Aller au contenu
BOLINI.IO / VEILLE IA ÉDITION Nº 010

SIGNAUX

jeudi 29 octobre 2026 7 entrées ≈ 6 min

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

Ce matin

DeepMind annonce son modèle le plus fort, premier de l’Intelligence Index v5, avec des scores de cyberdéfense qui feraient entrer la génération de correctifs dans une CI — mais l’accès commence par un cercle de cyberdéfenseurs. Ailleurs : PyTorch 2.15 change de backend NCCL et gagne un enregistreur de vol, NVIDIA ouvre un modèle audio qui fait transcription, locuteurs et traduction, et cent mini-jeux montrent que les agents s’effondrent dès que l’environnement bouge.

À la une

Gemini 4 Carbon sort premier de l’indice AA v5, livré d’abord aux cyberdéfenseurs

Selon DeepMind, Gemini 4 Carbon prend la première place de l’Intelligence Index v5 d’Artificial Analysis avec un score de 59, deux semaines après Gemini 4 Argon. L’éditeur annonce 88,2 % sur SEC-bench Pro (recherche de vulnérabilités), 54,8 % sur ExploitGym (exploitation) et 71,0 % sur CWE-bench (correctifs), ainsi que 0,0 % de réussite d’attaque sur le banc d’injection indirecte de Gray Swan, contre 0,7 % pour Argon. Prix d’introduction identique à Argon, 2 $ par million de tokens d’entrée et 10 $ en sortie, puis 4 $ et 20 $ ; l’accès s’ouvre cette semaine à un sous-ensemble de cyberdéfenseurs via le programme Fairwind, sans date pour les développeurs.

Pourquoi ça compte Les 71,0 % de CWE-bench font de la génération de correctifs de sécurité une étape de CI défendable ; mais l’accès fermé et le doublement du prix après l’introduction signifient que cette capacité n’entrera pas dans un pipeline avant plusieurs semaines, et qu’il faut budgéter 4 $ et 20 $ par million de tokens, pas les tarifs d’appel.

Google DeepMind 29 oct. Labo source primaire ↗

[01] Outils

PyTorch 2.15 passe au backend NCCL réécrit et écrit un post-mortem quand un collectif se bloque

Le backend NCCL réécrit devient le défaut de tout groupe de processus nccl, avec TORCH_DIST_USE_NCCL2=0 et nccl-legacy comme chemins de retour, et un enregistreur de vol qui écrit un post-mortem sur disque quand une collective se bloque, un timeout sur un rang déclenchant la capture sur tous les autres. FSDP2 accepte désormais un dtype par paramètre et une étape d’accumulation de gradient entière dans un seul graphe CUDA ; Apple Silicon gagne FP8, un grouped_mm à 1,32–1,34× le débit de décodage MoE sur M3 Ultra et une API publique torch.mps.Stream. La version compte 3 117 commits de 583 contributeurs, avec CUDA 13.2 par défaut.

Pourquoi ça compte Un blocage de training multi-GPU se diagnostique à partir des traces de chaque rang au lieu d’une reproduction manuelle : c’est des heures de cluster en moins par incident, à condition d’accepter une API encore marquée instable.

PyTorch· 28 oct. · source ↗

[02] Labo

NVIDIA ouvre un modèle audio de 30 milliards de paramètres qui transcrit, sépare les locuteurs et traduit

Nemotron 3.5 Transcribe est un modèle à poids ouverts de 30 milliards de paramètres dont environ 4 milliards actifs (encodeur vocal et MoE hybride Mamba–Transformer) qui réunit transcription, diarisation, traduction et questions sur l’audio dans un seul checkpoint : 40 langues transcrites, 31 traduites vers ou depuis l’anglais, 13 avec locuteurs, jusqu’à huit locuteurs et une heure d’enregistrement. Il est premier des modèles ouverts sur le classement ASR anglais de Hugging Face à 5,33 % de WER moyen et à 2,80 % d’AA-WER pour environ 4 milliards de paramètres actifs. Le jeu Granary v2 couvre 463 062 heures en 48 langues, et un affinage médical réduit le WER de 45,8 % en relatif face au meilleur prompt.

