ConvApparel : mesurer et combler l'écart de réalisme des simulateurs d'utilisateurs
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 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 montre, via un simulateur open source testé sur des jeux de données subjectifs (Toxicity.
IBM annonce Granite 4.0 3B Vision, un modèle vision-langage compact destiné à l'extraction d'informations dans les documents d'entreprise.
Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.
OpenMed a entraîné CodonRoBERTa-large-v2, un modèle de langage au niveau des codons de 312M de paramètres.
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.
CNC Kitchen a testé la résistance à l'arrachement d'inserts thermiques M3 imprimés en 3D avec des diamètres de trou allant de 3.
Motif de la recommandation :Des dizaines d'essais de traction quantifient la relation entre le diamètre du trou et la résistance à l'arrachement des inserts thermiques, fournissant une plage de conception directement réutilisable.
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.
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.
Google Research a présenté à The Check Up ses avancées en IA pour la santé, dont un système de recherche multi-agents AMIE capable d'interpréter antécédents médicaux.
Hugging Face a publié son analyse de l'écosystème open source au printemps 2026.
Motif de la recommandation :L'analyse quantifie la croissance de l'écosystème open source et le basculement de la Chine, offrant un contexte chiffré sur la répartition des usages.
Google DeepMind publie le papier « Measuring Progress Toward AGI: A Cognitive Taxonomy ».
Mistral AI a annoncé Forge, un système destiné aux entreprises pour construire des modèles d'IA de niveau frontière ancrés dans leurs connaissances propriétaires. Forge prend en charge le pré-entraînement, le post-entraînement et l'apprentissage par renforcement sur des documents internes, des bases de code et des données opérationnelles, avec des architectures denses et MoE ainsi que des entrées multimodales. Mistral AI indique avoir déjà collaboré avec ASML, DSO National Laboratories Singapore, Ericsson, l'Agence spatiale européenne, HTX Singapore et Reply. Le système est conçu pour les agents de codage comme Mistral Vibe, qui peuvent l'utiliser pour affiner des modèles, trouver des hyperparamètres optimaux et générer des données synthétiques.
Motif de la recommandation :Mistral AI présente Forge, un système permettant aux entreprises d'entraîner des modèles sur leurs données internes, avec prise en charge des architectures denses et MoE et des agents autonomes.
Près de 3 millions de messages sont envoyés chaque jour à ChatGPT par des Américains pour poser des questions sur la rémunération et les salaires.
Google Research a évalué six LLM — GPT-4o, Perplexity, Claude 3.5, Gemini Advanced Pro 1.5.
Berkeley AI Research présente SPEX et ProxySPEX, des algorithmes d'attribution capables d'identifier les interactions influentes dans les LLM à une échelle bien supérieure aux méthodes antérieures. SPEX exploite la parcimonie et le faible degré des interactions pour reformuler la recherche exhaustive en un problème de recouvrement parcimonieux résolu via des outils de traitement du signal et de théorie du codage. ProxySPEX tire parti de la propriété de hiérarchie des modèles et atteint les performances de SPEX avec environ 10x moins d'ablations. Sur une tâche d'analyse de sentiment, SPEX conserve une fidélité élevée lorsque le contexte atteint des milliers de features, là où LIME et Banzhaf affichent une fidélité nettement inférieure.
Google Research annonce le déploiement de prévisions de crues éclair urbaines sur Flood Hub.
Motif de la recommandation :Google Research détaille une méthode d'extraction de données de vérité terrain et un modèle LSTM pour prévoir les crues éclair urbaines 24 h à l'avance.
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.
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.
Hugging Face a étudié 16 bibliothèques RL open source construites autour de l'entraînement asynchrone et les a comparées selon 7 axes.
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.
Google a publié en open source SpeciesNet, un modèle IA capable de classer près de 2 500 catégories animales dans les images de pièges photographiques.
Google Research montre que le fine-tuning supervisé sur les prédictions d'un assistant bayésien optimal permet aux LLM d'approcher un raisonnement probabiliste.
Un nouveau preprint étend les amplitudes single-minus aux gravitons.
Photoroom publie le troisième volet de sa série PRX, consacré à un speedrun d'entraînement d'un modèle text-to-image en 24 heures sur 32 H200.
Motif de la recommandation :L'article détaille la recette complète d'un entraînement text-to-image en 24h sur 32 H200 pour environ 1500 dollars, avec code open source.
Hugging Face propose des crédits gratuits pour fine-tuner des LLM avec Unsloth sur Hugging Face Jobs.
Google Research présente MapTrace, une nouvelle tâche.
Motif de la recommandation :L'article détaille un pipeline de génération de données synthétiques pour l'apprentissage du tracé d'itinéraires sur cartes, avec des résultats chiffrés sur MapBench.
Google DeepMind établit un partenariat avec des institutions indiennes, dont l'Anusandhan National Research Foundation (ANRF).
OpenAI publie GABRIEL, une nouvelle boîte à outils open source qui s'appuie sur GPT pour transformer des textes et des images qualitatifs en données quantitatives. Elle vise à aider les chercheurs en sciences sociales à analyser leurs corpus à grande échelle.
Google DeepMind a publié en août 2025 Perch 2.0, un modèle de base en bioacoustique principalement entraîné sur des oiseaux et autres animaux terrestres vocaux.
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.
Un laboratoire autonome combinant GPT-5 d'OpenAI avec l'automatisation cloud de Ginkgo Bioworks a réduit de 40 % le coût de la synthèse de protéines sans cellules grâce à une expérimentation en boucle fermée.
Motif de la recommandation :Un laboratoire autonome combinant GPT-5 et l'automatisation cloud de Ginkgo Bioworks réduit de 40 % le coût de la synthèse de protéines sans cellules.
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.
Hugging Face publie le deuxième volet de sa série sur l'entraînement de modèles texte-image efficaces.
OpenAI a banni des comptes probablement d'origine chinoise qui utilisaient l'IA pour rechercher des informations sur des personnes et des lieux aux États-Unis et pour élaborer des tactiques d'ingénierie sociale.
OpenAI a banni des comptes liés au réseau Rybar, dont certains proviendraient probablement de Russie.
OpenAI a construit un agent de données interne qui s'appuie sur GPT-5.
Google Research présente ATLAS (Adaptive Transfer Scaling Laws), des lois de scaling adaptatives pour le pré-entraînement.
Les modèles open source chinois ont massivement adopté l'architecture Mixture-of-Experts (MoE) en 2025.
L'équipe de recherche présente Alyah (الياه, « étoile polaire » en émirati).
Google Research a introduit GIST (Greedy Independent Set Thresholding), un algorithme de sélection de sous-ensembles de données présenté à NeurIPS 2025.