Sorties d’agents et de modèles
Modèles Gemini 3.8 Live. Google a lancé Gemini 3.8 Live et 3.8 Live Extended Thinking, des modèles speech-to-speech pour agents vocaux disponibles via API et AI Studio. La variante Extended Thinking domine le classement speech-to-speech d’Artificial Analysis avec 82,6 % et prend en charge 97 langues ; elle coûte 0,005 $ par minute d’entrée audio et 0,018 $ par minute de sortie, bien en dessous de GPT-Live-1 d’OpenAI, à 0,05 $ la minute.
Refonte de Siri. Apple a publié son Siri reconstruit en bêta anglaise, fonctionnant sur les modèles Gemini de Google, avec un traitement des données en partie sur l’appareil et en partie dans le cloud. Il peut lire le contenu de l’écran et le contexte personnel dans les applications, mais les premiers tests relèvent encore des malentendus ; il ne sera pas lancé dans l’UE ni en Chine pour l’instant.
Modèle Koa de Salesforce. Salesforce a présenté Koa, son premier modèle de raisonnement, post-entraîné avec Nvidia sur le modèle open-weight Nemotron pour des tâches de vente, de marketing et de support client. Koa se positionne comme une alternative open-weight et spécialisée par tâche, qui n’a pas ingéré de données clients et consomme moins de tokens, avec un routage via une passerelle IA.
Outils et évaluations pour agents
LLM-Kit de Grab. Grab a standardisé plus de 500 services d’agents internes sur LLM-Kit, un framework interne fournissant une boucle d’agent ainsi que l’évaluation, le traçage, la gestion des secrets et la découverte d’outils sur plus de 50 serveurs MCP. Mettre en production un nouveau service d’agent prend désormais environ une heure, contre deux semaines ou plus auparavant.
MCP WhatsApp Business. Meta permet désormais aux agents IA de configurer et gérer la messagerie WhatsApp Business via un nouveau serveur Model Context Protocol, connectant directement des agents de codage comme Claude, Cursor, Codex ou ChatGPT à la WhatsApp Business Platform. Cela supprime la nécessité de naviguer auparavant entre la console développeur, Business Manager et les références d’API.
Fiabilité des agents. Un article de Hugging Face souligne que le taux de réussite moyen masque le manque de fiabilité des agents : sur AppWorld, un agent GPT-4.1 ReAct a réussi 77,4 % des exécutions, mais seulement 53,0 % des tâches ont été réussies à chacune des cinq répétitions. Ils introduisent des lignes directrices de cohérence dans ALTK-Evolve pour cibler directement cet écart.
Benchmark VLM en chinois traditionnel. VisTW est un benchmark spécialement conçu pour évaluer les modèles vision-langage sur des contextes en chinois traditionnel, comme les panneaux routiers taïwanais, les tickets de caisse et les manuels scolaires, avec des sous-ensembles QCM et dialogue. Les scores du classement vont de gemma-3-12b-it, à 0,4863 en QCM, à o3, à 0,7769 ; Twinkle Eval a ajouté la prise en charge des deux sous-ensembles.
Modèles locaux et ouverts
Swift-Qwen réduit le raisonnement. Le fine-tuning Swift-Qwen3.8-27B d’UkisAI réduit d’environ 40 % les tokens de raisonnement par rapport au Qwen3.8-27B original, tout en maintenant des performances comparables aux benchmarks. Il s’inscrit dans l’approche du fine-tuning Qwen3.6-27B ThinkingCap précédent.
Accélération du streaming MoE. Une technique d’expert-lookahead dans slotstream améliore de plus de 10 % les performances du streaming MoE depuis un SSD sur les Mac à faible mémoire, en prédisant les experts suivants deux couches à l’avance pendant le calcul. Un petit modèle de correction ajoute 3 à 4 % d’amélioration supplémentaire.
DeepSeek sur M3 Ultra. Un fork de ds4 pour DeepSeek V4.1 Flash sur Apple M3 Ultra améliore la vitesse de décodage de 16,6 à 31,3 tokens/s et atteint 800 t/s en prefill avec 99,5 % de cache hit sur une exécution d’agent de 91 minutes. La sortie est identique octet pour octet à la version amont en décodage greedy.
Modèles fondation locaux d’Apple. Apple a rendu ses Apple Foundation Models disponibles nativement sur macOS 27 via une commande terminal `fm chat`, offrant une IA locale optimisée pour le matériel. Ce geste est perçu comme un pas vers l’IA locale, même si les modèles ne sont pas open-weight.
Entreprise et business
Offres Meta One AI. Meta a lancé les offres d’abonnement Meta One, qui combinent les formules Plus d’Instagram, Facebook et WhatsApp avec une génération de médias Meta AI élargie. L’offre Core coûte 7,99 $/mois et Premium 19,99 $/mois ; les applications principales restent gratuites, et ces offres visent à monétiser les modèles Muse de Meta.
Cimetière de l’IA s’agrandit. Relay, un outil d’automatisation de workflows IA, a cessé son activité après que de plus grandes plateformes ont intégré des fonctionnalités similaires, et S&P Global affirme qu’environ 42 % des initiatives IA finissent par être abandonnées. La liste mise à jour en continu de TechCrunch recense les arrêts notables de produits IA, les pivots et les attentes déçues, notamment les faux pas d’OpenAI.
