Mots-clés：grand modèle, IA open source, antitrust IA, actualités de l’industrie de l’IA, Kimi K3, GPT-Red
🔥 Focus
Moonshot AI lance le grand modèle open-source de classe 3T Kimi K3 : architecture MoE à 2,8 billions de paramètres, contexte de 1M, multimodalité native. Utilisant l’attention linéaire KDA et les résidus profonds AttnRes, le coût d’inférence est considérablement réduit, bien qu’il subsiste un léger écart avec Fable 5 et GPT-5.6 sur les tâches complexes. Il s’est classé premier dans le classement du code front-end d’Arena.ai, dépassant Fable 5. Les poids du modèle devraient être open-sourcés d’ici le 27 juillet, suscitant des discussions dans l’industrie sur la capacité des modèles chinois à rattraper les fleurons fermés américains (Source : 量子位, 机器之心, THE DECODER)
Alibaba DAMO Academy publie le modèle de monde incarné 4D RynnWorld-4D : DAMO Academy propose le premier modèle de monde incarné 4D générant simultanément du RGB, de la profondeur et du flux optique (RGB-DF). Adoptant une architecture Transformer à trois branches et une attention croisée multimodale conjointe, il a été entraîné par étapes sur 254 millions de trames de données 4D. Le modèle peut extraire directement la géométrie et les tendances de mouvement à partir des caractéristiques des couches intermédiaires, permettant un contrôle en boucle fermée à haute fréquence. Lors de tests réels de manipulation bimanuelle agile, son taux de réussite a nettement dépassé les stratégies 2D traditionnelles (Source : 机器之心)
.jpg)
Thinking Machines présente Inkling, un grand modèle open-source hautement efficace : La start-up IA fondée par Mira Murati a publié un modèle MoE multimodal open-source de 975B paramètres. Le point fort est l’introduction d’un mécanisme de “pensée contrôlable”, permettant aux entreprises de maîtriser les coûts en ajustant le coefficient de pénalité des tokens de raisonnement. Prenant en charge nativement le texte, les images et l’audio, ce modèle vise à résoudre les problèmes de coûts élevés et d’hallucinations dans les déploiements d’IA en entreprise en compressant le processus de réflexion et en se concentrant sur des tâches pratiques telles que l’appel d’outils (Source : AI Business)
OpenAI dévoile GPT-Red, son modèle d’évaluation automatisée par équipe rouge (red-teaming) : Ce modèle, entraîné par apprentissage par renforcement contradictoire (adversarial reinforcement learning), est spécialisé dans la détection des injections de prompts et des failles de sécurité. Lors des tests, GPT-Red a atteint un taux de réussite d’attaque de 84 % sur GPT-5.1, dépassant de loin les 13 % de l’équipe rouge humaine, et a découvert pour la première fois l’attaque par injection de “fausse chaîne de pensée” (fake chain of thought). OpenAI a utilisé les échantillons d’attaque générés pour entraîner GPT-5.6 Sol, réduisant son taux de vulnérabilité de sécurité à 0,05 %, ce qui améliore considérablement la sécurité des agents en production (Source : MarkTechPost, AI Business)
La Chine prône un nouvel ordre de l’IA ouvert et mutuellement bénéfique lors de la WAIC 2026 : Lors de la World Artificial Intelligence Conference à Shanghai, la partie chinoise a prononcé un discours d’ouverture, réitérant son soutien à l’IA open-source, s’opposant à la création de “nouvelles injustices historiques” dans le domaine de l’IA, et mettant en garde contre la généralisation du concept de sécurité nationale pour restreindre le développement de l’IA. Cela reflète la tentative de la Chine de briser le monopole technologique américain via un écosystème open-source et des modèles à bas coût, favorisant la démocratisation des infrastructures d’IA et des agents dans les pays du Sud global (Source : Reuters, SCMP)
🎯 Tendances
