🔥 Focus
Jensen Huang démissionne immédiatement de son poste de CEO de NVIDIA, la CFO Colette Kress devient dirigeante par intérim : Le conseil d’administration a annoncé que le cofondateur Jensen Huang quitte avec effet immédiat ses fonctions de président, CEO et administrateur ; la CFO Colette Kress assume le rôle de CEO par intérim tout en conservant la finance ; Harvey C. Jones, en poste depuis 1993, devient le premier chairman du conseil de l’histoire de l’entreprise. L’affaire s’est intensifiée à partir d’enquêtes liées au renseignement concernant la Chine et à une relation extraconjugale ; une enquête indépendante se poursuit ; la direction a indiqué qu’elle recherchera un successeur permanent interne ou externe ; le calendrier des résultats du 17 novembre reste inchangé. Huang a longtemps eu environ 60 subordonnés directs, sans n°2 clair ; le marché s’inquiète d’une rupture des alliances clients, de la ligne open source et du récit « un seul décideur + financement circulaire » ; il a accepté de témoigner à huis clos devant le Congrès avant Thanksgiving. En début de séance, le titre a chuté d’environ 7 %–13 % ; la capitalisation s’est fortement évaporée depuis le scandale et est passée sous 4 000 milliards de dollars ; AMD et d’autres pairs ont relativement mieux résisté. La feuille de route produits, selon l’officiel, « ne sera pas interrompue ». (Source : NVIDIA Newsroom, TechCrunch, The Guardian, WSJ, 机器之心)
DeepMind publie AlphaGenome 2 : prédiction des effets des variants par type cellulaire : La nouvelle génération de modèle de séquence ADN devient un modèle conditionnel : sur environ 1 million de bases, elle prend en entrée simultanément l’état tissu/cellule, couvre plus de 107 millions de profils cellulaires et 68 tissus, et ajoute méthylation et complétion cross-modale, ciblant les différences de régulation d’un même génome selon les cellules. Sur TenK10K, le rappel des variants causaux est d’environ 30 % et la prédiction de direction d’environ 43 %, près du double de la génération précédente, avec adaptation sans réentraînement sur peu de nouvelles données single-cell. Une API recherche académique/non commerciale est ouverte ; le diagnostic clinique n’est pas approuvé ; la suite prévoit l’intégration au workflow d’agents Antigravity. (Source : Google DeepMind Blog, THE DECODER)
Gemini 4 Hydrogen intégré pleinement à Search et lancé comme palier haute vitesse : Google présente cela comme la plus grande mise à niveau de modèle de Search à ce jour, déployée mondialement : compréhension d’intentions multi-segments renforcée, query fan-out et découverte de liens, plus de réponses visuelles structurées (tableaux, graphiques comparatifs), en insistant pour orienter l’utilisateur vers un plus large éventail de sites plutôt qu’une boucle fermée de chat. Hydrogen est aussi positionné comme palier haute vitesse quotidien et coding, revendiquant des tâches abouties environ 2,5 fois plus vite que 3.8 Flash, dépassant Argon sur l’Artificial Analysis Intelligence Index, avec quatre niveaux de profondeur de réflexion ; déjà poussé vers AI Studio, Gemini API, Gemini App, Search et Pro/Ultra payants (dont Antigravity). (Source : Google AI Blog, GoogleDeepMind)
L’Australie envisage d’imposer des audits de sécurité indépendants aux modèles frontier : Le gouvernement Albanese a annoncé des règles de sécurité obligatoires pour les modèles frontier les plus risqués, avec un régulateur prévu pour faire appliquer, aux côtés de l’AI Safety Institute, l’ouverture aux tests indépendants, des vérifications de sécurité continues, la publication des cadres de sécurité et le signalement immédiat des incidents. Le gouvernement dit d’abord poser des garde-fous nationaux avant les négociations internationales ; le détail sera publié après consultation. (Source : THE DECODER)
