LLM & Modèles
Grands modèles de langage : GPT, Claude, Gemini, Mistral et poids ouverts.
97 published articles
Collaboration multi-agents
Le chat de groupe est la nouvelle frontière pour les agents d'IA
AgentTeams d'Alibaba Cloud et Claude Tag d'Anthropic transforment les chats de groupe en terrain d'essai pour la collaboration multi-agents. Le passage de conversations individuelles à des échanges à plusieurs introduit des défis complexes de gestion du contexte, de gouvernance des permissions et de mémoire, ainsi qu'un nouveau paradigme pour le fonctionnement de l'IA au sein des organisations.
2026-07-16
Conception de systèmes / Infrastructure LLM
Pourquoi le routage de modèles est un problème de systèmes, pas de classification
Sur 417 tâches agentiques, GPT-4.1 s'est avéré presque deux fois plus cher que Sonnet malgré un prix catalogue inférieur, car la mise en cache, et non les taux de base, a dominé les coûts. Une analyse approfondie des raisons pour lesquelles le routage de modèles échoue lorsqu'il est traité comme une classification, et comment construire des routeurs qui optimisent simultanément le coût, la latence et la précision.
2026-07-15
Intelligence Artificielle
Ce qu'Inkling révèle sur la nouvelle ligne de partage du marché des modèles open-source
Inkling est le premier modèle ouvertement disponible de près de 1 000 milliards de paramètres avec entrée native audio, image et texte, aux côtés d'une fenêtre de contexte de 1 million de tokens et d'une variante quantifiée NVFP4. Les scores bruts des benchmarks sont solides, mais l'histoire la plus révélatrice est la manière dont l'écosystème open-source est passé d'un acteur de rattrapage à une concurrence active à la frontière, et où Inkling s'insère dans cette nouvelle carte.
2026-07-15
Développement IA
Le vibe coding est rapide. Livrer ce qu'il produit est là où le vrai travail commence.
Le vibe coding accélère le prototypage et abaisse la barrière pour les débutants, mais sa dette technique cachée, ses risques de sécurité et son absence de traçabilité du raisonnement remettent en question l'hypothèse selon laquelle le code généré par l'IA est prêt pour la production. Les développeurs doivent peser la vitesse contre le contrôle.
2026-07-14
Performance des LLM
Une startup chinoise de génération vidéo vient discrètement de surpasser Claude Opus en codage
Le M2.7 de MiniMax obtient 56,22 % sur SWE-Pro, égalant presque la performance de Claude Opus, tout en vantant une adhérence aux compétences de 97 % sur des tâches complexes et une édition de productivité bureautique supérieure. Le modèle signale un passage de la course aux benchmarks à un déploiement réel d'agents.
2026-07-14
Google DeepMind
Gemma 4 vient de donner l’impression que tous les autres modèles open-weight sont 10 fois trop gros
La famille open-weight nativement multimodale Gemma 4 de Google DeepMind introduit un mode de réflexion, une architecture sans codeur et des options MoE. Le modèle à 2,3 milliards de paramètres correspond aux performances du Gemma 3 à 27 milliards. Le modèle à 31 milliards domine les classements open-weight.
2026-07-13
IA de télédétection
Des tokens plus intelligents réduisent de trois fois les coûts de l'IA satellitaire sans perte de précision
OlmoEarth v1.1 d'Ai4earth réduit les coûts de calcul jusqu'à 3x par rapport à v1 pour l'analyse d'images satellitaires, en utilisant une technique de fusion de tokens plus intelligente qui maintient les performances. Les modèles mis à jour permettent des mises à jour de cartes à l'échelle planétaire moins coûteuses pour les organisations partenaires.
2026-07-13
Lean 4
Leanstral 1.5 prouve que les anciennes règles de tarification de l'IA ne s'appliquent pas aux mathématiques
Le Leanstral 1.5, un modèle à 6 milliards de paramètres actifs, sature miniF2F, résout 587 problèmes de PutnamBench et découvre 5 bugs non signalés auparavant dans des dépôts open-source. À environ 4 $ par problème, il sous-cote Seed-Prover de 75 fois et Aleph Prover de 15 fois, remettant en question l'hypothèse selon laquelle la vérification formelle nécessite des budgets de calcul massifs.
2026-07-12
Optimisation des systèmes
DSpark montre que l’inférence rapide de l’IA est un problème d’ordonnancement, pas un tour de modèle
L’article de DSpark de DeepSeek révèle que le décodage spéculatif naïf dégrade le débit en situation de forte concurrence. Sa solution, la vérification à ordonnancement par confiance, adapte la longueur des blocs par requête et déplace la frontière de Pareto des performances de service.
2026-07-12
LLM à long contexte
L'attention bifocale de Jet-Long tue le compromis de mise à l'échelle fixe pour les LLM à long contexte
Jet-Long adapte la remise à l'échelle de RoPE de manière dynamique en fonction de la longueur de séquence, en utilisant une fenêtre locale et une fenêtre longue fusionnées par inclusion-exclusion. Sur les modèles Qwen3 jusqu'à 128K de contexte, il dépasse les bases zero-shot existantes de plus de 2 points de pourcentage sur RULER et atteint la plus faible perplexité sur PG-19, tout en ajoutant moins de 4% de surcoût de génération.
2026-07-12
Stratégie de données synthétiques
L'atlas de données de Nvidia montre pourquoi les données synthétiques importent plus que les poids des modèles
L'Atlas de prompts Nemotron Post-Training v3 de Nvidia fournit une carte interactive de milliards d'échantillons de données synthétiques, soulignant comment les données synthétiques ouvertes constituent la couche manquante pour construire des agents IA fiables. L'entreprise affirme que le comportement des agents doit être inspectable et que les données synthétiques, publiées ouvertement, sont le seul moyen de préserver les signaux propriétaires sans exposer les secrets commerciaux.
2026-07-12
Infrastructure Open Source
Votre pipeline de recherche IA est cassé. Ce framework open-source répare la plomberie.
Les équipes construisant une infrastructure de recherche IA passent encore trop de temps sur la plomberie. Search Toolkit unifie l'ingestion, la récupération et l'évaluation dans un seul framework open-source, éliminant les semaines de travail d'intégration nécessaires pour assembler des outils séparés. Il est conçu pour des cas d'utilisation d'entreprise tels que la qualité RAG, la récupération spécifique à un domaine et la recherche agentique.
2026-07-11