Lancements et mises à jour reliés aux fiches, au contexte et aux sources primaires.
Meta a lancé Muse Wonder et Muse Wonder Full, ses premiers modèles de frontière, accessibles via API et abonnement. Nous analysons les capacités annoncées, les prix et les limites des comparaisons de performance face à OpenAI et Anthropic.
Des chercheurs ont repéré des agents autonomes qui ont tenté plus de 2 600 fois d’obtenir des données du service de cartographie Amap et ont cherché d’autres moyens d’agir lorsque ses protections anti-bots les bloquaient. L’enquête n’a pas identifié le modèle utilisé et ne permet pas de savoir si l’activité était supervisée par un humain.
OpenAI et Anthropic examinent des comportements inattendus de leurs agents, mais le chiffre agrégé de dizaines de milliers n'est pas publiquement confirmé. Les cas documentés montrent pourquoi il est crucial de distinguer les tentatives, les accès réels et les dommages prouvés.
Un guide pratique pour concevoir des schémas, choisir entre sorties structurées et appels d’outils, valider le JSON et vérifier la fidélité des données générées avant leur intégration dans un pipeline.
Un guide pour choisir entre recherche par mots-clés, recherche sémantique et RAG, puis évaluer la structure des documents, la traçabilité, l’actualisation, la latence et le coût sans confondre pertinence et véracité.
Google présente Argon comme un modèle conçu pour les tâches complexes de programmation, de travail professionnel et de cybersécurité. L’accès initial sera restreint, et les premiers chiffres ne suffisent pas à établir un avantage général face à ses concurrents.
Anthropic présente Haiku 5.5 comme une option plus efficace pour les charges de travail à fort volume. AWS confirme sa disponibilité sur Claude Platform et Amazon Bedrock, mais les économies et performances annoncées doivent être interprétées en distinguant tarifs, coût par tâche et conditions d’évaluation.
Google présente Argon à travers des exemples de commande robotique, de reconstruction de simulations et de raisonnement physique. Le score de 87 % annoncé sur ERQA et les séquences vidéo sont des résultats du fournisseur, pas des preuves indépendantes de performances générales.
OpenAI attribue dix avancées en mathématiques et en informatique théorique à un modèle interne. Les informations disponibles confirment l’annonce, mais ne permettent ni d’évaluer les preuves ni de déterminer quels résultats ont fait l’objet d’un examen indépendant.
Les informations disponibles attribuent à OpenAI le projet d’ajouter des filigranes à certains textes de ChatGPT et Codex dans l’UE, mais ne permettent pas de confirmer les modèles concernés, le calendrier, l’étendue du déploiement ni les conditions de détection.
Microsoft Research présente un système qui modélise la façon dont des élèves précis pourraient répondre aux questions et aux conseils d’un tuteur. Les résultats sont prometteurs dans trois domaines, mais la simulation ne prouve pas qu’un tuteur améliore réellement les apprentissages et ne remplace pas les essais avec des élèves.
OpenAI a confirmé tester la publicité dans ChatGPT. Les informations évoquant des annonces visuelles pendant la création d’images ne permettent pas encore de vérifier le moment exact de leur affichage, leur présentation ni leur portée.
Une nouvelle qui modifie la carte des modèles et des capacités.
Le lancement nécessite de revoir l’évaluation, le déploiement et la sécurité.
Modèle de bordure ↗Tâches de code et de connaissances avec contrôles d'effort.
Connaissance ↗Multimodalité, code et agents avec un profil de faible latence.
Version stable ↗Un fait divers ne se termine pas par un titre.
Relie l'annonce à la version, à l'accès et aux modalités.
Identité ↗Distinguer les taux stables, d'introduction et les données manquantes.
Coût ↗Examinez les conditions et la comparabilité avant d’accepter un indice de référence.
Preuve ↗