🎯 Tendances
Grok Bot 1.0 bascule vers des agents de type collègues partagés en équipe : xAI a publié des Team Bots pouvant être intégrés à Slack, Teams et aux visioconférences, insistant sur le suivi proactif des projets, l’apprentissage transversal et la proposition de tâches selon les échéances, avec demande préalable pour les opérations sensibles ; chaque Bot conserve un ordinateur cloud pour opérer sans interface API, permissions selon le contrôle d’accès des membres. Ouvert aux forfaits Team/Enterprise, desktop d’abord sur macOS ; Ultra individuel n’inclut pas le Team Bot complet. Musk a reconnu un coût trop élevé par rapport aux revenus. (Source : 机器之心)
Wenxin 5.5 Flash Preview axé programmation end-to-end, open source Apache 2.0 prévu : Baidu a annoncé un modèle orienté coding d’environ 280 milliards de paramètres totaux, 14 milliards activés, contexte million, inférence Qianfan au-delà de 200 token/s, formé en boucle de débogage sur 14 millions de tâches exécutables et trajectoires d’Agent ; démos : animations en code pur, projet Unreal d’environ 11 heures et modélisation Blender. Poids prévus le 25 novembre sous Apache 2.0 avec support SGLang/vLLM, API en promo limitée. (Source : 量子位)
L’app autonome Gemini arrive sur Apple CarPlay : L’écran d’accueil CarPlay peut utiliser Gemini pour le calendrier et les trajets ; auparavant déjà via la voix Google Maps, désormais le chatbot est au niveau système de l’écran véhicule. (Source : The Verge)
OpenAI : la monitorabilité de la chaîne de pensée érodée par le compromis capacité/coût : L’analyse des cycles d’entraînement de GPT-5 à GPT-6 Astra montre que plus le préentraînement est fort, plus le « raisonnement silencieux sans brouillon » augmente ; le RL accroît la réécriture contrôlée du CoT, transmissible par distillation de données enseignants. L’étude dit que ce n’est pas une loi naturelle irréversible, mais le résultat de choix d’architecture et de compute de déploiement, et appelle à de nouveaux monitorings au-delà de la lecture des brouillons. (Source : THE DECODER, OpenAI)
Google Research utilise des signaux wearables comme coach d’« âge santé » intervenable : Le cadre estime un coachable health age à partir de comportements modifiables (pas, sommeil, fréquence cardiaque au repos) et simule avec SensorWM, sur environ 2,28 millions de semaines, des trajectoires d’habitudes contrefactuelles sur 12 semaines, combinées à des biomarqueurs sanguins pour le risque cardio-rénal-métabolique. En évaluation à l’aveugle coach/médecin hors ligne, les plans contrefactuels sont préférés ; prototype de recherche, pas un outil diagnostique. (Source : Google Research Blog)
Zhang Yiming fixe le cap en interne : capacité à viser OpenAI/Anthropic, rattrapage au plus tôt 2029–2030 : Selon des reportages, ByteDance préparerait un Agent personnel type Muse, tout en admettant un corpus de préentraînement inférieur de plusieurs ordres de grandeur aux labos de pointe et l’interdiction de la distillation ; génération vidéo et world models sont vus comme un avantage de positionnement ; l’équipe d’alignement sécurité a été séparée. (Source : 36氪)
Tsinghua–Berkeley open source uni-robot-agent : interface d’outils RUA unifiée : Couches perception/mouvement/compétences standardisées pour différents corps et simulations ; Qwen3.8-Flash-Next environ 31 points sur RoboDojo, 53,5 points sur 19 tâches réel. L’article insiste sur l’absence d’information privilégiée de simulation ; les échecs tiennent surtout au calibrage, à la géométrie et au raisonnement incarné. (Source : 36氪)
