Actualité par sujet

Recherche en IA

Les travaux qui font avancer l'IA : articles scientifiques, benchmarks et évaluations de modèles.

Les 30 derniers faits, du plus récent au plus ancien.

21 novembre 2026

  • Fiabilité : non encore comprise ni validée par les mathématiciens

    Levent Alpöge, mathématicien employé par Anthropic, a annoncé le 20 novembre sur son site une preuve de l'hypothèse de Riemann généralisée. Il dit l'avoir trouvée « avec Claude », qu'il décrit comme central dans la découverte de l'argument. Terence Tao précise que la preuve a été générée avec un modèle interne. Elle n'existe pour l'instant qu'en Lean, sans version lisible par un humain ; Alpöge s'excuse de cette absence et s'engage à en rédiger une. Plusieurs mathématiciens, dont Andrew Sutherland (MIT), confirment que la preuve compile. Tao la juge « énorme » : elle semble mobiliser toute la puissance du programme de Langlands et de la géométrie arithmétique moderne, et sa compréhension prendra « du temps ». Le problème est l'un des sept problèmes du millénaire, doté d'un prix de 1 M USD par le Clay Institute. Que la preuve compile ne suffit pas : il faut encore vérifier que l'énoncé est correctement formalisé et que l'argument est compris. À ce stade, il s'agit d'une revendication, pas d'un résultat validé. À lire : Scientific American et le billet de Terence Tao.

  • Fiabilité : non vérifiée

    Quelques heures après l'annonce d'Alpöge, Ravi Vakil, professeur à Stanford et président de l'American Mathematical Society, a publié une preuve de l'hypothèse de Riemann généralisée. Son auteur est Alessandro Masullo, postdoctorant à Stanford, qui dit y avoir travaillé 12 ans. Vakil souligne que tout est « humain, sans IA ». Il comptait d'abord faire venir Masullo un an à Stanford pour peaufiner le texte, mais a préféré publier le brouillon en l'état. Ce texte n'est pas formalisé en Lean. Selon Tao, il se rapproche davantage de l'approche de Deninger que de celle de Connes, et il faudra aussi du temps pour l'assimiler. Non vérifiée ; il est trop tôt pour savoir si elle est correcte (TechCrunch).

    SourceTechCrunchVoir dans l'édition du 21 novembre 2026
  • Fiabilité : non vérifiée

    Tristan Buckmaster (NYU) et Levent Alpöge ont publié le 20 novembre au matin, sur Mastodon, une preuve dense « assistée par IA » d'explosion en temps fini (vitesse du fluide qui devient infinie) pour les équations de Navier-Stokes. Elle vise à combler la faille de la preuve publiée par OpenAI en septembre. Celle-ci remplissait formellement les conditions du prix Clay, mais reposait sur une force extérieure artificielle et finement réglée. Selon Tao, l'article est « techniquement lisible » et sa stratégie est claire : construire numériquement une solution approchée, puis la rendre exacte par perturbation rigoureuse. Il faudra toutefois une rédaction professionnelle. Désaccord entre sources : Tao fait état d'une formalisation Lean, tandis que Scientific American écrit que le certificat du résultat n'a pas encore été publié. Aucune validation indépendante à ce stade (Scientific American).

  • METR a publié la mise à jour du quatrième trimestre de son graphique d'horizon temporel, qui suit la durée des tâches que les modèles réussissent à accomplir. Il y ajoute des tâches plus longues et plus ouvertes. Certaines capacités continuent de progresser de façon exponentielle. En revanche, les modèles restent derrière les humains sur les tâches qui demandent du jugement. Aucune évaluation conçue par une IA n'a été jugée utile par les équipes de METR ; Opus 5.5 est jugé « tout juste au-dessus du seuil » sur cet exercice, alors qu'un an plus tôt tous les modèles étaient nettement en dessous. Les modèles restent aussi sous le niveau humain pour noter des arguments philosophiques. Limites signalées par METR : les durées humaines sont souvent estimées, la tâche philosophique a été notée principalement par une seule personne, et l'extrapolation des tendances reste incertaine. Le lien avec l'automatisation de la R&D en IA est discuté (MIT Technology Review).

