Aller au contenu
BOLINI.IO / VEILLE IA ÉDITION Nº 009

SIGNAUX

mercredi 28 octobre 2026 7 entrées ≈ 7 min

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

Ce matin

Liquid AI publie LFM3-1.7B, pré-entraîné sur 22 000 milliards de tokens puis post-entraîné sur 3 500 milliards de tokens de traces agentiques, qui marque 38,42 sur WebArena-Verified contre 3,02 pour son prédécesseur avec 35 % de paramètres en moins, et occupe environ 1 Go en 4 bits pour 256 000 tokens de contexte. Ailleurs : Genie 4 génère son monde en temps réel avec son audio et confie la cohérence de la simulation à Gemini 3.8 Flash, Google Research fait consolider les connaissances d’un modèle pendant une phase de sommeil jusqu’à 10 millions de tokens, et Project Zero compare six mois de fuzzing et d’agents sur V8.

À la une

Un modèle de 1,7 milliard de paramètres tient dans 1 Go et pilote un navigateur

Liquid AI publie LFM3, six modèles de la classe 2 milliards bâtis sur un même squelette de 1,7 milliard de paramètres, et LFM3-1.7B en est la base textuelle. L’architecture tri-hybride compte 24 couches : 13 convolutions courtes à porte, 5 couches d’attention à fenêtre glissante de 256 tokens et 6 couches d’attention globale, avec un noyau de convolution porté de 3 à 7. Le modèle est pré-entraîné sur 22 000 milliards de tokens, puis passe par un post-entraînement de 3 500 milliards de tokens enrichi en traces agentiques et en appels d’outils qui étend la fenêtre à 256 000 tokens ; en 4 bits, il occupe environ 1 Go. Selon les chiffres publiés par Liquid AI, il marque 38,42 sur WebArena-Verified contre 3,02 pour LFM2.5-2.6B et devance Qwen3.5-9B sur les tâches longues dans le navigateur. Les poids sont ouverts sur Hugging Face, et le modèle est post-entraîné pour des harnais agentiques nommément cités : Hermes Agent, Pi et OpenClaw.

Pourquoi ça compte Un agent qui tourne sur l’appareil, avec 256 000 tokens de contexte et des appels d’outils appris, déplace le coût d’un pipeline du serveur vers le poste de travail : l’arbitrage se joue désormais sur la qualité du fine-tune et la vitesse en contexte long, pas sur la taille du modèle.

Hugging Face 28 oct. Outils source primaire ↗

[01] Labo

Genie 4 génère son monde en temps réel et délègue le pilotage à Gemini 3.8 Flash

Google DeepMind ouvre en aperçu de recherche Genie 4, un modèle de monde multimodal qui produit l’image et le son ensemble : ambiance, musique et dialogue interactif naissent avec la scène, sans piste audio séparée. La cohérence est confiée à Gemini 3.8 Flash, qui observe les images générées en continu, découpe l’objectif en étapes, vérifie que chacune a réussi et adapte le plan quand l’utilisateur intervient ; la démonstration robotique fait fournir les étapes par Gemini 4 Argon, injectées comme légendes de texte pendant le rendu. DeepMind écrit que la cohérence tient sur des sessions courtes et que la permanence des objets dérive sur les sessions longues, après plusieurs modifications de prompt ou lors de déplacements dans la scène ; le texte lisible, la précision spatiale et l’exactitude audio restent des chantiers. Accès réservé à des testeurs de confiance, puis aux abonnés Google AI Ultra dans Project Genie et à des partenaires via l’API Gemini et AI Studio ; tout contenu généré porte le filigrane SynthID.

Pourquoi ça compte Un environnement interactif qui se pilote au texte remplace des heures de rendu pour produire un scénario de test d’agent : la limite affichée n’est plus la génération mais la dérive de la scène, donc la durée pendant laquelle un épisode reste exploitable comme donnée d’entraînement.

Google DeepMind· 27 oct. · source ↗

[02] Recherche

Google Research fait consolider les connaissances d’un modèle pendant une phase de sommeil

Le cadre alterne une phase active, où le modèle emmagasine les entrées dans une mémoire courte, et une phase de sommeil hors ligne où il ouvre des blocs MoE pré-alloués et distille la mémoire courte dans des experts de rang faible, par distillation généralisée et imitation par apprentissage par renforcement, avant de réinitialiser les paramètres temporaires. Sur BABILong, la consolidation en mémoire paramétrique tient jusqu’à 10 millions de tokens et dépasse GPT-4 et Titans selon les auteurs. L’intégration de faits atteint 48,9 % sur SQuAD en tâche unique et 46,2 % en pré-entraînement continu, devant le modèle de base, le SFT et SEAL. Sur AIME 24, AIME 25 et HMMT 25, le modèle de base ainsi augmenté marque 79,2 %, 69,0 % et 46,1 %, devant SFT, GRPO et OPSD ; l’architecture reste figée, seuls des experts sont ajoutés.

Pourquoi ça compte Si la consolidation tient hors du prototype, la fenêtre de contexte cesse d’être le seul levier de mémoire d’un agent : on paie une passe de sommeil pour fixer ce qui a été lu, au lieu de repayer les tokens à chaque requête.