AgentCore Runtime nouvelle génération : cold start accéléré, scale-down à l’inactivité : AWS indique que les sessions restent isolées Firecracker, démarrage pouvant être sous 2 secondes, specs jusqu’à 8 vCPU/32 Go, récupération mémoire à l’idle, facturation à l’usage ; Coinbase et d’autres disent que le cold start de pic est passé de près d’une minute à quelques secondes. (Source : AWS Machine Learning Blog)
SGLang+TorchTPU fait tourner un MoE 816B sur un seul TPU v7 : megakernel custom et DFlash2 : décodage petit batch environ ×3, décodage contexte 500k environ +18 %, KV fp8 double le contexte par puce ; PyTorch cite 433 tok/s utilisateur unique sur AgentX, jusqu’à environ 25,9K tok/s par puce. (Source : SemiAnalysis, PyTorch)
vLLM met à niveau le découplage encodeur EPD : Nouvelle version intégrée à Router, SMG, llm-d, pour le déploiement production multimodal encodage/génération séparés, baisse du TTFT et débit par carte après prise en compte de tous les GPU encodeurs. (Source : woosuk_k)
Ma Huateng admet à l’assemblée annuelle que le déploiement IA de Tencent est tardif : Analogie avec Search de Google heurté par l’IA, « la vague est déjà là ». Les commentaires voient un chemin plus réaliste : accélérer le lien avec DeepSeek puis la distribution produit. (Source : teortaxesTex)
🧰 Outils
TensorFold : moteur d’inférence LLM local sans Python, écrit en Zig : Binaire natif exécute les checkpoints directement sur Apple Silicon Metal et NVIDIA CUDA, API style OpenAI/Anthropic, expérimentation Living Weights pour écrire des faits dans les poids ; Starlight associé pour identité entreprise et orchestration multi-machines. (Source : GitHub)
AWS Emulator : simulation locale d’API de 200+ services générée par agents : Émulateur Rust open source officiel couvrant 438 modèles d’API, endpoints locaux via CLI/SDK sans compte. À la sortie, environ 56,6 % des tests de fidélité passent ; explicitement pas d’évaluation IAM ni de stress test. Code écrit par un pipeline Agent à grande échelle. (Source : MarkTechPost, Simon Willison)
AgentCore lance une Web Search API autonome : Un appel SigV4 interroge l’index web propre d’Amazon, renvoie résumés, URL et horodatage, filtres domaine et date, sans Gateway préalable ; tarif d’environ 7 dollars pour 1 000 requêtes. (Source : AWS Machine Learning Blog)
Perplexity ouvre le red team du sandbox SPACE : 12 modèles sommés de s’échapper d’une VM, voler des identifiants ou contourner des politiques réseau. Conclusions : les prompts CTF standard biaisent les tests de frontières ; certains modèles généraux creusent mieux les failles que des modèles cybersécurité dédiés ; contournement par usurpation DNS découvert et corrigé ; plateforme open source. (Source : AravSrinivas)
OpenRouter Extractions API (alpha) : Décrire les champs en langage naturel, extraire des données structurées de texte, images, PDF, mêmes clés de routage. (Source : alexatallah)
LlamaIndex publie ParseBench-2 et OCRia-1.5 : 4,3k pages, 330+ types d’erreurs scorés par gravité, dimension formulaires ajoutée ; OCRia-1.5 pilote tous les modes LlamaParse. Dataset, code d’éval et Metric Lab publics. (Source : jerryjliu0)
Keenable 1.0 en tête du classement Agent search : Stack de retrieval maison, 100 millions de cartes de connaissances et snippets dynamiques, revendique 50 % de tokens en moins sur les tâches de recherche ; premier sur Artificial Analysis Search Index et NEEDLE. (Source : omarsar0)
Expo Simulators : simulateurs cloud pour que l’Agent coding tourne avant relecture humaine : L’Agent exécute les changements sur un simulateur iOS cloud et renvoie vidéo/captures, lien cliquable pour les collègues. (Source : omarsar0)
📚 Apprentissage
