Aller au contenu
23 juilletjeu.
  1. Google Research67

    Google Research présente un ordinateur quantique qui apprend de ses erreurs

    Google Research a publié dans Nature un cadre d'apprentissage par renforcement où un agent autonome apprend des détections d'erreurs quantiques pour ajuster en continu des milliers de paramètres de contrôle et stabiliser le système pendant le calcul. Sur le processeur supraconducteur Willow, avec une dérive artificielle injectée, ce pilotage par RL a amélioré la stabilité logique du code correcteur d'erreurs d'un facteur 3,5, et un affinage RL après calibration experte a réduit le taux d'erreur logique de 20 % supplémentaires. L'expérience a ramené les erreurs logiques des mémoires quantiques à moins d'une pour mille cycles de correction dans le code de surface et une pour cent dans le code couleur. Des simulations avec des centaines de qubits et des dizaines de milliers de paramètres de contrôle indiquent que le nombre d'itérations d'entraînement RL nécessaires est indépendant de la taille du système.

    Motif de la recommandation :L'article détaille un cadre d'apprentissage par renforcement pour la calibration quantique continue et rapporte des gains mesurés sur le processeur Willow.

22 juilletmer.
21 juilletmar.
20 juilletlun.
  1. CERT-FR Alertes (ANSSI)82

    Le CERT-FR alerte sur des vulnérabilités critiques dans WordPress Core

    Le CERT-FR publie l'alerte CERTFR-2026-ALE-007 sur deux vulnérabilités corrigées par WordPress le 17 juillet 2026.

    Motif de la recommandation :Le CERT-FR signale une chaîne de vulnérabilités dans WordPress Core exploitable à distance sans authentification, avec une preuve de concept publique et des versions concernées précises.

17 juilletven.
16 juilletjeu.
15 juilletmer.
9 juilletjeu.
  1. OpenAI News15

    GPT-5.5 Bio Bug Bounty

    OpenAI lance le programme GPT-5.5 Bio Bug Bounty, dédié à la découverte de vulnérabilités biologiques. Le programme s'appuie sur le modèle GPT-5.5 pour identifier des failles dans ce domaine spécifique. Les détails complets du programme Bio Bounty restent à préciser.

  2. Google Research74

    Google Research présente SensorFM, un modèle de fondation pour les données de santé portables

    Google Research présente SensorFM, un grand modèle de fondation de capteurs pré-entraîné sur plus de mille milliards de minutes de signaux multimodaux issus de cinq millions de participants consentants, couvrant plus de 100 pays et plus de 20 modèles d'appareils Fitbit et Pixel Watch. Le modèle apprend par reconstruction auto-supervisée avec le cadre Adaptive and Inherited Masking (AIM), qui traite les données manquantes comme un artefact naturel plutôt que de les imputer ou de les écarter. Sur 35 tâches de santé issues de trois études prospectives totalisant 13 985 participants, les sondes linéaires sur les embeddings de SensorFM surpassent la baseline supervisée à caractéristiques d'ingénierie sur 34 tâches, et le plus grand modèle (SensorFM-B) réduit la perte de reconstruction de 31 % par rapport à la plus petite variante, avec un gain moyen de 9 % en AUC sur les tâches de classification et de 21 % en coefficient de Pearson sur les tâches de régression. Un système d'agents LLM collaboratifs et concurrents a exploré plus de 30 000 solutions candidates pour construire des têtes de prédiction, battant une sonde linéaire simple sur 16 des 20 tâches de classification et 12 des 15 tâches de régression. Intégré à un Personal Health Agent, SensorFM a permis des résumés de santé jugés significativement meilleurs que la baseline sur cinq dimensions par un panel de cliniciens, sans différence statistiquement significative avec l'utilisation de mesures de référence réelles.

    Motif de la recommandation :L'article détaille un modèle de fondation entraîné sur plus de mille milliards de minutes de données de capteurs, avec des gains mesurés sur 35 tâches de santé.