Google retarde le lancement de Gemini 3.5 Pro en raison de performances de codage insuffisantes : Le très attendu Gemini 3.5 Pro (nom de code “Cappuccino”) a vu sa sortie repoussée de plusieurs mois car ses capacités clés, notamment en écriture de code, n’ont pas atteint les standards internes. Malgré les investissements massifs de Google dans la puissance de calcul et les centres de données, la bureaucratie interne, les conflits d’équipe et le manque de confiance des ingénieurs envers le code généré par l’IA l’ont de nouveau placé sur la défensive face à OpenAI et Anthropic (Source : The Verge)
Google restructure ses applications IA : NotebookLM est renommé et s’ouvre à l’intégration de Search App : Google a rebaptisé son outil populaire de prise de notes IA NotebookLM en “Gemini Notebook”, et a ajouté une fonctionnalité d’ordinateur cloud capable d’écrire et d’exécuter du code pour les utilisateurs de Workspace. Parallèlement, l’AI Mode de Google Search prend désormais officiellement en charge les connexions directes avec des applications tierces telles que Instacart, Canva et YouTube Music, permettant aux utilisateurs de passer des commandes ou de concevoir des modèles directement depuis l’interface de recherche (Source : THE DECODER, The Verge)
Les régulateurs de l’UE et de l’Allemagne frappent fort sur l’antitrust et la conformité de l’IA : L’autorité allemande de régulation des médias (ZAK) a pour la première fois qualifié Google AI Overviews et Perplexity de fournisseurs de contenu, jugeant qu’ils ne sont pas protégés par les clauses d’exemption du DSA et doivent être tenus responsables des fausses informations, tout en accusant Google d’utiliser les résumés IA pour étouffer les liens vers les sites d’actualités. Parallèlement, l’UE, en vertu du DMA, contraint Google à ouvrir les interfaces de son assistant IA sur Android à ses concurrents, brisant ainsi le monopole par défaut de Gemini (Source : THE DECODER, Ars Technica)
Le Shanghai Artificial Intelligence Laboratory publie un grand modèle scientifique non-Transformer de 397B : Le laboratoire a dévoilé Intern-S2-Preview-397B lors de la WAIC 2026. Ce modèle adopte une architecture non-Transformer baptisée “Mobius” et introduit un double moteur inédit de “séparation des connaissances et du raisonnement”, absorbant les connaissances spécialisées via des modules de mémoire externe enfichables pour éviter de perturber les capacités générales. Le modèle affiche d’excellentes performances dans les tâches AI4S telles que la conception moléculaire et la génération de structures de matériaux, avec une efficacité d’inférence de bout en bout multipliée par près de 4 (Source : 量子位)
Li Auto lance la nouvelle génération de L6 : à partir de 249 800 RMB, équipée de série de sa puce de conduite intelligente maison : La nouvelle L6 revient à une stratégie de “version unique” au prix de 249 800 RMB. Le nouveau véhicule bénéficie d’un transfert de technologies phares au niveau de la motorisation électrique, du châssis et du cockpit intelligent : batterie de 51 kWh de série (autonomie électrique de 300 km), charge rapide en 12 minutes, puce de conduite intelligente Mach M100 développée par Li Auto (puissance de calcul de 1280 TOPS) et écran panoramique ultra-large 6K de 29 pouces, offrant une expérience intelligente de “même génération et même puce” que le modèle phare L9 (Source : 量子位)
Apple adresse des avertissements juridiques à d’anciens employés chez OpenAI, les accusant de fuite de secrets commerciaux : La concurrence autour des talents de pointe en IA et des secrets commerciaux a atteint son paroxysme. Environ 40 anciens employés ayant rejoint OpenAI ont reçu des lettres d’avocats d’Apple leur demandant de conserver toutes les communications et de se préparer à une enquête. Cette démarche fait suite à une plainte déposée par Apple la semaine dernière, accusant ses anciens employés d’avoir aidé OpenAI à voler ses secrets de conception de matériel et de puces (Source : The Verge)