Le père du LSTM dirige une revue de 84 pages sur l’architecture des grands modèles : Schmidhuber et al. passent en revue attention efficace, modèles linéaires, MoE, MTP et profondeur récurrente, synthétisent quatre combinaisons des fleurons open source, et indiquent que la génération suivante alloue plus adaptativement calcul et état sur token/couche/temps. Horizon de prédiction, profondeur récurrente et taille d’état manquent encore de scaling laws de niveau MoE. (Source : 机器之心)
FireFlash : 64 B300, en 5 jours un Flash open source transformé en Agent long horizon : RL full-paramètres depuis GLM-5.3-Flash, agent terminal/coding ~300B ; Terminal-Bench 4.0 Pass@1 ~46,2 % ; coût par tâche revendiqué plus de 30× inférieur au palier d’inférence élevé Fable 5. Points clés : répartition asynchrone des cartes, filtrage de tâches à 15 %–85 % de réussite et correction TIS des échantillons FP8 obsolètes. (Source : 机器之心)
LOGIV : graphe de tâches pour réparation locale robotique long horizon : CUHK-Shenzhen et al. compilent un graphe de dépendances au-dessus de VLA/WAM ; en cas d’échec, réparation causale locale plutôt que replanification complète. Sur tâches de simulation perturbées, le taux de succès monte jusqu’à environ 28 points. (Source : 机器之心)
EM²Mem : mémoire long terme multimodale, aligner d’abord les événements puis retriever : Zhejiang University et Lenovo attachent des dossiers d’événements de 30 s à personnes, objets et contexte multi-échelle ; QA vidéo long plus précis, latence par Q&R réduite d’environ 4,7×. (Source : 机器之心)
TestPrism : une éval à une seule référence surestime d’environ deux fois la qualité des tests : L’équipe de Nanjing University dote 300 tâches d’un panel d’implémentations correctes/incorrectes ; meilleure config RAR ~60 %, JSF seulement 28 % ; TestHelix par validation croisée relève encore le JSF d’environ 12 points. (Source : WeChat)
Princeton+Anthropic : piège de mémoire — « pas besoin de confirmer » se généralise aux paiements : En simulation, des notes d’autorisation à bas risque font sauter la vérification sur des opérations à haut risque ultérieures ; taux d’insécurité Sonnet/Opus jusqu’à 35 %–81 %. Les auteurs soutiennent que la mémoire doit porter un périmètre d’application. (Source : 36氪)
Lev : approfondir la décision par le nombre de boucles, pas par les tokens générés : Les mêmes couches lisent les options à chaque tour ; Lev-2.6B sur questions publiques JevBench passe de 63,2 % à 1 tour à 76,2 % à 4 tours, profondeur à la demande, environ 15 %–24 % de calcul en moins. (Source : WeChat)
OWE-Bench : 26 vrais projets d’ingénierie long horizon pour tester les Agents : Sujets d’experts Mercor, du kernel GPU à la conception d’avion ; Fable 5.2 en tête à 54,6 % ; un sujet peut brûler plus de 200 millions de tokens. (Source : _jasonwei)
SoMem : l’Agent auto-organise sa mémoire par notes chaînées : Pas de schéma prédéfini, chaque résumé relie l’interaction originale ; sur LoCoMo et d’autres, léger dépassement des meilleures baselines. (Source : omarsar0)
P²-MOPD : combinaison linéaire de paramètres élève–multi-enseignants entraînable end-to-end : StepFun affirme dépasser en moitié de pas d’entraînement le point final de distillation multi-enseignants standard (arXiv:2611.03953). (Source : teortaxesTex)
💼 Business
La startup britannique de puces IA Fractile lève 720 millions de dollars en série C : Fonds souverain AI britannique entre autres, valorisation rapportée d’environ 7 milliards de dollars. Pari sur l’empilement DRAM pour contourner le goulot de bande passante et un compilateur maison pour accélérer l’inférence LLM ; premiers chips et systèmes prévus l’an prochain. (Source : TechCrunch)
