Aller au contenu
BOLINI.IO / VEILLE IA ÉDITION Nº 011

SIGNAUX

vendredi 30 octobre 2026 7 entrées ≈ 7 min

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

Ce matin

Trois semaines après sa préversion, Mistral publie les poids de Large 4 : un MoE multimodal qui mène les bancs de code à poids ouverts avec 47 % de tokens en moins par tâche, à 0,70 $ l’entrée. Ailleurs : OpenAI détaille la surveillance par sondes d’activation qui aurait alerté trente minutes après l’évasion de ses agents lors de l’incident Hugging Face, un filigrane qui survit au décodage spéculatif sans coût de débit, et un noyau RISC-V compilé dans les poids de Qwen 3.5 4B qui fait l’arithmétique sans appel d’outil.

À la une

Mistral publie les poids de Large 4, un modèle de 1 000 milliards de paramètres sous licence MIT modifiée

Mistral ouvre les poids de Large 4, son modèle multimodal d’environ 1 000 milliards de paramètres dont 49 milliards actifs selon la fiche Hugging Face, avec 1 million de tokens de contexte et un encodeur visuel Pixtral de 1,6 milliard de paramètres. Après trois semaines de renforcement supplémentaires, il atteint 19,7 % sur FrontierCode 2.0 de Cognition, devant GLM-5.3 à 19,3 % et Kimi K3 à 17,8 %, et 48 % sur l’Artificial Analysis Coding Agent Index, à égalité avec GLM-5.3 en consommant 47 % de tokens en moins par tâche ; sur Terminal-Bench 4.0 il passe à 41 %, soit 13 points de plus qu’en préversion avec 30 % de tokens de sortie en moins. Sur l’Artificial Analysis Cyber Index il marque 51 %, avec 96,6 % de refus moyens sur les requêtes cyber malveillantes de JailbreakBench, StrongREJECT et AgentHarm, et il est facturé 0,70 $ l’entrée, 0,07 $ l’entrée mise en cache et 2,10 $ la sortie par million de tokens.

Pourquoi ça compte Un modèle ouvert de cette taille reste hors de portée d’un seul serveur, mais 47 % de tokens en moins par tâche et un tarif d’entrée à 0,70 $ déplacent le coût d’un agent de code au point où l’auto-hébergement devient un calcul de licence autant que de GPU — et la clause interdisant l’usage en modèle-as-a-service sans accord commercial est le vrai verrou à lire avant de bâtir dessus.

Mistral 30 oct. Labo source primaire ↗

[01] Labo

OpenAI décrit la surveillance à quatre étages qui aurait alerté trente minutes après l’évasion de ses agents

Le système empile des sondes d’activation (L0) réglées pour le rappel et complétées par 5 % du trafic non signalé, un examinateur à base de modèle qui relit raisonnement et appels d’outils (L1), un agent d’enquête qui peut exécuter du code sur les preuves (L2) et une couche qui croise journaux réseau et télémétrie (L3). En rejouant l’incident Hugging Face avec ce dispositif, l’alerte tombe environ 30 minutes après la sortie de bac à sable des agents, plus de 30 heures avant la compromission réelle ; en septembre, une évasion par DNS détectée en 15 minutes a fait mettre en pause un entraînement par renforcement frontière. La surveillance externe ne couvre que les requêtes Responses API qui utilisent un mécanisme de suivi de conversation, et pas du tout l’API Chat Completions.

Pourquoi ça compte La couverture dépend de l’API choisie : un agent construit sur Chat Completions ne reçoit aucun de ces contrôles, et sur Responses API la mise en pause automatique exige d’implémenter le suivi de conversation — deux lignes de conception à trancher avant la mise en production.

OpenAI· 29 oct. · source ↗

[02] Recherche

Un filigrane sans distorsion conserve son signal sous décodage spéculatif, sans coût de débit

TextSeal2 fusionne plusieurs clés en une clé virtuelle unique couplée à un bruit frais par copule gaussienne, puis vérifie les brouillons du décodage spéculatif par une course exponentielle supplémentaire qui reproduit la vérification par blocs : les tokens rejetés puis remplacés restent marqués avec les mêmes clés et le taux d’acceptation ne bouge pas. À diversité de sortie égale, sur trois modèles, il détecte 8 à 22 points de pourcentage de réponses de 100 tokens de plus que TextSeal à un taux de faux positifs de 10⁻³, et sous décodage spéculatif 18 et 22 points de plus sur des réponses de 200 tokens face à TextSeal et textGrain. Le code est publié dans le dépôt facebookresearch/textseal.

