Aller au contenu

Entreprises et modèles

Google / Gemini Dernières actualités

Google et DeepMind : l'actualité de l'IA — suivi continu de la série Gemini, du modèle vidéo Veo, des résultats de recherche et de l'écosystème produit.

131 sélections30 derniers jours 11 entréesTotal : 219 entrées

mise à jour

Archives de la sélection · page 4

16 maisam.61–80 entrées
  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.

6 maimer.
30 avriljeu.
  1. Google DeepMind62

    Google DeepMind lance l'initiative de recherche AI co-clinician pour explorer le modèle de soins triadiques

    Google DeepMind annonce l'initiative de recherche AI co-clinician, qui vise à faire de l'IA un membre collaboratif de l'équipe soignante.

    Motif de la recommandation :L'original expose la conception d'architecture et les résultats d'évaluation de l'IA co-clinicien, permettant de comprendre les capacités et les limites actuelles de l'IA dans les scénarios médicaux.

  2. Google Research62

    Google Research présente quatre usages scientifiques d'ERA

    Google Research détaille quatre applications de son système Empirical Research Assistance (ERA) à la recherche scientifique. En santé publique.

    Motif de la recommandation :Quatre cas scientifiques concrets montrent comment ERA s'articule avec Gemini Deep Think et les données d'observation existantes, offrant un aperçu des modes de collaboration entre LLM et recherche.

23 avriljeu.
  1. Google Research62

    Google Photos déploie Auto frame pour recomposer les photos après la prise de vue

    Google Photos intègre Auto frame, une fonctionnalité qui recompose une photo après la prise de vue en modifiant la position et l'orientation de la caméra virtuelle. La méthode combine estimation 3D de la scène et du point map, rendu classique, puis inpainting par un modèle de diffusion latent entraîné sur des paires d'images à paramètres de caméra connus. Elle détecte aussi la position et l'orientation 3D des visages pour choisir le cadrage idéal et corriger la distorsion des selfies grand-angle, la version recomposée apparaissant comme deuxième option dans les candidats Auto frame.

    Motif de la recommandation :L'article détaille une méthode en deux étapes qui reconstruit la scène en 3D puis génère les zones manquantes, utile pour comprendre comment l'édition d'image assistée par IA dépasse le simple recadrage.

22 avrilmer.
  1. Google DeepMind67

    Google DeepMind présente Decoupled DiLoCo, une architecture d'entraînement distribué résiliente

    Google DeepMind publie un article sur Decoupled DiLoCo, une architecture distribuée qui divise les entraînements LLM en îlots de calcul découplés avec flux de données asynchrone.

    Motif de la recommandation :L'article détaille l'architecture Decoupled DiLoCo et ses résultats sur Gemma 4, permettant de comprendre comment l'entraînement distribué gagne en résilience et en efficacité.

  2. Google Research62

    ReasoningBank : un cadre de mémoire qui permet aux agents d'apprendre de leurs expériences

    Google Research présente ReasoningBank, un cadre de mémoire d'agent publié à l'ICLR qui distille des schémas de raisonnement de haut niveau à partir d'expériences réussies et échouées pour l'auto-évolution au moment du test. Chaque mémoire structurée contient un titre, une description et un contenu de raisonnement distillé, et le flux fonctionne en boucle fermée de récupération, extraction et consolidation. Sur WebArena et SWE-Bench-Verified avec Gemini-2.5-Flash, ReasoningBank dépasse les agents sans mémoire de 8,3 % et 4,6 % de taux de réussite, et le couplage avec le memory-aware test-time scaling (MaTTS) apporte 3 % de réussite supplémentaire et 0,4 étape en moins sur WebArena.

    Motif de la recommandation :L'article détaille le mécanisme de mémoire ReasoningBank et les gains mesurés sur WebArena et SWE-Bench-Verified, utile pour comprendre l'auto-évolution des agents.

