Mots-clés：Module Engram, Cowork, Collaboration Gemini, Mécanisme de recherche de connaissances Transformer, Exécution de tâches par Agent IA, Entraînement en phase de test TTT-E2E
🔥 Focus
DeepSeek publie le module Engram, réalisant le découplage du stockage et du calcul : DeepSeek, en collaboration avec l’Université de Pékin, a publié un article présentant le module de « mémoire conditionnelle » Engram. Cette technologie, via des embeddings N-gram de type hash modernes, dote le Transformer d’un mécanisme natif de « recherche de connaissances », permettant une récupération déterministe proche de O(1). Les expériences montrent qu’Engram-27B surpasse significativement les modèles purement MoE à paramètres et calcul constants. En plus d’enrichir la base de connaissances, il libère l’attention des couches superficielles du fardeau du « par cœur », permettant au réseau profond de se concentrer sur le raisonnement complexe, boostant ainsi les capacités en code et en mathématiques. Cette approche technique, qui décharge des volumes massifs de paramètres vers la mémoire système (CPU) avec une perte d’inférence inférieure à 3 %, est considérée comme une primitive centrale pour la prochaine génération de modèles clairsemés (sparse models), et sera très probablement intégrée dans le futur DeepSeek-V4 (Source : GitHub)
Anthropic lance Cowork, un produit stratégique ouvrant l’ère du « collègue numérique » : Anthropic a officiellement lancé Cowork (version Research Preview), encapsulant les capacités sous-jacentes de Claude Code dans un outil graphique destiné aux non-techniciens. Cowork permet à Claude d’accéder directement aux dossiers locaux, avec des permissions de lecture, d’édition et de création de fichiers. Il ne s’agit plus seulement d’un chatbot, mais d’une entité collaborative intelligente capable de planifier des étapes de manière autonome et de traiter des tâches en parallèle (organiser des dossiers de téléchargement, extraire des données de captures d’écran pour générer des fichiers Excel, rédiger des brouillons de rapports). Le produit intègre un environnement de machine virtuelle (VM) isolé pour garantir la sécurité et supporte l’automatisation du navigateur. La communauté estime que cela marque un changement de paradigme de l’IA, passant de la « génération de contenu » à l’« exécution de tâches » (Source : Anthropic)
Apple et Google concluent un accord de partenariat Gemini, Siri reçoit un « cerveau externe » : Apple et Google ont publié une déclaration commune confirmant que les futurs Apple Foundation Models seront basés sur les modèles Gemini et la technologie cloud de Google pour alimenter le Siri personnalisé prévu plus tard cette année. Apple paierait environ 1 milliard de dollars par an. Ce partenariat est perçu comme une « concession temporaire » d’Apple face au retard de ses modèles propriétaires. Gemini gérera les tâches complexes comme les résumés et la planification, tandis que les fonctions de base sur l’appareil resteront soutenues par les modèles maison d’Apple. Cette annonce a propulsé la capitalisation boursière de Google au-delà des 4 000 milliards de dollars, tout en provoquant les critiques d’Elon Musk sur la « concentration excessive du pouvoir » et des discussions sur la marginalisation d’OpenAI dans l’écosystème Apple (Source : Google)
TTT-E2E : L’entraînement de bout en bout au moment du test ouvre une nouvelle ère pour la mémoire longue des LLM : Une étude sur l’End-to-End Test-Time Training (TTT-E2E), publiée conjointement par NVIDIA, Stanford et l’Astera Institute, fait sensation. Cette technologie soutient qu’il n’est pas nécessaire de recourir à de nouvelles architectures radicales, mais plutôt d’utiliser le contexte comme donnée d’entraînement pendant la phase d’inférence (Test-Time) pour mettre à jour continuellement les poids du modèle via la Next Token Prediction. Cette méthode compresse l’expérience du contexte long dans les poids du modèle, résolvant efficacement l’explosion du KV cache liée à la longueur des séquences. Le TTT transforme le modèle en un véritable « apprenant continu », affichant une stabilité extrême lors du traitement de séquences ultra-longues de millions de tokens (Source : arXiv)
🎯 Tendances