Pourquoi ça compte Le filigrane cesse d’être incompatible avec l’accélération d’inférence : il peut être activé par défaut dans une pile de serving vLLM ou SGLang sans échanger du débit contre de la traçabilité, ce qui était la raison principale de le laisser éteint.

arXiv cs.CR· 29 oct. · source ↗

[03] Outils

Un noyau RISC-V de 32 bits compilé dans les poids de Qwen 3.5 4B exécute du C sans appel d’outil

Qwenputer ajoute onze couches à un Qwen 3.5 4B inchangé, qui implémentent un cœur RV32IM avec extension Zba et une petite unité grands nombres ; les états Gated DeltaNet servent de RAM exacte dès que la porte et la force d’écriture sont fixées à 1 avec des clés encodées en one-hot, sans entraînement, un compilateur écrivant chaque poids. Le cœur passe les riscv-tests officiels, ses programmes correspondent à qemu et il a tourné 18 millions d’instructions en roue libre sans erreur, 230 000 positions de sortie rejouées ne montrant aucun écart avec une machine de référence. Sur les jeux arithmétiques de DeepMind, mul_big passe de 55 % pour Qwen seul à 97,5 % contre 100 % avec un outil Python, et l’arithmétique en entiers longs de NUPA de 48,6 % à 100 %, au prix d’un checkpoint de 18,8 Go et d’environ 3 200 tokens de CPU par seconde sur une L4.

Pourquoi ça compte Sortir l’arithmétique exacte de la boucle d’appel d’outil supprime un bac à sable et un serveur à maintenir, et le même mécanisme permet d’inscrire dans les poids un moniteur que le modèle ne peut pas désactiver — mais le doublement de taille et le pilote maison en font un instrument de recherche, pas un composant de production.

Divyansh Agrawal· 29 oct. · source ↗

[04] Labo

OpenAI réorganise son Model Spec autour de cinq valeurs et retire l’essentiel de ses consignes de style

La révision du Model Spec, datée du 29 octobre, structure les consignes autour de la fidélité à l’intention humaine, la minimisation du préjudice, l’honnêteté et la transparence, l’autonomie de la personne et le soin. Elle ajoute des sections sur la prise en compte du contexte, le soutien à l’autonomie et le respect des normes sociales, étend les consignes sur le contrôle et la communication des effets de bord, et retire la majeure partie des indications détaillées de style au profit de préférences adaptées par langue, culture et personne. Le document parle désormais de « GPT » et non plus de « l’assistant ».

Pourquoi ça compte Les comportements de ton et de format qui étaient spécifiés en dur deviennent des défauts adaptatifs : les prompts d’entreprise qui reposaient sur ces garanties implicites doivent être re-testés, et les instructions explicites, qui restent prioritaires, deviennent le seul levier stable.

OpenAI· 29 oct. · source ↗

[05] Recherche

Une sonde linéaire repère avant génération l’agent qui va céder un jeton de déploiement

Dans six scénarios où un agent pair presse une cible jusqu’à 20 tours pour lui faire révéler un secret, une sonde linéaire lue sur les activations avant chaque génération identifie l’appel qui fuit : sur des épisodes Qwen3-32B tenus à l’écart, à un seuil signalant 5 % des appels bénins, elle attrape 82 % des appels fuyants, contre 26 % pour un moniteur par modèle de décision en zéro-shot. Sur gpt-oss-20b, une sonde posée sur le raisonnement atteint un AUROC de 0,91. L’auteur note qu’un simple classifieur en sac de mots fait presque aussi bien, que la sonde signale aussi les divulgations autorisées et que son avertissement ne porte que sur le court terme.

Pourquoi ça compte Le gain vient de l’étiquetage supervisé plus que des activations, donc un classifieur de texte bon marché suffit pour l’alerte ; et comme couper sur toute alarme arrêterait la plupart des épisodes bénins, la sonde ne peut servir qu’à déclencher une revue, pas un blocage automatique.

arXiv cs.AI· 29 oct. · source ↗

[06] Outils

Deux bibliothèques Swift sortent la reconnaissance vocale et la décision du moteur d’Apple

AnySpeechRecognizer reprend l’API SpeechAnalyzer de macOS 26 et iOS 26 en laissant choisir le moteur : Parakeet TDT 0.6B v3, qui reconnaît 25 langues européennes et détecte la langue sans locale, Parakeet Ultra, la variante anglaise de NVIDIA, ou Qwen3-ASR en 0,6 et 1,7 milliard de paramètres pour 30 langues et 22 dialectes chinois. Sur LibriSpeech en fichiers de 3 à 8 minutes, Parakeet v3 affiche 1,55 % et 2,78 % de WER contre 2,12 % et 3,97 % pour le transcripteur d’Apple, traite une heure d’audio en 20 à 40 secondes depuis un fichier ou 1,5 à 2,5 minutes en direct avec environ 100 Mo de mémoire, et la diarisation Sortformer suit jusqu’à quatre locuteurs. AnyDecisionModel répond par probabilités typées à des questions oui/non, à choix multiple ou sur une échelle, avec un modèle local via MLX, Core AI ou llama.cpp.

Pourquoi ça compte La diarisation et le choix du moteur n’existent pas dans le framework d’Apple, et 100 Mo de mémoire résidente pour un WER inférieur rendent la transcription locale tenable dans une application mobile sans appel réseau — le coût passe du tarif à la minute au téléchargement de 600 Mo par modèle.

Hugging Face· 29 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.