Pourquoi ça compte Un seul point d’entrée remplace la chaîne ASR, diarisation et traduction, et 100 heures d’audio traitées en moins de trois minutes sur un RTX PRO 6000 dans sa version quantifiée NVFP4 à venir changent le coût d’un pipeline de réunions ou d’appels.

Hugging Face· 28 oct. · source ↗

[03] Analyse

L’indice d’Artificial Analysis place huit modèles fermés devant le meilleur poids ouvert

Nathan Lambert décortique l’Intelligence Index v5 d’Artificial Analysis, qui pèse quatre blocs à 25 % chacun (knowledge work, code, science, général) et dont un graphique place huit modèles fermés devant Kimi K3.1 Pro, le meilleur modèle à poids ouverts. Il situe l’écart sur les évaluations scientifiques, Terminal-Bench-Science et CritPT v2, et note que le passage à des benchmarks privés retire la correction communautaire qui faisait progresser les tests publics. Il rappelle que GPT 6.1 Terra y devance Claude Fable 5.1, ce qui contredit le classement généralement admis.

Pourquoi ça compte Le chiffre mesure une capacité de collaborateur agentique général : pour une tâche étroite et répétitive, l’écart réel avec un modèle ouvert est plus faible que le classement ne le suggère, et une décision d’achat prise sur ce seul rang se trompe de cible.

Interconnects· 28 oct. · source ↗

[04] Recherche

Cent mini-jeux en temps réel font tomber un agent frontière de 75 % à 9 % de réussite

Gym-Anything-RT génère automatiquement cent mini-jeux visuels à partir d’une taxonomie de six capacités requises pour l’interaction en temps réel, et permet de rejouer le même jeu en pause ou au ralenti pour isoler la contrainte de latence. GPT-6 Astra (xHigh) n’en réussit que 9,0 % en temps réel, contre 75,0 % quand l’environnement est gelé. Les auteurs observent aussi que les agents capables d’écrire du code contournent la perception en temps réel en programmant à la place.

Pourquoi ça compte Un score sur un banc de raisonnement ne dit rien de la tenue d’un agent quand l’état change pendant son propre forward : toute évaluation de pilotage d’interface ou d’embarqué doit inclure une contrainte de latence, sinon elle mesure autre chose.

arXiv cs.LG· 27 oct. · source ↗

[05] Recherche

Compresser la mémoire d’un groupe d’agents par pertinence perd 23 à 31 points

CrossProfile croise la propriété des faits (utiles, leurres, hors sujet) à texte constant sur 60 gabarits et 480 tâches à clés vérifiées automatiquement, pour isoler l’effet des heuristiques de mémoire dans une décision de groupe menée par un LLM. Filtrer par pertinence réintroduit les leurres et perd 23 à 31 points face à une sélection par rareté dans la configuration classique ; la sélection par rareté ne fait pas mieux qu’un tirage aléatoire en moyenne. Retirer les étiquettes d’attribution des agents, ou les réassigner au hasard, gagne 13 à 24 points, et le transcript complet fait moins bien que pas de notes du tout.

Pourquoi ça compte La mémoire d’un système multi-agents doit conserver l’équilibre des preuves, pas les faits les plus rares ou les plus pertinents, et l’étiquette de l’agent qui parle introduit un biais de preuve sociale mesurable dans la décision finale.

arXiv cs.AI· 27 oct. · source ↗

[06] Analyse

En septembre, plus de 40 % des pull requests de GitHub ont été démarrées par un agent

Le rapport Octoverse 2026 compte 17,9 milliards de pushes sur les douze mois clos au 30 septembre, plus que 2024 et 2025 réunis, 34,3 milliards de commits et 1,3 milliard de pull requests fusionnées. La part des pull requests démarrées par un agent passe de 17 % en mars à plus de 40 % en septembre, et un dépôt doté d’un fichier de configuration d’agent enregistre huit fois plus de commits que la moyenne des nouveaux dépôts. 61 % des utilisateurs de Copilot emploient plus d’un modèle.

Pourquoi ça compte Si quatre PR sur dix arrivent d’un agent, le goulot de l’équipe se déplace de l’écriture vers la revue : le temps de revue et le taux de reprise deviennent les métriques de vélocité utiles, et le nombre de commits cesse d’en être une.

GitHub Blog· 28 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.