Aller au contenu
22 janvierjeu.
14 janviermer.
13 janviermar.
  1. Google Research62

    NeuralGCM exploite l'IA pour mieux simuler les précipitations mondiales à long terme

    Google Research décrit dans Science Advances une version de NeuralGCM entraînée directement sur des observations satellitaires de précipitations de la NASA couvrant 2001 à 2018.

    Motif de la recommandation :L'article détaille comment NeuralGCM apprend la paramétrisation des précipitations à partir d'observations satellitaires, avec des écarts chiffrés face aux modèles opérationnels.

10 janviersam.
7 janviermer.
12 décembreven.
11 décembrejeu.
  1. Google Research38

    Google présente Urania, un framework de confidentialité différentielle pour analyser l'usage des chatbots IA

    Google Research présente Urania, un framework de confidentialité différentielle (DP) qui génère des insights sur les conversations avec les chatbots LLM avec des garanties mathématiques de bout en bout, présenté à COLM 2025. Le pipeline combine clustering DP, extraction de mots-clés par histogramme DP et summarization par LLM sur les seuls mots-clés anonymisés, sans jamais exposer les conversations originales. Face au baseline non privé Simple-CLIO, les résumés DP ont été préférés jusqu'à 70 % du temps par les évaluateurs LLM, malgré une couverture thématique réduite lorsque le budget de confidentialité ε diminue.

9 décembremar.
8 décembrelun.
5 décembreven.
  1. Google Research70

    Google Research présente Titans et MIRAS pour la mémoire à long terme des IA

    Google Research publie deux articles présentant Titans, une architecture qui combine la vitesse des RNN avec la précision des Transformers.

    Motif de la recommandation :L'article présente l'architecture Titans et le cadre MIRAS, avec des résultats sur des contextes dépassant 2 millions de tokens et des tests en génomique et séries temporelles.

4 décembrejeu.
3 décembremer.
  1. OpenAI News62

    OpenAI annonce l'acquisition de Neptune

    OpenAI annonce l'acquisition de Neptune afin de mieux observer le comportement des modèles et de renforcer les outils utilisés par les chercheurs pour suivre les expériences et surveiller l'entraînement.

    Motif de la recommandation :L'acquisition vise à renforcer le suivi des expériences et la surveillance de l'entraînement, un point d'observation de l'outillage des laboratoires de modèles.

27 novembrejeu.
25 novembremar.
24 novembrelun.
22 novembresam.
  1. Google Research22

    Google Research : un simple modèle d'IA prédit la disponibilité des bornes de recharge pour réduire l'anxiété liée à l'autonomie des VE

    Google Research a dévoilé un modèle de prédiction léger fondé sur une simple régression linéaire pour estimer la probabilité qu'une borne de recharge pour véhicules électriques soit disponible dans quelques minutes. Testé sur 100 stations sélectionnées aléatoirement, avec un échantillonnage toutes les 30 minutes pendant une semaine et des horizons de 30 à 60 minutes, il surpasse la baseline « Keep Current State » en identifiant les rares moments de forte rotation d'occupation. Le modèle s'appuie uniquement sur l'heure de la journée comme caractéristique, chaque heure recevant un poids appris qui quantifie le taux de variation de l'occupation.

17 novembrelun.
6 novembrejeu.
5 novembremer.
  1. Google Research50

    Google Research présente ForestCast : prévoir le risque de déforestation par deep learning

    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.

31 octobreven.
30 octobrejeu.
26 octobredim.
26 septembreven.
15 septembrelun.
4 septembrejeu.
1 septembrelun.
22 aoûtven.
17 aoûtdim.
14 aoûtjeu.
5 aoûtmar.
1 aoûtven.
23 juilletmer.
22 juilletmar.
28 maimer.
22 maijeu.
11 marsmar.
15 janviermer.
23 octobremer.
16 octobremer.