains publie un MoE 12B à 2,5B paramètres actifs sous Apache 2.0, avec des cas d'usage précis pour le routage, le RAG et les sous-agents.
Mistral AI publie en aperçu public Search Toolkit, un cadre composable et open source pour construire des pipelines de recherche destinés aux applications IA.
Motif de la recommandation :Un cadre unifié d'ingestion, de récupération et d'évaluation, open source et déployable sur site, qui permet de comparer les configurations de recherche sur ses propres données.
Hugging Face publie six nouveaux rerankers Sentence Transformers CrossEncoder, de 17M à 1B de paramètres.
Motif de la recommandation :Six rerankers de 17M à 1B, avec données et recette d'entraînement complètes, permettent d'évaluer le compromis qualité-latence d'un pipeline retrieve-then-rerank.
IBM (Hugging Face) publie Granite Embedding Multilingual R2, deux modèles d'embedding multilingues Apache 2.0.
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.
NVIDIA détaille un pipeline en six étapes pour transformer un modèle d'embedding généraliste (Llama-Nemotron-Embed-1B-v2) en modèle spécialisé à un domaine.
Motif de la recommandation :Présente un pipeline complet de fine-tuning d'embedding pour RAG, avec commandes, hyperparamètres et résultats mesurés sur un GPU unique.
OpenAI lance la fonctionnalité de recherche d'achats dans ChatGPT, qui aide les utilisateurs à explorer.
Mistral annonce l'Agents API, un framework dédié qui combine ses modèles avec des connecteurs intégrés pour l'exécution de code.
Motif de la recommandation :L'annonce détaille les connecteurs intégrés, la mémoire persistante et l'orchestration multi-agents, avec des chiffres SimpleQA montrant l'apport de la recherche web.
ChatGPT peut désormais se connecter à Google Drive pour exploiter les connaissances internes et répondre aux questions avec le contexte pertinent.
Mistral AI annonce Le Chat Enterprise, un assistant IA d'entreprise propulsé par le nouveau modèle Mistral Medium 3.
Mistral AI détaille l'usage de « LLM As A Judge » pour évaluer les systèmes RAG.
Mistral AI annonce Mistral OCR, une API de reconnaissance optique de caractères qui traite images et PDF en entrée et restitue un contenu ordonné mêlant texte et images. Le modèle est présenté comme multilingue et multimodal, avec des benchmarks internes le plaçant devant Google Document AI, Azure OCR, Gemini-1.5 et GPT-4o sur les documents complexes, les mathématiques, le multilingue, les scans et les tableaux. L'API mistral-ocr-latest est facturée 1000 pages par dollar, avec environ le double de pages par dollar en inférence par lots, disponible sur la Plateforme et bientôt chez les partenaires cloud et en local, avec auto-hébergement sélectif pour les organisations traitant des informations sensibles.
Motif de la recommandation :L'original expose les performances comparées de Mistral OCR et son tarif à la page, utile pour évaluer son intégration dans un pipeline RAG documentaire.
Mistral AI annonce un partenariat mondial avec l'Agence France-Presse (AFP) pour intégrer les dépêches de l'agence dans son assistant Le Chat. L'intégration s'appuiera sur les 2 300 dépêches quotidiennes de l'AFP en six langues (français, anglais, espagnol, portugais, allemand et arabe) et sur le travail de ses 1 700 journalistes, afin d'ancrer les réponses dans des informations fiables et à jour. Le déploiement auprès de tous les utilisateurs de Le Chat est prévu dans les prochaines semaines.
Hugging Face ajoute les Community Tools à HuggingChat.
Hugging Face détaille la création d'un chatbot pour Argilla 2.0 en s'appuyant sur distilabel pour générer un dataset synthétique et fine-tuner un modèle d'embedding spécialisé. Le processus couvre le chunking de la documentation technique (environ 256 tokens par chunk), la génération de questions synthétiques et d'exemples négatifs difficiles, la création d'une base vectorielle et le déploiement du chatbot sur Hugging Face Spaces. Les interactions sont stockées dans Argilla pour une évaluation et une amélioration continues.
Banque des Territoires (groupe CDC), Polyconseil et Hugging Face ont achevé la première phase d'une solution RAG souveraine destinée à optimiser l'accompagnement du programme EduRénov de rénovation écologique de 10 000 bâtiments scolaires publics. Le dispositif vise 40 % d'économies d'énergie en 5 ans, avec 2 milliards d'euros de prêts et 50 millions d'euros d'ingénierie préparatoire. Après un an, près de 2 000 projets ont été signés, et le CDC a imposé la souveraineté des services de calcul et des modèles, en s'appuyant notamment sur Text Generation Inference, Transformers, Sentence Transformers et Tokenizers de Hugging Face.
OpenAI annonce l'acquisition de Rockset. Le communiqué ne précise ni le montant de l'opération ni les modalités de l'intégration.
Hugging Face annonce la disponibilité générale de son Embedding Container pour Amazon SageMaker.
Intel présente dans un blog comment déployer des applications RAG d'entreprise via OPEA (Open Platform for Enterprise AI).