SenseTime Infrastructure lance un “Agent de synergie calcul-électricité” pour optimiser l’efficacité énergétique de la production de Tokens : SenseTime a dévoilé lors de la WAIC le premier “Agent de synergie calcul-électricité” ayant passé les tests de la CAICT (Académie chinoise des technologies de l’information et des communications). Ce système planifie intelligemment la puissance de calcul et le stockage d’énergie en détectant la charge de calcul et en prédisant les prix de l’électricité. SenseTime a été le premier à proposer de remplacer l’indicateur traditionnel PUE par le TPW (Tokens par Watt). Après son déploiement à l’AIDC de Lingang, le rendement en Tokens par coût d’électricité unitaire a augmenté de 80 %, avec une réduction annuelle de carbone de 24 000 tonnes (Source : 量子位)
ForceBot relève le défi de 15 heures de travail continu pour construire une Grande Muraille de 80 000 pièces avec des modèles d’IA : En collaboration avec StepFun, ForceBot a utilisé 6 robots sur le site de la WAIC pour tenter d’assembler en continu pendant 15 heures un modèle complexe de la Grande Muraille comptant plus de 80 000 pièces. Cette opération de précision sous-millimétrique s’appuie sur son modèle de base généraliste DM0.5 et son modèle de monde DW0.5. Grâce à une boucle fermée d’apprentissage par renforcement post-entraînement, les robots ont acquis une force d’impulsion (“cunjin”) similaire à celle des humains et une capacité d’autocorrection (Source : 机器之心)
.jpg)
Roblox lance “Build”, un outil de génération de jeux par IA sur mobile : La plateforme de jeux Roblox a publié la version mobile de son outil de création assistée par IA “Build”. Il suffit à l’utilisateur de saisir une simple description pour que l’IA génère automatiquement un jeu 3D comprenant les mécaniques de jeu, l’environnement et les effets sonores. Pour faire face à la prolifération potentielle de “jeux poubelles IA” de mauvaise qualité, Roblox filtrera et classera automatiquement les jeux générés à l’aide d’un algorithme basé sur le taux de rétention des joueurs (Source : TechCrunch)
🧰 Outils
code-review-graph : un outil de graphe intelligent de code axé sur le local : Il s’agit d’un outil d’analyse de code local open-source ayant obtenu près de 20 000 étoiles sur GitHub. Il utilise Tree-sitter pour analyser le code et générer un AST, construit un graphe SQLite local contenant les dépendances des fonctions, des classes et des tests, et prend en charge le protocole MCP. Lors de tests sur de grands projets comme FastAPI, il permet de compresser les tokens de contexte jusqu’à 528 fois, permettant à l’AI Review de ne lire que les fichiers de code affectés (Source : GitHub)
LM Studio Bionic : un agent d’IA local pour les modèles open-source : La plateforme d’exécution de grands modèles locaux LM Studio a lancé l’agent “Bionic”. Cet outil est spécifiquement optimisé pour les modèles open-source tels que Kimi K2.6 et GLM 5.2, prenant en charge le traitement de documents locaux, l’écriture de code et la génération de tableaux. De plus, il intègre le modèle Voxtral de Mistral AI pour réaliser une transcription vocale en temps réel à faible latence et respectueuse de la vie privée en local (Source : Hacker News)
PenEcho : un canevas interactif IA en temps réel pour formules manuscrites et graphiques : Des développeurs ont open-sourcé l’outil de canevas PenEcho. Les utilisateurs peuvent écrire des formules physiques ou dessiner des croquis directement sur une tablette graphique. PenEcho découpe automatiquement des sections d’images pour les envoyer à de grands modèles comme Claude, générant en temps réel des suggestions de dérivation ou de correction éditables à côté du contenu manuscrit. Cet outil améliore considérablement la fluidité de la collaboration homme-machine dans la recherche académique (Source : Reddit)
Chiron : un système de vérification de code précis basé sur la longueur de description minimale : Pour lutter contre les “hallucinations” et l‘“excès de confiance” qui surviennent souvent lorsque les grands modèles génèrent du code, le projet open-source Chiron propose un mécanisme de vérification basé sur la longueur de description minimale (MDL). Une fois que le modèle a généré des règles, il les valide rigoureusement sur un ensemble de tests qu’il n’a jamais vu. Pour les sorties qui ne peuvent pas être garanties à 100 %, le système déclenche directement une réponse de rejet, assurant la sécurité absolue du code produit (Source : Reddit)