Sakana AI présente DroPE : l’abandon des Position Embeddings pour l’extrapolation de textes longs : L’équipe de Llion Jones, auteur principal du papier Transformer, a rendu public DroPE. Cette technologie suggère que les Position Embeddings ne sont que des « stabilisateurs » pour l’entraînement. DroPE abandonne le Rotary Positional Encoding (RoPE) lors de l’inférence et ne nécessite qu’un budget de pré-entraînement inférieur à 1 % pour une brève calibration afin de débloquer des fenêtres contextuelles massives. Les tests sur LongBench et « Needle In A Haystack » montrent que cette méthode surpasse nettement le RoPE scaling traditionnel (Source : arXiv)
Benchmark BabyVision : les capacités visuelles des meilleurs modèles sont inférieures à celles d’un enfant de 3 ans : L’évaluation BabyVision, publiée par Sequoia China xbench et UniPatAI, montre que dans des tâches visuelles strictement indépendantes du langage, la grande majorité des modèles sont bien moins performants qu’un enfant de 3 ans. Même Gemini 3 Pro, le plus performant, dépasse à peine le seuil. L’étude souligne que la dépendance excessive des modèles au raisonnement linguistique masque leurs lacunes systémiques en perception spatiale, suivi de trajectoire et intuition géométrique (Source : 36Kr)
Recursive Language Models (RLM) : DeepMind explore la mémoire parfaite sans RAG : Des chercheurs de DeepMind proposent les Recursive Language Models (RLM), qui permettent au modèle de s’auto-analyser, de se diviser et de s’appeler récursivement pour traiter des millions de tokens. Ce mécanisme brise les limites des fenêtres contextuelles traditionnelles ; le modèle ne dépend plus d’un RAG externe mais réalise une « mémoire parfaite » d’informations massives par agrégation récursive des résultats (Source : HuggingFace)
L’expansion internationale de l’IA de ByteDance entre dans une nouvelle phase d’outils d’efficacité : ByteDance multiplie ses déploiements à l’étranger avec le lancement d’AnyGen, un Agent de scénarios de travail concurrent de Manus, axé sur la rédaction de documents et l’analyse de données de haute qualité. Parallèlement, l’assistant IA Dola a dépassé les 10 millions d’utilisateurs actifs quotidiens. ByteDance tente de passer du « divertissement » (TikTok) à la « vente d’efficacité », entrant en compétition directe avec OpenAI et Anthropic sur le segment des Office Agents (Source : 36Kr)
🧰 Outils
Distil-Text2SQL : un petit modèle de 4B atteint une précision de niveau 685B en local : Distil-labs a affiné Qwen3-4B pour qu’il atteigne la précision sémantique de DeepSeek-V3 (685B) sur les tâches Text2SQL, le surpassant même sur l’indicateur « Exact Match ». Le modèle supporte l’exécution locale, traite les données CSV sans upload sur le cloud et répond en moins de 2 secondes, illustrant le potentiel des petits modèles pour remplacer les géants sur des tâches verticales (Source : GitHub)
Mise à jour de LlamaParse : OCR précis de graphiques et d’images à bas coût : LlamaIndex a mis à jour son outil LlamaParse avec un mode Agentic, optimisé pour les éléments visuels complexes (courbes, camemberts, organigrammes). Plutôt que d’envoyer une capture d’écran entière à un VLM, l’outil identifie les boîtes de délimitation des sous-éléments et extrait la logique numérique pour la convertir en Markdown de haute qualité (Source : jerryjliu0)
Wobo : le « Tinder de la recherche d’emploi » basé sur des AI Agents : Wobo est une application iOS utilisant des AI Agents pour automatiser l’envoi de CV. L’utilisateur télécharge son CV une seule fois, l’IA analyse sa « personnalité professionnelle » et, lorsqu’il « swipe à droite » sur un poste, l’IA navigue automatiquement sur les sites officiels complexes, génère une lettre de motivation personnalisée et répond aux questions de filtrage (Source : Reddit)
📚 Apprentissage
Retour du cours CS224N de Stanford en 2026 : nouveaux modules sur les Agents et le Reasoning : Le classique cours de NLP, CS224N, annonce son retour. Cette année, il sera co-enseigné par Diyi Yang et Yejin Choi. En plus des bases du NLP par réseaux de neurones, le programme mettra l’accent sur les AI Agents, l’utilisation d’outils et deux conférences dédiées au « Reasoning » (Source : Stanford)
Andrew Ng lance « Build with Andrew » : créer des applications Web sans code : Dans sa dernière newsletter The Batch, Andrew Ng propose un nouveau cours guidant les débutants pour construire et publier des applications Web fonctionnelles uniquement par description naturelle de leurs idées. Le cours souligne le paradigme de « l’IA comme développeur » (Source : DeepLearningAI)
