Orientations techniques
L'actualité des modèles, frameworks et dépôts open source : ouverture des poids, succès fulgurants des projets communautaires, rapport de force entre open source et modèles fermés.
227 sélections30 derniers jours 14 entréesTotal : 416 entrées
Mistral a présenté lors de l'AI Now Summit une pile IA intégrée pour l'ingénierie industrielle.
Motif de la recommandation :Mistral détaille sa pile IA industrielle et son agent Vibe, avec des partenariats Airbus, BMW et ASML et un centre de données en France, ce qui éclaire le positionnement entreprise.
Mistral AI publie en aperçu public Search Toolkit, un cadre composable et open source pour construire des pipelines de recherche destinés aux applications IA.
Motif de la recommandation :Un cadre unifié d'ingestion, de récupération et d'évaluation, open source et déployable sur site, qui permet de comparer les configurations de recherche sur ses propres données.
Mistral annonce l'intégration d'Emmi AI et le lancement d'une nouvelle capacité d'IA physique au sein de ses solutions d'entreprise pour l'ingénierie industrielle native en IA. Cette approche apprend des sorties de solveurs physiques pour prédire le comportement physique directement à partir de la géométrie et des conditions aux limites, en un seul passage avant sur un GPU, de l'ordre de la seconde, contre des heures à des semaines de calcul par variante de conception avec les méthodes traditionnelles. Mistral cite comme partenaires ASML, Airbus, Safran et Siemens Energy, et indique que cette capacité s'applique à l'aérospatiale, l'automobile, l'électronique et les semi-conducteurs, l'énergie et les équipements industriels.
Motif de la recommandation :Mistral intègre Emmi AI et présente l'IA physique comme une capacité d'ingénierie industrielle au sein de sa plateforme d'entreprise.
Hugging Face a fusionné une PR dans TRL qui encode uniquement les éléments modifiés des poids bf16 sous forme de fichier safetensors sparse.
Motif de la recommandation :Le texte détaille un protocole de synchronisation de poids par deltas sparse via HF Buckets, avec code et architecture, utile pour réduire les coûts de l'RL asynchrone.
Mistral AI lance Mistral Medium 3.5 en aperçu public, un modèle dense de 128B à fenêtre de contexte de 256k fusionnant suivi d'instructions.
Motif de la recommandation :Mistral Medium 3.5 est publié en open weights et devient le modèle par défaut de Vibe et Le Chat, avec des agents cloud asynchrones et un mode Work.
Hugging Face publie six nouveaux rerankers Sentence Transformers CrossEncoder, de 17M à 1B de paramètres.
Motif de la recommandation :Six rerankers de 17M à 1B, avec données et recette d'entraînement complètes, permettent d'évaluer le compromis qualité-latence d'un pipeline retrieve-then-rerank.
Hugging Face détaille comment séparer les charges CPU et GPU pour accélérer l'inférence LLM.
Motif de la recommandation :Décrypte le pipeline asynchrone du continuous batching avec streams, événements et carry-over, et documente un gain mesuré de 22 % sur un cas reproductible.
IBM publie un descriptif technique détaillé de la construction des Granite 4.1, une famille de LLM denses decoder-only de 3B.
Motif de la recommandation :L'article détaille le pipeline de pré-entraînement en cinq phases et la recette RL de Granite 4.1, utile pour comprendre comment un dense 8B rivalise avec un MoE 32B.
NVIDIA publie Nemotron 3 Nano Omni, un modèle de compréhension omni-modal conçu pour l'analyse de documents.
Motif de la recommandation :L'original détaille l'architecture hybride Mamba-Transformer-MoE et les gains sur les benchmarks documents, vidéo et audio, ce qui permet de situer les capacités omni-modales ouvertes.
DeepSeek a publié V4, avec deux checkpoints MoE sur le Hub : DeepSeek-V4-Pro (1.
Motif de la recommandation :L'article détaille l'architecture CSA/HCA et les choix de post-entraînement qui rendent l'inférence à 1M tokens exploitable pour les agents.
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.
Hugging Face publie un Skill et un harnais de test pour aider les contributeurs à porter les modèles de transformers vers mlx-lm.
Motif de la recommandation :Le Skill et le harnais de test transforment le portage de modèles transformers vers mlx-lm en un processus reproductible, avec des règles concrètes pour des PR de qualité.
HCompany lance HoloTab, une extension Chrome gratuite qui automatise des tâches sur n'importe quel site web sans configuration ni compétence technique.
Motif de la recommandation :HoloTab transforme le modèle computer-use Holo3 en extension Chrome gratuite, avec des routines enregistrées et rejouables, ce qui montre comment un agent navigue et agit dans le navigateur.
Overworld publie Waypoint-1.5, son nouveau modèle de monde vidéo temps réel.
Motif de la recommandation :L'original expose les paliers de résolution, la plage matérielle et les modes d'exécution locale, ce qui permet de juger de l'accessibilité réelle du modèle.
Sentence Transformers v5.4 permet d'encoder et de comparer textes, images, audio et vidéos via la même API.
Motif de la recommandation :La v5.4 de Sentence Transformers unifie texte, image, audio et vidéo dans une même API d'embedding et de reranking, avec la liste des modèles compatibles.
Google DeepMind annonce Gemma 4, sa famille de modèles ouverts la plus intelligente à ce jour.
Motif de la recommandation :L'original détaille les quatre tailles de Gemma 4, la licence Apache 2.0 et les performances comparées sur Arena, ce qui permet de juger de son intérêt pour le déploiement local et l'edge.
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.
Le Falcon Vision Team du Technology Innovation Institute (TII) d'Abu Dhabi publie Falcon Perception.
Motif de la recommandation :Falcon Perception et Falcon OCR adoptent une architecture Transformer à fusion précoce unique, avec des benchmarks détaillés et un code open source pour comparer les compromis de conception.
Hugging Face présente gradio.Server, une extension de FastAPI qui ajoute le moteur d'API de Gradio (file d'attente.
Motif de la recommandation :gradio.Server permet de conserver la file d'attente et le support ZeroGPU de Gradio tout en apportant son propre frontend, ce qui change la façon de construire sur Spaces.
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.