Comment les evals façonnent le prochain chapitre de l'IA pour les entreprises
Les evals permettent aux entreprises de définir, mesurer et améliorer les performances de l'IA.
Les evals permettent aux entreprises de définir, mesurer et améliorer les performances de l'IA.
Google Research décrit un modèle de traduction parole-à-parole de bout en bout qui génère directement l'audio traduit dans la voix de l'orateur d'origine avec seulement 2 secondes de délai.
Motif de la recommandation :L'article expose l'architecture de bout en bout et le pipeline de données qui ramènent la traduction vocale à 2 secondes de délai, avec un déploiement produit concret.
Google DeepMind présente SIMA 2, un agent généraliste qui intègre un modèle Gemini comme cœur de raisonnement et passe du suivi d'instructions à un compagnon de jeu interactif capable de converser et de s'auto-améliorer. Le système a été entraîné sur un mélange de vidéos de démonstration humaines et de labels générés par Gemini, et il généralise à des jeux non vus comme ASKA ou MineDojo, y compris dans des mondes générés en temps réel par Genie 3. SIMA 2 est publié en aperçu de recherche limité, avec un accès anticipé pour un petit groupe de chercheurs et de développeurs de jeux.
Motif de la recommandation :SIMA 2 intègre Gemini comme moteur de raisonnement et passe du suivi d'instructions à l'auto-amélioration dans des mondes 3D, avec des limites de mémoire et de tâches longues explicitement documentées.
OpenAI explore l'interprétabilité mécaniste pour comprendre comment les réseaux de neurones raisonnent.
Google Quantum AI et des chercheurs de Stanford, MIT et Caltech ont publié dans Nature un algorithme quantique appelé Decoded Quantum Interferometry (DQI).
Motif de la recommandation :L'article présente l'algorithme DQI qui transforme des problèmes d'optimisation en problèmes de décodage, avec un exemple où un ordinateur quantique nécessiterait environ un million d'opérations contre 10^23 pour un ordinateur classique.
OpenAI publie un addendum à la fiche système de GPT-5.
Motif de la recommandation :L'addendum présente les métriques de sécurité mises à jour de GPT-5.1 Instant et Thinking, avec de nouvelles évaluations sur la santé mentale et la dépendance émotionnelle.
Google DeepMind publie dans Nature un article montrant que réorganiser les représentations visuelles d'un modèle selon les hiérarchies conceptuelles humaines améliore sa robustesse et sa généralisation. L'équipe part d'un modèle pré-entraîné SigLIP-SO400M, entraîne un petit adaptateur sur le jeu de données THINGS, puis génère un nouveau jeu de données AligNet de plusieurs millions de jugements de type odd-one-out sur un million d'images pour affiner d'autres modèles. Les modèles alignés obtiennent de meilleurs résultats sur des tâches de sciences cognitives et sur des tâches d'apprentissage few-shot et de distribution shift.
Motif de la recommandation :L'article détaille une méthode en trois étapes pour aligner les représentations visuelles des modèles sur les hiérarchies conceptuelles humaines, avec des gains mesurés sur la robustesse et la généralisation.
Google Research présente Nested Learning, un paradigme publié à NeurIPS 2025 qui traite un modèle ML comme un système de problèmes d'optimisation imbriqués.
Motif de la recommandation :L'article présente un paradigme qui unifie architecture et optimisation et détaille l'architecture Hope, offrant un cadre pour aborder l'oubli catastrophique.
OpenAI présente les injections de prompt comme un défi de sécurité de pointe pour les systèmes d'IA.
Google Research présente DS-STAR, un agent de data science qui atteint l'état de l'art sur les benchmarks DABStep.
Google annonce un modèle de prédiction du risque de déforestation à une résolution de 30 mètres.
Google Research annonce ForestCast, un modèle de deep learning fondé sur des vision transformers qui prédit le risque de déforestation à partir de données satellitaires brutes Landsat et Sentinel 2, sans cartes auxiliaires. Le modèle s'appuie surtout sur l'« historique de changement », une entrée dérivée des satellites indiquant les pixels déjà déforestés et l'année associée, dont l'usage seul donne des métriques de précision comparables à celles des données satellitaires brutes complètes. Google Research publie en parallèle le premier benchmark public dédié à l'entraînement de modèles de prédiction du risque de déforestation, avec les données d'entrée, d'entraînement et d'évaluation.
Google Research a publié le preprint « Towards a future space-based, highly scalable AI infrastructure system design » et dévoile Project Suncatcher.
Motif de la recommandation :L'article expose le design système, les quatre défis techniques et les données de test des TPU, permettant de comprendre les contraintes réelles du calcul IA dans l'espace.
Un algorithme de RL off-policy fondé sur le paradigme « diviser pour régner » remplace le TD learning en réduisant logarithmiquement le nombre de récursions de Bellman.
Google Research a présenté lors de son événement Research@MTV trois avancées : Earth AI.