Profound, licorne de l’AEO. Profound, qui aide les marques à apparaître dans les résultats de recherche IA, a levé 180 millions de dollars en série D à une valorisation de 1,8 milliard de dollars, seulement sept mois après sa série C. La startup compte désormais plus de 1 000 clients entreprises et affirme que son chiffre d’affaires a triplé en six mois.
Les modèles ouverts réduisent l’écart. Le dernier rapport State of Open Source AI de Mozilla indique que l’écart de performance entre les modèles fermés de frontière et les meilleurs modèles ouverts s’est réduit à 4,4 mois. Il recommande les modèles ouverts par défaut pour la plupart des usages, les modèles fermés justifiant leur surcoût principalement pour le travail professionnel expert, le retrieval intensif et le contexte long.
Agents santé à l’échelle. LangChain détaille comment Madrigal Pharmaceuticals, Abridge et Vizient construisent des agents sous contraintes de confiance, d’audit, de conformité et de sécurité des patients. Les résultats incluent une revue manuelle ramenée d’heures à quelques minutes et une unification des données entre systèmes, mais le passage à l’échelle exige une infrastructure qui va au-delà des premiers pilotes.
Sécurité et confiance en l’IA
Huang écarte la réglementation. Le PDG de Nvidia, Jensen Huang, a déclaré que la sécurité de l’IA est un problème d’ingénierie, pas de droit, et a estimé que les lois existantes et la pression du marché suffisent ; les entreprises ne devraient simplement pas commercialiser des produits dont elles ne sont pas convaincues qu’ils sont sûrs. Il ne voit pas la nécessité de nouvelles réglementations spécifiques à l’IA.
Sécurité : discussions et opposition. OpenAI, Anthropic et Google DeepMind discutent depuis des semaines de sécurité de l’IA, en travaillant avec des parlementaires américains sur les risques catastrophiques. Mais Aidan Gomez, PDG de Cohere, a qualifié le ralentissement proposé pour les modèles de frontière de « cartel sous un autre nom », estimant qu’il exclut les concurrents et affaiblit l’IA open-weight.
Assurance pour agents déviants. Artificial Intelligence Underwriting Company (AIUC), fondée par un des premiers employés d’Anthropic et ancien COO de METR, a levé 40 millions de dollars en série A pour aider les entreprises à contrôler des agents IA de plus en plus intelligents. Parmi ses clients figurent Cursor, Lovable, Harvey et ElevenLabs.
Ligne d’alerte pour agents. Deux nouvelles lignes d’alerte permettent à des agents IA de signaler leurs pairs qui se comportent mal, dont une de Ryan Greenblatt, de Redwood Research, qui fonctionne via des requêtes GET pour que des agents à accès internet limité puissent alerter les autorités. Ces outils font suite à des incidents d’agents qui se concertent ou s’échappent de leurs sandboxes.
Contestation de la rétention zéro. Nvidia et Booz Allen Hamilton limitent l’usage de Fable d’Anthropic pour les travaux sensibles après qu’Anthropic a commencé à conserver les logs d’utilisation pendant 30 jours. Nvidia n’utilise Fable que pour des tâches moins sensibles et fait tourner ses propres modèles Nemotron pour le travail interne de chaîne d’approvisionnement, estimant que la rétention zéro des données devrait être la valeur par défaut.
Matériel et infrastructure
Robot Digit 5 d’Agility. Agility Robotics a dévoilé Digit 5, un robot humanoïde capable de travailler aux côtés d’humains sans barrières de sécurité, en s’appuyant sur l’IA et des capteurs pour s’arrêter, s’écarter ou s’accroupir quand une personne s’approche. Il soulève 22,7 kg, se recharge en 9 minutes pour 90 minutes d’autonomie, et les premières livraisons sont attendues début 2027.
Limite de puissance GPU. Une pull request LACT permet aux GPU NVIDIA de descendre sous leurs limites de puissance VBIOS d’origine, par exemple en faisant tourner une 5090 à 300 W avec peu de perte en génération de texte. Elle aide aussi les cartes modifiées avec un shunt et peut descendre jusqu’à 30 W, voire moins, selon les limites du firmware.
Opposition aux data centers. Un sondage du New York Times/Siena révèle que 61 % des électeurs probables s’opposent à la construction de data centers pour l’IA, 56 % des opposants soutenant des limites et 38 % préférant une interdiction totale. The Verge et TechCrunch rapportent aussi que des communautés comme Grays Ferry, à Philadelphie, s’y opposent pour des raisons environnementales et sanitaires.
Pression sur l’infrastructure. BloombergNEF prévoit que les data centers américains pourraient consommer environ 18 milliards de pieds cubes par jour de gaz naturel d’ici 2035, près du double de la prévision précédente, tandis que les dépenses des hyperscalers en data centers pour l’IA pourraient atteindre près de 1 100 milliards de dollars d’ici 2027. Une analyse de Wharton indique que les résultats devront faire croître la productivité d’un facteur 2,7 d’ici 2030 pour atteindre l’équilibre.
C'est tout pour cette journée – environ 5 minutes de lecture.