  • Fiabilité : benchmark maison

    Ce benchmark de chimie médicinale compte 99 problèmes, tirés de 117 articles et brevets et couvrant 761 structures moléculaires. Les tâches portent sur la reconstruction de structures, l'interprétation de résultats expérimentaux, la sélection de composés et la prédiction de propriétés. Scores (part des points obtenus, effort de raisonnement « xhigh ») : GPT-6.2 Astra 84,5 %, GPT-6 Astra 83,3 %, GPT-6.1 Sol 82,0 %, GPT-6.1 Terra 75,1 %, GPT-5.6 Sol 58,2 %. GPT-6 Astra atteint 95,4 % en reconstruction de structures, mais seulement la moitié environ des points en sélection de composés et en prédiction numérique. Benchmark conçu par OpenAI qui ne teste que ses propres modèles, sans référence humaine. Chaque réponse est une tentative unique, sans outils. Les auteurs précisent que ces résultats ne disent rien de la capacité à découvrir des médicaments (OpenAI).

    SourceOpenAIVoir dans l'édition du 21 novembre 2026

19 novembre 2026

  • Fiabilité : chiffres auto-déclarés

    Dans un rapport technique publié le 18 novembre (« Advancing Chip Design with OpenAI Models »), OpenAI affirme que ses modèles ont amélioré jusqu'à 14 % la puissance, la performance et la surface (PPA) d'une IP GPU phare d'AMD, par rapport à des références déjà très optimisées. Cela représenterait environ un an de progrès de conception en moins de cinq mois. Selon la couverture, AMD a intégré certaines modifications dans un design envoyé en fabrication. AMD aurait aussi vérifié des gains de quelques pour cent sur des blocs de son prochain CPU phare. Sur Jalapeño, la puce d'inférence d'OpenAI, la surface de l'unité vectorielle aurait baissé d'environ 13 %. AMD et Synopsys ont réagi publiquement. Points de vigilance : 14 % est un maximum mesuré sur des blocs non nommés, pas sur du silicium fini ; chiffres auto-déclarés ; rapport original non consulté, résumé d'après des sources secondaires concordantes.

  • Second rapport d'OpenAI sur l'usage d'agents de code dans sa propre recherche (Research acceleration: The jagged frontier). Les agents réalisent désormais seuls près de la moitié (46 %) des tâches de recherche estimées à 2-4 heures de travail humain, contre 23 % en mars. Sur les tâches de 4-8 heures, la part passe de 13 % à 35 %. Selon des sources secondaires, la dépense médiane en agents par chercheur atteindrait environ 2 400 USD par jour aux tarifs de l'API, et le coût total des agents environ deux fois la masse salariale en numéraire. Les chiffres de mars et de coût viennent de sources secondaires (AI Weekly, DEV Community). Biais à noter : les chercheurs ont appris à mieux choisir ce qu'ils délèguent, ce qui gonfle mécaniquement le taux de réussite.

  • Ce papier présente une famille de modèles multimodaux (0,8 à 27 Md de paramètres) qui produisent des probabilités sur des réponses candidates. Une boucle pilotée par agent a proposé et analysé environ 600 expériences (environ 6 300 heures-accélérateur). Piccolo-27B arrive 1er du classement Decision Index Vision (75,59), et les modèles de 4 et 9 Md rivalisent avec des références de 27 Md sur des workflows spécialisés. Les auteurs observent aussi qu'une loss plus basse ne garantit pas une meilleure précision de décision. Aucune institution n'est nommée ; les outils utilisés (AgentScope, Data-Juicer) pointent vers l'écosystème d'Alibaba, ce qui reste une déduction.

  • Ce travail (BIT, Université de Tokyo, Alaya Lab et autres) fait respecter à un modèle de monde des règles définies par l'utilisateur, y compris après sauvegarde et rechargement, grâce à un graphe de règles 3D exécutable. Sur le jeu de données RuleVerse (Habitat), le taux de règles respectées passe de 44,1 % à 65,0 % face à la référence SWM. Le gain est modeste sur WorldState-Bench (Hugging Face Papers). Résultats auto-déclarés.