26 juinven.
24 juinmer.
  1. Mistral AI58

    Mistral AI renforce le contrôle des connecteurs avec des contrôles admin, des clés API à portée limitée et un débogueur MCP

    Mistral AI ajoute plusieurs capacités à ses connecteurs pour sécuriser l'intégration aux plateformes d'entreprise. Les contrôles admin enrichis (GA) permettent de gérer l'accès aux connecteurs par espace de travail et d'activer ou désactiver des outils individuels au niveau d'une organisation ou d'un espace de travail, les clés API avec portée de connecteur (GA) évitent l'usurpation d'identité dans les charges automatisées, et les connecteurs multi-comptes (GA) permettent d'authentifier un même connecteur avec plusieurs comptes. Le Connectors Debugger (Public Preview) analyse la cause racine des connexions MCP en 11 étapes, tandis que les connecteurs dans Workflows (Public Preview) et Vibe Code (GA) réutilisent ces accès gouvernés. Le répertoire compte plus de 60 intégrations, avec des connecteurs MCP personnalisés pour les plateformes non listées.

23 juinmar.
22 juinlun.
  1. OpenAI News62

    OpenAI lance Daybreak, avec Codex Security et GPT-5.5-Cyber

    OpenAI présente les nouveaux outils Daybreak, dont Codex Security et GPT-5.5-Cyber, destinés à aider les organisations à trouver, valider et corriger les vulnérabilités à grande échelle.

    Motif de la recommandation :Présentation des nouveaux outils de sécurité d'OpenAI et de leur objectif de détection et de correction des vulnérabilités à grande échelle.

16 juinmar.
  1. Google DeepMind62

    Google DeepMind publie l'AI Control Roadmap pour sécuriser les agents IA

    Google DeepMind présente son AI Control Roadmap, un cadre de défense en profondeur qui traite les agents internes comme potentiellement mal alignés et ajoute une couche de sécurité système au-delà de l'alignement des modèles. Le dispositif s'appuie sur un cadre de modélisation des menaces inspiré de MITRE ATT&CK, des superviseurs IA surveillant le raisonnement et les actions des agents, et des niveaux de détection D1-D4 et de prévention/réponse R1-R3 indexés sur les capacités du modèle. L'équipe indique avoir analysé un million de tâches d'agents de codage et utilisé ces données pour un moniteur en direct du agent Gemini Spark, la majorité des événements signalés provenant de mauvaises interprétations plutôt que d'une intention adverse. DeepMind publie en parallèle un cadre technique pour les décideurs, 'Three Layers of Agent Security'.

    Motif de la recommandation :Google DeepMind détaille son AI Control Roadmap et les niveaux D1-D4/R1-R3, une grille de sécurité des agents directement transposable à d'autres déploiements.

15 juinlun.
11 juinjeu.
10 juinmer.
8 juinlun.
5 juinven.
  1. Hugging Face Blog65

    NVIDIA publie Nemotron 3.5 Content Safety, un modèle de sécurité multimodal personnalisable

    NVIDIA publie Nemotron 3.5 Content Safety, un modèle de sécurité de contenu multimodal et multilingue de 4B paramètres construit sur Gemma 3 4B IT.

    Motif de la recommandation :L'article détaille les capacités de sécurité multimodale et multilingue de Nemotron 3.5, ainsi que les modes d'inférence et les options de déploiement, ce qui aide le lecteur à évaluer son intégration dans des pipelines de production.

4 juinjeu.
2 juinmar.
1 juinlun.
29 maiven.
28 maijeu.
26 maimar.
18 mailun.
17 maidim.
16 maisam.
  1. Google DeepMind78

    WeatherNext de Google DeepMind aide le National Hurricane Center à mieux prévoir l'atterrissage historique de l'ouragan Melissa en Jamaïque

    Le modèle météo IA WeatherNext de Google DeepMind et Google Research a aidé le National Hurricane Center à prévoir cinq jours à l'avance l'intensification rapide et l'atterrissage en Jamaïque de l'ouragan Melissa en catégorie 5, avec une confiance de 80 % portée à près de 100 % trois jours avant, une première pour un système partant d'une vitesse de vent de catégorie 1. Selon le rapport annuel de vérification du NHC, WeatherNext a été le meilleur modèle individuel de la saison 2025 pour la trajectoire et l'intensité. La collaboration se poursuit et les capacités de recherche sont étendues aux Philippines (PAGASA), Taïwan (CWA), l'Indonésie (BMKG) et le Vietnam (VNMHA), avec des projets au Japon, en Australie et en Inde.

    Motif de la recommandation :Le récit détaillé d'un cas réel montre comment un modèle météo IA a devancé les modèles traditionnels sur la trajectoire et l'intensité, avec des chiffres de confiance exploitables.

15 maiven.
14 maijeu.