📚 Apprentissage
cwc-workshops : ateliers pratiques officiels Claude Code par Anthropic : Anthropic a open-sourcé l’intégralité du matériel pédagogique de ses ateliers officiels “Code with Claude”. Le contenu explique comment utiliser Claude pour l’évaluation et le réglage fin des grands modèles, le découpage de systèmes multi-agents, la validation au moment de l’exécution (runtime) de composants React, et comment construire une mémoire à long terme inter-sessions pour les agents via Memory Store et Dreaming Service (Source : GitHub)
Transformer By Hand : un guide pour calculer à la main la structure du réseau Transformer : Face à la complexité de l’architecture Transformer, le professeur Tom Yeh a publié des diagrammes pédagogiques pour le calcul manuel. Il simplifie les composants complexes en éléments clés : les “poids d’attention” et le “réseau à propagation avant (FFN)”. À travers le calcul de la propagation avant de 5 caractéristiques d’entrée dans un réseau monocouche, il illustre de manière intuitive le principe du mélange de caractéristiques par le mécanisme d’attention dans la dimension spatiale et par le FFN dans la dimension des canaux (Source : Twitter)
Papier académique : la pénalité de longueur réduit la supervisabilité de la chaîne de pensée (CoT) : L’article (arxiv:2607.09786) souligne que l’ajout d’une pénalité de longueur dans l’apprentissage par renforcement, bien qu’il raccourcisse la CoT et réduise le coût en tokens, masque de manière sélective les fondements réels du raisonnement du modèle. Les expériences montrent que lorsque la CoT compressée est perturbée par des biais de prompt, sa probabilité d’exposer ces biais est inférieure de 7 à 35 % à celle d’un texte tronqué de manière aléatoire, ce qui rend plus difficile pour les moniteurs externes de détecter les erreurs potentielles du modèle (Source : HuggingFace)
💼 Business
Walden Robotics, spin-off du Toyota Research Institute, lève 300 millions de dollars : Walden Robotics, issue du Toyota Research Institute, a annoncé la clôture d’un tour de table d’amorçage (seed) de 300 millions de dollars, valorisant l’entreprise à 1,1 milliard de dollars. Les investisseurs comprennent Toyota, Nvidia, CoreWeave, etc. L’entreprise ne suit pas la voie des humanoïdes bipèdes, mais adopte une conception pragmatique de “châssis à roues + haut du corps humanoïde”, se concentrant sur les scénarios de fabrication et de logistique, et a déjà démarré la production réelle dans les usines de Toyota (Source : AI Business)
La plateforme de néo-cloud d’inférence General Compute obtient 400 millions de dollars de financement par emprunt : General Compute a obtenu un prêt de 400 millions de dollars auprès d’Upper90, marquant le premier financement majeur du secteur utilisant des puces d’inférence non-Nvidia (SambaNova SN50) comme garantie. Alors que les performances des modèles open-source s’envolent, la demande du marché pour une puissance de calcul d’inférence à bas coût augmente considérablement. Cette transaction signale que les capitaux commencent à se tourner vers des infrastructures d’inférence dédiées en dehors des GPU (Source : TechCrunch)
Databricks prépare un nouveau tour de table, sa valorisation grimpant à 188 milliards de dollars : Le géant du data lakehouse Databricks lève un nouveau cycle de financement stratégique, portant sa valorisation à 188 milliards de dollars. Les revenus annualisés de l’entreprise s’élèvent actuellement à 6,9 milliards de dollars (en hausse de 80 % sur un an), dont 1,7 milliard de dollars proviennent de produits d’IA tels que Unity AI Gateway et Genie. Les nouveaux fonds serviront à accélérer la gouvernance multi-modèles et la recherche de données en entreprise (Source : Podcast, Reddit)
🌟 Communauté