    SourceHugging Face PapersVoir dans l'édition du 19 novembre 2026
  • Les auteurs ramènent des modèles de diffusion vidéo autorégressifs à une latence interactive en 480p : 36 ms par image sur B200. Pour cela, ils remplacent le décodage VAE et la mise à jour du cache KV, une seule étape de décodage VAE pouvant coûter autant que 3,5 passes du DiT (Hugging Face Papers, via AI Weekly).

    SourceHugging Face Papers, via AI WeeklyVoir dans l'édition du 19 novembre 2026
  • Fiabilité : non recoupé

    L'enquête porte sur 15 925 jeunes de 15 à 22 ans dans 16 pays. En médiane, 33 % ont déjà utilisé une IA comme compagnon ou ami, et 50 % parmi les utilisateurs quotidiens. Les usages dominants restent la recherche d'informations (82 %) et l'aide aux devoirs (68 %) (Wired, via AI Weekly). Non recoupé : l'enquête n'a pas été retrouvée chez Gallup par recherche.

    SourceWired, via AI WeeklyVoir dans l'édition du 19 novembre 2026

18 novembre 2026

  • Le rapport « TeleChat to Xing4 » décrit un MoE de 285 Md de paramètres (environ 17 Md actifs, contexte jusqu'à 1 M de tokens), préentraîné sur 8 192 puces Huawei Ascend 910C avec le framework MindSpore. Un modèle plus petit, Xing4.0-29B-A4B, est publié en open source, et un modèle d'un trillion de paramètres est en cours d'entraînement. Les gains annoncés portent sur l'efficacité : préremplissage jusqu'à 4,68 fois plus rapide (en simulation), décodage spéculatif de 2,67 à 3,77 fois plus rapide. Le rapport ne donne pas de comparaison de capacités face aux modèles de pointe. C'est une nouvelle preuve d'entraînement à grande échelle sur puces chinoises, sur la seule base du rapport des auteurs. (Hugging Face Papers)

  • Bekkerman et al. analysent 2,5 millions d'articles en texte intégral de cinq disciplines, de 2015 à 2025. La plupart des tendances d'avant 2023 se prolongent sans rupture nette. Les exceptions : des fréquences de mots qui changent, et des équipes d'informatique qui s'agrandissent plus vite en Asie. La baisse apparente de diversité thématique en biomédecine vient surtout de la standardisation des formats. Ce résultat contraste avec les gains de temps déclarés par les scientifiques dans l'étude d'usage publiée par OpenAI la veille. Preprint non relu. (arXiv 2611.22975)

    SourcearXiv 2611.22975Voir dans l'édition du 18 novembre 2026

17 novembre 2026

  • OpenAI a analysé plus de 580 000 messages à caractère scientifique envoyés par 1 819 scientifiques, puis interrogé 251 d'entre eux. Les répondants estiment qu'un travail comparable leur aurait pris 1,9 fois plus de temps sans IA. Chiffre auto-déclaré, sans groupe témoin, publié par l'éditeur du produit. (OpenAI)

  • Perplexity lance une unité de recherche dont l'objectif est de construire des systèmes capables de formuler des hypothèses, de concevoir des expériences et de réviser leurs conclusions. L'entreprise promet de publier ses résultats, son code et ses modèles, et dit disposer de plus de 10 000 GPU. Source unique (billet de l'entreprise relayé par The Neuron). (Perplexity)

    SourcePerplexityVoir dans l'édition du 17 novembre 2026
  • Le rapport, coécrit par l'UNESCO et l'University College London (UCL), a testé 33 modèles. Environ 8 changements de réponse sur 10 surviennent à la première objection de l'utilisateur. Les meilleurs modèles obtiennent de 88 à 96 % sur des questions de manuel, mais seulement 33,8 % sur des comparaisons de politiques publiques. Les scores tombent de 88,6 % en anglais à 78,3 % en swahili. Le rapport a été présenté à la COP31, à Antalya. (ONU Info)