Google Research· 27 oct. · source ↗

[03] Recherche

Des portes d’attention apprises font tomber une attaque par injection de prompt de 97 % à 10 %

Heads of Security ajoute au modèle un petit ensemble de portes d’attention, apprises tête par tête, qui redistribuent l’attention entre tokens de confiance et tokens non fiables : le modèle lit le contenu externe sans suivre ses instructions. Évalué sur Llama-3.3-70B-Instruct et GPT-OSS-20B, il ramène le taux de réussite de l’attaque boîte noire RL-Hammer à 10 %, contre 97 % sur GPT-OSS-20B non défendu et 85 % sur SecAlign ; l’attaque blanche Claudini, renforcée contre lui par recherche automatique, exige trois fois plus de FLOPs pour atteindre le même taux. La défense conserve les scores du modèle de base sur les benchmarks à choix multiples et en few-shot, là où SecAlign et ASIDE se dégradent ; sur les benchmarks agentiques à attaques statiques, elle fait jeu égal avec SecAlign, tandis qu’ASIDE plafonne à 10 % d’utilité avec les outils.

Pourquoi ça compte Une défense logée dans l’architecture, qui tient en few-shot et sous usage d’outils, est la première qui puisse se déployer sans casser le harnais — et le coût d’une attaque adaptative devient un budget de calcul, pas une affaire de formulation de prompt.

arXiv cs.LG· 27 oct. · source ↗

[04] Recherche

Pour un agent à outils, la diversité des environnements compte plus que le nombre de tâches

SynthAPI génère des environnements d’usage d’outils en contrôlant séparément la diversité des outils, des tâches et des bases de données sur lesquelles les outils opèrent. En faisant varier ces leviers sur 458 752 tâches et 849 modèles entraînés de quatre tailles, les auteurs tirent une loi d’échelle qui prédit la généralisation d’un agent à outils à partir du volume et de la composition des environnements synthétiques. Deux résultats pratiques : quand le budget de données augmente, accroître la diversité des outils et des bases rapporte plus que multiplier les tâches, et augmenter la complexité des données donne des gains plus forts. Les agents entraînés selon ces règles battent ceux formés sur les données des travaux antérieurs sur quatre benchmarks d’évaluation.

Pourquoi ça compte La recette d’un agent à outils devient une question de composition de données, pas de volume brut : dupliquer des tâches sur les mêmes outils produit un agent qui a mémorisé une API, pas un agent qui en apprend une nouvelle.

arXiv cs.LG· 27 oct. · source ↗

[05] Analyse

Six mois sur V8 : 45 vulnérabilités trouvées par l’agent, 37 par le fuzzer, 25 % de recouvrement

Project Zero compare les deux systèmes qui tournent en production sur V8, l’engin JavaScript de Chrome : Fuzzilli, fuzzer génératif, et BigSleep, système agentique qui lit les commits et écrit des cas de test. D’avril à septembre 2026, BigSleep a trouvé plus de vulnérabilités que Fuzzilli, 45 contre 37, avec 25 % de recouvrement sur les bugs précisément identifiés ; une expérience dédiée sur les vulnérabilités signalées depuis 2023 estime le recouvrement théorique à environ 60 %. Les rapports bruts sont de 441 contre 316, dont 178 vulnérabilités typées pour Fuzzilli et 95 pour BigSleep, l’écart venant en partie d’anomalies de configuration et de doublons. Les auteurs concluent à deux approches complémentaires et recommandent aux éditeurs de faire tourner les deux.

Pourquoi ça compte Avec un recouvrement de 25 %, les trois quarts des vulnérabilités ne sont trouvées que par l’un des deux systèmes : un pipeline de sécurité qui en garde un seul laisse passer une part mesurable de ce que l’autre aurait signalé en quelques heures.

Project Zero· 27 oct. · source ↗

[06] Recherche

Un optimiseur de prompts qui filtre les échecs avant d’en tirer une leçon

GEPA-Curator part d’un constat simple : un échec d’agent ne dit pas toujours ce qui doit changer, puisqu’il peut venir du prompt, d’une limite du harnais, du hasard d’exécution ou d’un juge bruité, et apprendre de ces cas peut dégrader l’optimiseur. Le cadre ajoute deux étages à GEPA : une curation des tâches, qui écarte celles dont le signal est jugé peu fiable, et une récupération des trajectoires réussies passées, fournies en contexte à l’optimiseur. Sur GoBrowse, ALFWorld, AppWorld et tau-bench, avec Gemini 3.1 Pro et Claude Opus 5 comme optimiseurs, il égale ou dépasse les baselines, jusqu’à 20,7 % au-dessus de GEPA et 21,2 % au-dessus d’ACE.

Pourquoi ça compte L’auto-amélioration d’un agent bute sur le bruit de ses propres traces : trier les épisodes avant d’optimiser coûte moins cher que d’optimiser deux fois, et la règle vaut aussi pour une boucle maison qui apprend de ses erreurs en production.

arXiv cs.CL· 27 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.