Google Research présente provably private insights (PPI), un système qui combine LLM.
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.
Google Research présente StreetReaderAI, un prototype de navigation immersive dans Street View pour les utilisateurs aveugles et malvoyants.
OpenAI publie gpt-oss-safeguard-120b et gpt-oss-safeguard-20b.
Motif de la recommandation :Deux modèles ouverts de raisonnement dédiés au marquage de contenu selon une politique fournie, avec évaluations de sécurité comparées aux gpt-oss de base.
CNC Kitchen a testé la résistance de pièces imprimées en FDM selon leur orientation.
Motif de la recommandation :Des essais de traction quantifient l'écart de résistance selon l'orientation d'impression et proposent des compromis concrets pour l'impression FDM.
Consensus s'appuie sur GPT-5 et la Responses API d'OpenAI pour alimenter un assistant de recherche multi-agents qui lit.
Apollo Research et OpenAI ont développé des évaluations pour la mauvaise alignement cachée.
Motif de la recommandation :OpenAI et Apollo Research présentent des évaluations du comportement de dissimulation et une méthode précoce pour le réduire, ce qui éclaire les risques d'alignement des modèles de pointe.
Une nouvelle étude, la plus vaste menée sur l'usage de ChatGPT.
OpenAI publie une nouvelle recherche expliquant pourquoi les modèles de langage hallucinent. Les résultats montrent que l'amélioration des évaluations peut renforcer la fiabilité.
Motif de la recommandation :L'article explique les causes des hallucinations des modèles de langage et propose des pistes d'évaluation pour améliorer la fiabilité et l'honnêteté.
Des chercheurs de Berkeley AI Research ont établi une théorie quantitative du processus d'apprentissage de word2vec.
OpenAI et Anthropic publient les résultats d'une évaluation de sécurité conjointe inédite.
Motif de la recommandation :Un compte rendu conjoint OpenAI et Anthropic sur l'évaluation croisée de leurs modèles, couvrant mésalignement, suivi d'instructions, hallucinations et jailbreaking.
OpenAI et Retro Bio ont utilisé un modèle d'IA spécialisé, GPT-4b micro, pour concevoir des protéines plus efficaces destinées à la thérapie par cellules souches et à la recherche sur la longévité.
Numina et Kimi publient kimina-prover-rl, un pipeline d'entraînement open source pour la démonstration formelle en Lean 4.
GPT-5 assiste l'écriture créative. OpenAI présente dans un article les usages du modèle pour la création littéraire.
GPT-5 est utilisé pour la recherche médicale.
OpenAI déploie dans GPT-5 une approche « safe-completions » qui remplace les refus catégoriques par un entraînement à la sécurité centré sur la sortie.
OpenAI étudie les risques de frontière en pire cas liés à la publication de gpt-oss via une méthode de fine-tuning malveillant (MFT).
OpenAI présente gpt-oss-120b et gpt-oss-20b, deux modèles de raisonnement à poids ouverts disponibles sous licence Apache 2.0 et selon la politique d'usage gpt-oss.
Motif de la recommandation :Deux modèles de raisonnement à poids ouverts sous licence Apache 2.0, avec leurs tailles et leur politique d'usage précisées.
Mistral AI a réalisé la première analyse de cycle de vie complète d'un modèle d'IA.
OpenAI publie une analyse économique sur l'impact de ChatGPT sur l'économie et lance une nouvelle collaboration de recherche pour étudier les effets plus larges de l'IA sur le marché du travail et la productivité.
Mistral annonce une série de nouvelles fonctionnalités pour son assistant Le Chat.
Motif de la recommandation :Mistral détaille les nouvelles capacités de Le Chat, du mode Deep Research à l'édition d'images, ce qui aide à situer l'offre face aux assistants concurrents.
Numina et Kimi Team publient Kimina-Prover-72B, un modèle de démonstration formelle entraîné avec le pipeline RL de Kimi k1.5 sur la base de Qwen2.5-72B.
Mistral AI publie Codestral Embed, son premier modèle d'embedding dédié au code.
Motif de la recommandation :Mistral publie les performances comparées de Codestral Embed face à Voyage Code 3, Cohere Embed v4.0 et OpenAI, ainsi que les compromis dimension/précision et le tarif API.
CNC Kitchen a testé l'effet du durcissement thermique sur des échantillons de traction imprimés en résine Siraya Tech Blu. Le durcissement à 80 °C a donné une résistance moyenne de 68 MPa.
The Washington Post s'associe à OpenAI pour intégrer ses actualités dans ChatGPT.
OpenAI publie la fiche système d'o3 et o4-mini. Selon la présentation, ces deux modèles combinent un raisonnement de pointe avec l'ensemble des capacités d'outils.
Motif de la recommandation :La fiche système d'o3 et o4-mini expose l'intégration du raisonnement et des outils, un point de repère pour évaluer les capacités des modèles.