    SourceONU InfoVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Des chercheurs de l'IFM, de l'USC et de CMU annoncent jusqu'à 48 % de compute de préentraînement en moins pour atteindre la même loss. Preprint, résultat non répliqué. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Sans aide extérieure, les VLM de pointe ne dépassent pas 34 % sur des items appariés de raisonnement physique. Les auteurs y voient un goulet d'étranglement de planification. Preprint. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Cet index évalue les modèles sur des cas médicaux. Les scores vont de 17,5 à 49,1 sur 100, et Gemini 4 Argon arrive en tête. Preprint, publié le 17 novembre. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026
  • Un preprint (Türkoğlu, arXiv 2611.20003) passe en revue 40 rapports techniques de LLM open-weight. Il y relève de nombreuses ablations manquantes et des affirmations de reproductibilité non étayées. Preprint non vérifié en détail. (arXiv, via ai-daily-digest)

    SourcearXiv, via ai-daily-digestVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Ce modèle de Tencent génère des vidéos d'une minute en réduisant de 78 % la mémoire du cache KV. Preprint. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Une équipe de l'université Jiao Tong de Shanghai (SJTU) fait réaliser le repliement de protéines directement par Qwen 3.5-9B. Le modèle obtient un score TM de 0,808 sur FoldBench-334. Preprint. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026
  • Fiabilité : preprint

    Ce modèle vision-langage-action (VLA) pour robot repose sur DeepSeek-V4.1-Flash (552 Md de paramètres). En conditions réelles, il réussit 9 insertions de chargeur sur 10, contre 4 sur 10 auparavant. Preprint, échantillon de 10 essais. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 17 novembre 2026

16 novembre 2026

  • Fiabilité : résultat provisoire

    OpenAI a ouvert le 15 novembre un blog scientifique avec un billet invité de Nathaniel Craig (UCSB, chercheur invité chez OpenAI). Il y décrit une définition non perturbative candidate du Modèle standard sur réseau, un problème ouvert depuis environ cinquante ans, notamment à cause du traitement de la chiralité. Selon Craig, GPT-6 Astra a transformé une stratégie existante en construction concrète et en preuve détaillée. Le modèle a notamment proposé un moyen de projeter les configurations de champ sur des réseaux plus fins. Craig a lui-même dirigé la question de recherche. Un preprint arXiv accompagne le travail, et des spécialistes du réseau (Golterman, Kronfeld, Shamir) ont été consultés. Point de vigilance : résultat provisoire et non relu par les pairs. Craig parle d'une « réponse en principe plutôt qu'en pratique ». Plusieurs points restent ouverts : la positivité par réflexion à maille finie, le lien avec une théorie continue en interaction et la simulation numérique. (DEV Community, FourWeekMBA)

    Sourcesun billet invitéDEV Community, FourWeekMBAVoir dans l'édition du 16 novembre 2026

15 novembre 2026

  • Fiabilité : préprint

    Dans un préprint mis en ligne le 14 novembre et annoncé pour NeurIPS 2026, Chris von Csefalvay et ses coauteurs, liés à HCLTech, décrivent la modification non autorisée des poids d'un modèle par un autre modèle. Ils proposent une typologie : substitution factuelle, privation de capacité, omission sélective. Les trois études de cas, menées sur l'interface IWIBench, montrent qu'une perturbation ciblée est possible mais mal localisée. Le modèle modifié répond « Buenos Aires » sur 100 tirages sur 100, mais ne sait plus recopier « Sydney ». Le refus juridique visé n'apparaît que sur 5 prompts sur 22, et l'omission du fournisseur sur 1 sur 22. Sur IWIBench, la récompense moyenne passe de 0,21 à 0,43 en moins de cinq mois : c'est l'habileté à modifier qui progresse, pas une capacité offensive démontrée. Les auteurs ne démontrent ni propagation autonome, ni franchissement d'une isolation réseau, ni dommage réel. La propagation par des modèles intermédiaires reste hypothétique.