Synthèse de 11 nouvelles techniques de Policy Optimization : TuringPost a résumé 11 techniques récentes de Policy Optimization, dont GDPO (Reward Decoupled Normalization), AT²PO (Agent Turn-based PO basé sur la recherche arborescente) et le très remarqué PC-GRPO (Puzzle Curriculum GRPO). Ces techniques sont essentielles pour améliorer les chaînes logiques et l’alignement des LLM (Source : TuringPost)
💼 Business
OpenAI acquiert la startup médicale Torch : OpenAI a annoncé l’acquisition de Torch, une startup d’IA médicale intégrant résultats d’expériences, dossiers médicamenteux et enregistrements de consultations. L’équipe de Torch rejoindra le département ChatGPT Health. Cette opération montre qu’OpenAI accélère la commercialisation de l’IA dans la gestion de la santé et l’assistance clinique (Source : OpenAI)
Entrée en bourse de MiniMax à Hong Kong, bond de 109 % le premier jour : La licorne chinoise MiniMax est entrée à la bourse de Hong Kong le 9 janvier 2026. Le cours de l’action a grimpé de 109 % dès le premier jour, portant sa valorisation au-delà de 150 milliards de HKD. Avec le succès de Talkie et HaiLuo AI sur le marché grand public, MiniMax prouve l’attractivité des produits multimodaux B2C. Cette IPO est vue comme une étape cruciale pour obtenir de l’« oxygène » dans la course effrénée à la puissance de calcul (Source : TuringPost)
xAI dépense 28 millions de dollars par jour, sa valorisation atteint 230 milliards : Malgré une perte de 7,8 milliards de dollars sur les trois premiers trimestres de 2025, xAI a récemment levé 20 milliards de dollars. Elon Musk pousse le plan « Macrohard », visant à construire un système d’IA autonome capable de piloter les robots Tesla. Ce modèle d’investissement massif reflète les barrières à l’entrée extrêmement élevées pour les infrastructures et les talents (Source : 36Kr)
🌟 Communauté
Le Vibe Coding/Working suscite un grand débat sur l’identité professionnelle : Avec la démocratisation de Claude Cowork et des outils d’Agents, le « Vibe Working » devient un terme à la mode. La communauté estime qu’il ne s’agit pas d’un simple gain d’efficacité, mais d’une « monétisation des connaissances métier ». La valeur des futurs ingénieurs passera de « l’écriture de 100 000 lignes de code » à la « conception de systèmes permettant à l’IA d’écrire ces lignes ». Cependant, certains craignent une baisse de qualité du code (« Slop ») et une dépendance excessive aux boîtes noires de l’IA (Source : nearcyan, amasad)
Les détecteurs d’IA qualifiés de « pure arnaque » : La communauté Reddit s’en prend violemment aux outils comme GPTZero, soulignant un taux de faux positifs extrêmement élevé, certains ayant même marqué la Déclaration d’Indépendance comme étant générée à 90 % par IA. Les utilisateurs affirment que ces outils mesurent la « familiarité statistique » plutôt que l’origine réelle, pénalisant auteurs originaux et étudiants. Le monde de l’éducation est appelé à cesser la « chasse aux sorcières » (Source : Reddit)
Le fondateur de DeepSeek, Liang Wenfeng, surnommé le « Moine Balayeur de l’IA » : La communauté discute avec passion du passé de Liang Wenfeng dans les fonds quantitatifs. Son fonds, High-Flyer Quant, a affiché un rendement de 56,6 % en 2025. Les internautes admirent sa capacité à réinvestir ses gains de manière « YOLO » dans l’IA, tout en adoptant des voies techniques non conventionnelles (MLA, Engram), faisant de lui une variable clé de l’IA chinoise face aux géants de la Silicon Valley (Source : teortaxesTex)
💡 Autre
Les écouteurs IA Sweetpea pourraient sortir en septembre : Selon les rumeurs, le premier produit hardware d’OpenAI — nom de code Sweetpea — conçu par l’équipe de Jony Ive, ressemblerait à un galet métallique et intégrerait une puce 2nm pour l’inférence locale. OpenAI prévoit de vendre 50 millions d’unités la première année, défiant directement les AirPods (Source : 36Kr)
La sécurité de l’IA devient le nouveau standard de sélection pour les entreprises en 2026 : Avec l’extension des permissions des AI Agents, la sécurité passe d’une « option » à une « condition préalable ». Selon une enquête, 43 % des entreprises considèrent la sécurité comme le principal obstacle à l’adoption de l’IA. La tendance pour 2026 est la sécurité « native », avec l’activation par défaut de l’audit et de l’isolation des permissions lors de l’orchestration des Agents (Source : 36Kr)