16 avriljeu.
  1. Google Research60

    Google Research présente Simula, un cadre de génération de données synthétiques piloté par le raisonnement

    Google Research présente Simula, un cadre de génération de données synthétiques sans seed qui construit des jeux de données à partir de principes premiers via la conception de mécanismes. Le système décompose la génération en quatre axes contrôlables : diversification globale par taxonomies hiérarchiques, diversification locale par méta-prompts, complexification configurable et contrôle qualité par boucle à double critique. Évalué avec Gemini 2.5 Flash comme modèle enseignant et Gemma-3 4B comme élève sur cinq domaines (cybersécurité, raisonnement juridique, GSM8k, Global MMLU), il génère jusqu'à 512K points par domaine ; une complexité élevée apporte un gain de 10 % en mathématiques mais nuit au raisonnement juridique. Simula alimente l'écosystème Gemma (ShieldGemma, FunctionGemma, MedGemma) et des fonctions de protection des utilisateurs comme la détection d'arnaques sur Android et le filtrage de spam dans Google Messages.

    Motif de la recommandation :L'article expose une méthode de génération de données synthétiques pilotée par le raisonnement et ses résultats sur cinq domaines, utile pour comprendre comment couvrir des cas rares sans données réelles.

  2. Google Research60

    Google Research présente MoGen, des neurones synthétiques pour accélérer la cartographie cérébrale

    Google Research présente MoGen, un modèle de génération de morphologies neuronales par point cloud flow matching.

    Motif de la recommandation :L'article détaille comment des neurones synthétiques générés par IA réduisent les erreurs de reconstruction et le temps de relecture manuelle, avec des chiffres concrets.

  3. Google DeepMind70

    Google DeepMind dévoile Gemini 3.1 Flash TTS avec balises audio

    Google DeepMind annonce Gemini 3.1 Flash TTS, un nouveau modèle de synthèse vocale offrant un contrôle granulaire via des balises audio en langage naturel. Le modèle atteint un score Elo de 1 211 sur le classement TTS d'Artificial Analysis, prend en charge plus de 70 langues et le dialogue multi-locuteurs natif. Il est déployé en preview pour les développeurs via l'API Gemini et Google AI Studio, pour les entreprises sur Vertex AI, et pour les utilisateurs Workspace via Google Vids. Tous les audios générés sont marqués par SynthID.

    Motif de la recommandation :Le nouveau modèle de synthèse vocale introduit des balises audio en langage naturel et un support de plus de 70 langues, avec un déploiement en preview via l'API Gemini et Vertex AI.

14 avrilmar.
  1. Google Research60

    Google Research présente Vantage, une expérience d'évaluation des compétences durables par l'IA générative

    Google Research présente Vantage, une expérience de recherche qui évalue les compétences durables des élèves en les plaçant dans des conversations simulées avec des avatars IA. Un Executive LLM pilote le dialogue pour susciter des occasions de démontrer des compétences comme la résolution de conflits ou la gestion de projet, puis un AI Evaluator note la conversation selon une grille d'évaluation. Une étude conjointe avec la New York University menée auprès de 188 testeurs de 18 à 25 ans indique que l'accord entre l'AI Evaluator et les experts humains est comparable à celui entre deux évaluateurs experts. Vantage est disponible en anglais sur Google Labs.

    Motif de la recommandation :L'article détaille un dispositif d'évaluation des compétences durables par des avatars IA pilotés par un Executive LLM, avec validation par des experts humains.

13 avrillun.
  1. Google DeepMind76

    Google DeepMind lance Gemini Robotics-ER 1.6, axé sur le raisonnement incarné

    Google DeepMind lance Gemini Robotics-ER 1.6, une mise à niveau de son modèle de raisonnement pour la robotique qui renforce le raisonnement spatial et la compréhension multi-vues. Le modèle progresse sur le pointage, le comptage et la détection de succès par rapport à Gemini Robotics-ER 1.5 et Gemini 3.0 Flash, et ajoute la lecture d'instruments comme les manomètres et voyants de niveau, développée avec Boston Dynamics. Il est disponible dès aujourd'hui via la Gemini API et Google AI Studio, avec un Colab de démonstration.