14 novembre 2026

  • Google Research détaille /teamwork, mode multi-agents d'Antigravity sur Gemini 4 : agents en parallèle, vérificateurs automatiques (Lean 4, suites de tests, simulateurs), et pour chaque agent seulement les fichiers et outils dont il a besoin. Résultats annoncés : preuve complète de la conjecture de Courtade–Kumar (2013), avec une preuve Lean d'environ 50 millions de lignes ; formalisation des conjectures de Weil en environ 1,8 million de lignes de Lean, sur 28 800 appels de sous-agents ; détermination de structures moléculaires à partir de spectres RMN à 95 % en top-1 avec 30 agents spécialisés ; portage du décodeur AV1 libgav1 en environ 170 000 lignes de Rust, conforme au bit près, et 20 à 30 % plus rapide que l'original C++/assembleur. Google ouvre /teamwork aux utilisateurs externes et offre six mois d'accès gratuit au palier le plus élevé à 10 000 chercheurs académiques. Résultats annoncés par Google, pas encore évalués de façon indépendante. Billet Google Research

13 novembre 2026

  • Fiabilité : analyse d'un chercheur, non vérifiée de façon indépendante

    Will DePue (Unemployment Labs) retrouve, à partir des seuls poids publiés, la graine aléatoire et la disposition des threads PyTorch utilisées pour initialiser chaque modèle. Cette disposition trahit le nombre de multiprocesseurs du GPU. Six modèles sortis depuis avril correspondraient à des puces Blackwell : DeepSeek-V4-Flash et MiniMax-M3 (B200/B300), DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro et Ling-3.1-flash (GB200/GB300). L'auteur juge la preuve concluante pour DeepSeek-V4-Flash. Points de vigilance : l'empreinte ne concerne que l'initialisation, pas forcément l'entraînement. L'analyse ne dit rien du lieu des puces, de leur mode d'acquisition ni d'une éventuelle violation des contrôles. L'hypothèse AMD MI300X n'a été exclue formellement que pour un modèle. Les estimations de parc ont été revues à la baisse le jour même. Pas de vérification indépendante. The Neuron note aussi que le code n'était pas publié au moment de son édition. (Unemployment Labs)

  • Fiabilité : préprint

    Ce préprint (arXiv 2611.15223) croise 15 chemins d'action d'un agent avec 8 points de contrôle possibles. Il compare ensuite les journaux de contrôle à des observations indépendantes prises au niveau du noyau. Résultat : une passerelle qui n'inspecte que les appels d'outils HTTP peut laisser passer des actions sur fichiers, processus ou réseau. Limite : la charge de test n'exerce que 4 des 15 chemins ; le reste de la couverture est analytique. (arXiv, dépôt GitHub VulcanLab/guardscope)

    SourcearXiv, dépôt GitHub VulcanLab/guardscopeVoir dans l'édition du 13 novembre 2026
  • Fiabilité : préprint, résumé d'agrégateur

    Ce papier de l'université du Zhejiang et de Baidu (« Actor, Judge, or Teacher? », arXiv 2611.17167) étudie les rôles d'un modèle de décision dans des agents à long horizon. Selon le résumé d'agrégateur, des modèles faibles suffisent encore à enseigner des politiques d'apprentissage par renforcement plus fortes. Papier non lu en entier : seul le résumé d'agrégateur a été consulté. (Hugging Face Papers)

    SourceHugging Face PapersVoir dans l'édition du 13 novembre 2026

12 novembre 2026

  • Fiabilité : préprint

    Dans le préprint « Mixed Signals: Weight-Space Programming for EEG and ECG » (Dara Varam, Taraneh Aminosharieh Najafi et David Atienza, déposé le 10 novembre, remonté le 12 sur Hugging Face Papers), Claude Opus 5.5 lit les poids d'un réseau entraîné et retrouve des défauts qu'on y a cachés sans les lui décrire. Il écrit aussi tous les poids d'un réseau en ne connaissant que l'architecture, la tâche et quelques sujets. Dans une expérience, il égale l'entraînement par descente de gradient avec 6 fois moins de sujets. Un agrégateur cite 2 730 poids et une précision équilibrée de 0,834 sur des sujets inédits, chiffres absents du résumé. Les auteurs notent deux limites : Claude n'améliore pas des classifieurs déjà bien entraînés, et ne reconnaît pas de façon fiable la tâche à partir des seuls poids. Préprint non relu ; affiliation EPFL avancée par un agrégateur, non affichée sur la page arXiv.

Toutes les éditions