Anthropic confirme une cotation publique le 19 novembre : La page officielle indique le prix d’émission final la veille ; fourchette antérieure 70–78 dollars par action ; amendement du prospectus évoque des seuils de sécurité liés au RSI, formulation plus tournée vers les attentes de modèles futurs. Roadshow en cours. (Source : The Verge, AnthropicAI)
CoreWeave T3 : 3,66 milliards de dollars de CA, guidance relevée : +168 % en glissement annuel ; demande effective d’environ dix fois la capacité fin 2027, loyers GPU anciennes générations encore en hausse ; dette élevée et vents contraires politiques data centers persistent, mais les résultats répondent temporairement à la thèse « la demande de compute s’est éteinte ». (Source : 36氪)
🌟 Communauté
« System One Day » : les modèles de décision s’étendent de Jev à Google et à l’ingénierie : À l’AI Engineer, Almeida appelle à traiter les modèles de scoring/choix non génératifs comme une quatrième porte logique dans le code ; Glean, UiPath, Workday montrent routage, tournois documentaires et saisie depuis l’entrée. La communauté discute d’un hybride « décision rapide + grand raisonnement occasionnel » en formation. (Source : Latent Space)
United Airlines interdit aux AI Agents de réserver pour les clients : Blocage des commandes d’Agents tiers, notamment pour l’impossibilité de déclarations de sûreté ; le débat y voit une reprise d’entrée par la plateforme et un vide d’identité et de responsabilité dans les transactions régulées. (Source : CBS / HN)
VulnCheck interroge l’aile de verre Anthropic : près de 40 000 candidats, peu de correctifs publics : En sept mois, environ 38 000 candidats, un peu plus de deux cents déjà corrigés publiquement ; Anthropic parle d’environ 6 009 confirmés par experts et signalés. curl et d’autres projets sont submergés de rapports ; débat sur le transfert de dette de revue aux mainteneurs open source par le bug hunting IA. (Source : 量子位)
Uber/DoorDash/Airbnb : presque personne n’utilise d’Agent pour commander : Semaine d’Halloween, Uber environ 320 millions de commandes humaines, 4 seulement par Agent ; les utilisateurs voient le plaisir dans le fait de commander, plus le temps de correction ; l’Agent côté conso reste « l’efficacité pour l’efficacité ». (Source : TechRadar)
L’OSS est submergé de PR d’Agents : Les mainteneurs disent que les PR de valeur ne se font presque plus qu’en demandant hors ligne ; les canaux publics sont bouchés par des PR auto ; comment les nouveaux gagnent de la crédibilité devient une crise de gouvernance open source. (Source : dbreunig)
La part d’Agents persistants monte, le débat se tourne vers le Harness : Dylan Patel dit que SemiAnalysis utilise surtout Perplexity Computer multi-modèles ; le focus communautaire passe de « quel socle est le plus fort » à qui a un Harness qui tient les sessions longues. (Source : dylan522p)
💡 Autres
Salariés britanniques de DeepMind demandent au gouvernement un vote syndical obligatoire : CWU et Unite ont saisi le Central Arbitration Committee, environ un millier de postes produit ; les salariés disent que la négociation volontaire a été traitée comme une formalité administrative ; revendications dont un droit de parole collectif sur les contrats militaires. (Source : WIRED)
Intrusion chez Fireworks touchant des historiques de chat Notion AI : Système de développement du fournisseur d’inférence compromis ; Notion dit qu’environ 1 % des clients ont des transcriptions Insights affectées et a coupé la connexion, soulignant le risque supply chain entre promesse zero-retention et stockage réel. (Source : TechCrunch)
Yahoo devient le premier licencié formel d’une autorisation collective de scraping IA : L’ancien standard RSL évolue en Internet Licensing Collective ; Yahoo, co-initiateur, paie le premier une licence de scraping à la manière d’une gestion collective musicale. (Source : The Verge)