    Motif de la recommandation :Présentation des capacités de raisonnement incarné et de la lecture d'instruments, avec comparaison des performances et accès développeur via API.

3 avrilven.
2 avriljeu.
  1. Hugging Face Blog88

    Google DeepMind publie la famille Gemma 4 de modèles multimodaux ouverts sur Hugging Face

    Google DeepMind publie sur Hugging Face la famille Gemma 4, des modèles multimodaux sous licence Apache 2.0 capables de traiter texte.

    Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.

31 marsmar.
  1. Google Research75

    Google Quantum AI publie un livre blanc sur la vulnérabilité quantique des cryptomonnaies

    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.

29 marsdim.
26 marsjeu.
  1. Google DeepMind80

    Google DeepMind publie Gemini 3.1 Flash Live, son modèle vocal le plus abouti

    Google DeepMind publie Gemini 3.1 Flash Live, présenté comme son modèle audio et vocal de plus haute qualité.

    Motif de la recommandation :Le modèle de voix de Google DeepMind améliore la précision et réduit la latence, avec des scores sur ComplexFuncBench Audio et Audio MultiChallenge qui permettent de situer les capacités de dialogue en temps réel.

  2. Google DeepMind62

    Google DeepMind publie une étude sur la manipulation nuisible par l'IA et un outil de mesure validé

    Google DeepMind publie de nouveaux résultats sur le risque que l'IA soit détournée à des fins de manipulation nuisible.

    Motif de la recommandation :L'étude fournit un outil de mesure validé empiriquement et ouvre ses supports, ce qui permet de reproduire et d'étendre l'évaluation de la manipulation nuisible.

  3. Google DeepMind73

    Google DeepMind lance Lyria 3 Pro, génération musicale jusqu'à 3 minutes

    Google DeepMind présente Lyria 3 Pro, une version avancée de son modèle de génération musicale capable de créer des morceaux allant jusqu'à 3 minutes avec une meilleure compréhension de la composition, permettant de demander des intros, couplets, refrains et ponts. Le modèle arrive en aperçu public sur Vertex AI et rejoint Google AI Studio, l'API Gemini, Google Vids, l'application Gemini et ProducerAI, avec un déploiement auprès des clients Workspace et des abonnés payants. Toutes les sorties sont marquées par SynthID et le modèle ne reproduit pas les artistes nommés dans les prompts.

    Motif de la recommandation :Lyria 3 Pro allonge la génération à 3 minutes avec une conscience structurelle, et son intégration à Vertex AI, AI Studio, Vids et Gemini éclaire les usages professionnels.

25 marsmer.
  1. Google Research62

    Google lance Vibe Coding XR avec XR Blocks et Gemini

    Google annonce Vibe Coding XR, un flux de travail qui associe Gemini au framework web XR Blocks pour transformer des descriptions en langage naturel en applications Android XR fonctionnelles et sensibles à la physique en moins de 60 secondes. Le système s'appuie sur des prompts système spécialisés et des modèles de code pour gérer la logique spatiale, avec des exemples allant d'un tuteur de mathématiques à une expérience de chimie immersive. Une évaluation préliminaire sur le jeu de données VCXR60, issu de quatre ateliers internes et comptant 60 prompts fournis par 20 participants, indique un taux de réussite d'environ 70 % lors des premières itérations, avant 11 versions majeures et la publication de XR Blocks Gem v0.11.0 comme référence de base. Le framework open source est accessible sur Android XR et une démonstration est prévue au stand Google à ACM CHI 2026.

    Motif de la recommandation :Google détaille un flux de prototypage XR piloté par Gemini, avec des exemples concrets et une évaluation préliminaire sur 60 prompts.