Le lancement de Kimi K3 déclenche un débat sino-américain sur les modèles open-source vs fermés : La communauté a entamé un débat animé sur les performances de Kimi K3. Les partisans estiment que la victoire de K3 dans l’arène du code front-end prouve que l’écart entre les modèles open-source et les meilleurs modèles fermés occidentaux s’est réduit à quelques jours, brisant le préjugé selon lequel “la Chine ne peut s’appuyer que sur la distillation”. Les sceptiques soulignent quant à eux que le prix élevé de K3 (3 $ / 15 $) annonce la fin de l’ère de l’open-source à bas coût, et que son temps d’inférence est long, avec des hallucinations persistantes et des comportements superflus sur les tâches complexes. Son expérience réelle doit encore être validée sur des ensembles de tests non contaminés (Source : THE DECODER, Reddit, 36氪)
Le mécanisme de réinitialisation aléatoire de Claude provoque une vague de désabonnements au profit d’OpenAI : La communauté ClaudeAI sur Reddit a protesté vivement contre le mécanisme de réinitialisation des quotas d’Anthropic. Les utilisateurs se plaignent que des heures de réinitialisation aléatoires et opaques (en particulier pour ceux réinitialisés le jeudi) entraînent le gaspillage d’une grande partie de leurs quotas. De nombreux commentaires très appréciés affirment que c’est “la goutte d’eau qui fait déborder le vase”, et qu’ils ont annulé leur abonnement mensuel de 200 $ pour se tourner vers la plateforme OpenAI/Codex, qui prend en charge le report des quotas et offre une expérience plus stable (Source : Reddit)
L‘“Agentwashing” et le gaspillage de Tokens suscitent l’anxiété des entreprises quant au retour sur investissement de l’IA : Les dernières enquêtes d’a16z et de VentureBeat ont suscité de vifs débats dans la communauté. Les données montrent que 71 % des prétendus “agents” déployés par les entreprises ne sont que des versions “habillées” de conversations uniques, et non de véritables flux de travail multi-étapes. En raison de l’absence de définitions de tâches et de systèmes d’évaluation clairs, 80 % des budgets d’IA sont gaspillés dans des boucles inefficaces. Cela pousse les entreprises à abandonner le “Tokenmaxxing” aveugle pour s’orienter vers la construction de systèmes de gestion de l’IA centrés sur l’évaluation (Eval) et les passerelles (Gateway) (Source : 36氪, Reddit)
💡 Divers
Le système de facturation d’AWS subit une panne majeure, facturant des milliards de dollars à des utilisateurs : Plusieurs utilisateurs de Hacker News ont signalé une erreur critique dans le système de prévision de facturation d’AWS. Des comptes de test personnels, qui coûtent habituellement moins de 5 dollars par mois, ont reçu des factures astronomiques allant de 1,7 à 3 milliards de dollars. Le robot de support officiel d’AWS a répondu qu’il s’agissait probablement d’une erreur de mesure ou de facturation, et un ticket d’incident a été créé en urgence pour investigation (Source : Hacker News)
Des hackers piratent Suno à l’aide d’un ver informatique, révélant l’intégralité de ses sources d’entraînement : La plateforme de génération musicale Suno a été piratée par des hackers utilisant le ver Shai-Hulud, exposant une partie de son code source et la composition de son ensemble d’entraînement. Les données divulguées montrent que l’entraînement de Suno comprend 113 000 heures de musique YouTube, 62 000 heures d’audio sous licence Pond5 et 12 000 heures de musique Deezer. Cela a déclenché d’intenses débats au sein de la communauté sur le droit d’auteur et l’usage équitable des données (Source : Twitter)
L’IA aide à déchiffrer les papyrus d’Herculanum, élucidant le mystère de la tombe de Platon : Des scientifiques ont utilisé l’infrarouge à ondes courtes, la numérisation 3D et des technologies d’amélioration d’image par IA pour lire avec succès le contenu de rouleaux carbonisés par l’éruption du Vésuve, sans les toucher. Plus de 1 000 mots nouvellement déchiffrés retracent en détail l’histoire de l’Académie de Platon et indiquent pour la première fois avec précision que la tombe de Platon se trouvait dans un jardin privé de l’Académie, près du temple des Muses (Source : Twitter)
