Aller au contenu
BOLINI.IO / VEILLE IA ÉDITION Nº 006

SIGNAUX

dimanche 25 octobre 2026 6 entrées ≈ 4 min

Veille IA quotidienne — ce qui compte, sans le bruit.

Ce matin

Dessa, le laboratoire de Block, publie un modèle parole-vers-parole entraîné de zéro sur des conversations humaines : aucun texte, aucun modèle pré-entraîné, un seul rack NVIDIA GB200 NVL72 pour l’entraînement, un MacBook Pro M4 Max pour l’inférence. Ailleurs : Ollama ajoute la synthèse vocale avec Phonon, NVIDIA fait tenir un modèle de 8 milliards de paramètres dans 6,18 Go, et llama.cpp fusionne le support de DeepSeek-V4.1-Flash.

À la une

Un modèle de conversation entraîné sans jamais lire de texte

Le laboratoire Dessa, chez Block, publie un modèle parole-vers-parole entraîné de zéro sur des conversations humaines, sans texte ni modèle pré-entraîné. Il est full-duplex : il écoute pendant qu’il parle, place ses interruptions et ses relances dans la conversation, et l’inférence tourne plus vite que le temps réel sur un MacBook Pro M4 Max ou plus puissant. L’entraînement a tenu sur un seul rack NVIDIA GB200 NVL72.

Pourquoi ça compte Toute la voix industrielle passe aujourd’hui par une transcription puis une synthèse : si le langage s’apprend directement dans le son, cette chaîne à trois étages devient un choix d’architecture, et le ton, la respiration et l’hésitation cessent d’être jetés à l’entrée.

Block (Dessa) 25 oct. Labo source primaire ↗

[01] Outils

Ollama ajoute la synthèse vocale avec Phonon, 113 fois le temps réel sur M5 Max

Ollama 0.40.11 expose des modèles de parole, en commençant par Phonon, la famille de synthèse vocale de Gradium. Sur un MacBook Pro M5 Max, l’implémentation MLX génère 113 fois le temps réel, contre 84 fois pour le runtime de Gradium, avec un taux d’erreur de mots de 1,2 % sur 200 phrases du jeu Seed-TTS anglais transcrites par Whisper large-v3. Le modèle anglais est sous Apache 2.0 ; les variantes 40M français, allemand, espagnol, portugais et multilingue sont sous CC BY-NC 4.0, donc non commerciales. macOS seulement pour l’instant.

Pourquoi ça compte Un TTS local derrière l’endpoint /v1/audio/speech compatible OpenAI retire un aller-retour réseau d’une boucle vocale, mais la licence non commerciale des voix francophones bloque l’usage en produit.

Ollama· 24 oct. · source ↗

[02] Labo

NVIDIA fait tenir un modèle de 8 milliards de paramètres dans 6,18 Go

Nemotron-3.5-Bolt-E4B-4GB est un post-entraînement de Gemma-4-E4B-it : 8 milliards de paramètres dont 4 effectifs, quantifié en Q4_K_M pour 6,18 Go, 65 536 tokens de contexte en entrée comme en sortie, accompagné d’un drafter DFlash pour le décodage spéculatif et d’une recette llama.cpp. Selon NVIDIA, il obtient 53,10 sur MultiChallenge contre 42,08 pour Gemma-4-E4B-it et 67,05 sur RoleBench contre 49,95 ; sur BFCL-v3 il est à 68,51, derrière les 70,95 de Qwen3.5-4B. Licence OpenMDW-1.1, usage commercial autorisé.

Pourquoi ça compte Un modèle de cette taille avec 64 000 tokens de contexte laisse de la mémoire pour le STT ou le TTS sur la même machine : c’est le format qui rend un assistant vocal embarqué possible sans serveur.

NVIDIA (Hugging Face)· 23 oct. · source ↗

[03] Outils

llama.cpp fusionne le support de DeepSeek-V4.1-Flash et de ses 763 milliards de paramètres

La pull request 31086, fusionnée le 25 octobre à 1 h 43 UTC, ajoute l’architecture deepseek41 au dépôt principal : 2 798 lignes ajoutées sur 39 fichiers, avec un cache des couches de lecture à KV compressé calculé une seule fois, un gather des lignes Engram déplacé dans le graphe et les constantes de hachage PLE rangées dans les hyperparamètres. Le dépôt Hugging Face du modèle déclare 763 205 315 794 paramètres en safetensors, en FP8 et int8.

Pourquoi ça compte Des quants communautaires circulaient depuis deux jours, mais sur des branches : avec le support natif, un MoE de cette taille se charge avec le même binaire que le reste de la pile, ce qui sépare une curiosité d’une option de production.

llama.cpp· 25 oct. · source ↗

[04] Recherche

Mundo transforme 1 à 12 photos d’un lieu en monde simulable

Le MMLab de NTU et ACE Robotics présentent Mundo : à partir de 1 à 12 images d’un même lieu, il reconstruit un proxy 3D fait de boîtes englobantes qu’un agent vision-langage affine en boucle dans Blender, en comparant ses rendus aux photos d’entrée. Un simulateur calcule ensuite les mouvements et les collisions, et un modèle vidéo rend le résultat en conservant l’apparence du lieu, pour l’exploration, l’édition d’objets et des tâches robotiques en real-to-sim.

Pourquoi ça compte Séparer la physique, confiée à un simulateur, du rendu, confié à un modèle vidéo, évite d’attendre d’un modèle génératif qu’il respecte les lois du mouvement : l’architecture se réutilise sur tout lieu réel qu’on ne veut pas scanner.

Hugging Face (MMLab, NTU)· 23 oct. · source ↗

[05] Analyse

Onze heures de code pour construire un modèle de raisonnement depuis un LLM pré-entraîné

Sebastian Raschka publie huit vidéos, 11 heures au total, qui partent d’un LLM pré-entraîné et implémentent en Python et PyTorch l’évaluation, le scaling à l’inférence, l’apprentissage par renforcement et la distillation. La série accompagne son livre Build a Reasoning Model (From Scratch) et prolonge son cours Coding LLMs from the Ground Up.

Pourquoi ça compte Le raisonnement n’est pas un réglage d’API mais une chaîne d’entraînement : avoir le code de chaque étage change ce qu’une petite équipe peut vérifier elle-même au lieu de le supposer.

Ahead of AI· 24 oct. · source ↗

Sources balayées chaque matin

Sélection à la main dans un flux automatique : les liens pointent toujours vers la source primaire, jamais vers un agrégateur.