Apple publie le framework MLX d'apprentissage automatique pour Apple Silicon

# Google lance SignGemma : Un modèle innovant pour convertir la langue des signes en texte vocal

Récemment, Google a annoncé un nouveau modèle d'intelligence artificielle appelé SignGemma sur ses plateformes de réseaux sociaux. Ce modèle sera capable de convertir la langue des signes en texte vocal. Cette innovation devrait être intégrée à la série open source Gemma plus tard dans l'année et finalement appliquée à plusieurs produits de Google tels que Gemini Live. L'arrière-plan de la technologie de conversion en langue des signes La langue des signes est un outil essentiel de communication pour les personnes sourdes et muettes, et son usage se généralise de plus en plus.

ByteDance lance le programme Top Seed pour recruter des talents en IA parmi les doctorants de la promotion 2026

ByteDance a récemment annoncé le lancement officiel du programme de recrutement Top Seed 2026 pour les grands modèles, visant à recruter environ 30 doctorants exceptionnels. Ce programme se concentre sur les domaines de pointe de l'intelligence artificielle, couvrant les grands modèles de langage, les algorithmes et systèmes d'apprentissage automatique, la génération et la compréhension multimodales, le traitement de la parole, etc. ByteDance espère attirer ainsi les jeunes talents prometteurs et passionnés par la recherche sur les grands modèles. Contrairement aux programmes de recrutement précédents, le Top Seed de cette année met l'accent sur l'absence de restriction de formation.

SYMPLEX : le premier modèle d'apprentissage profond pour la découverte de gènes au monde, développé par l'Université de Pékin, révolutionne la biofabrication

L'Université de Pékin a développé SYMPLEX, un modèle d'apprentissage profond révolutionnaire pour la découverte de gènes. Ce modèle ouvre la voie à une nouvelle ère de la biofabrication, en accélérant le processus de découverte et de conception de nouvelles molécules et processus biologiques.

Pusa : un modèle vidéo open source créé pour moins de 100 € - basé sur l'ajustement fin de Mochi et reproduisant une haute qualité à faible coût

Découvrez comment nous avons créé un modèle vidéo open source performant, Pusa, pour un coût inférieur à 100 €. En utilisant la méthode d'ajustement fin de Mochi, nous avons réussi à reproduire des résultats de haute qualité à un prix abordable. Ce projet démontre la faisabilité de créer des modèles vidéo avancés sans un budget important.

Hugging Face ajoute une fonctionnalité pratique : vérifiez en un clic les modèles pouvant être exécutés sur votre ordinateur

Hugging Face, plateforme phare de la communauté open source pour l'intelligence artificielle, lance une fonctionnalité très attendue : les utilisateurs peuvent désormais rapidement vérifier quels modèles d'apprentissage automatique leur matériel informatique peut exécuter via les paramètres de la plateforme. Il suffit, paraît-il, d'ajouter les informations sur son matériel (par exemple, le modèle de GPU) dans les paramètres personnels de Hugging Face (en haut à droite, Avatar > Paramètres > Applications locales et matériel).

L'ère de l'IA expose les chaînes d'approvisionnement logicielles à des risques majeurs : une augmentation de 64 % des fuites de données confidentielles

JFrog a récemment publié son rapport sur l'état de la chaîne d'approvisionnement logicielle 2025, qui met en lumière les défis de sécurité importants auxquels sont confrontées les chaînes d'approvisionnement logicielles dans le contexte du développement rapide de l'intelligence artificielle (IA). Selon ce rapport, l'équipe de recherche, grâce à une enquête menée auprès de plus de 1 400 professionnels et à l'analyse de données provenant de plus de 7 000 clients, dresse un tableau alarmant de la sécurité. Le rapport indique que les vulnérabilités de sécurité de la chaîne d'approvisionnement logicielle ont considérablement augmenté au cours de l'année écoulée, avec une augmentation de 64 % des cas d'exposition d'informations « confidentielles » ou secrètes.

Netflix recrute des scientifiques et ingénieurs en apprentissage automatique pour stimuler l'intelligence du contenu

Meta AI lance V-JEPA, un nouveau modèle d'apprentissage vidéo : une percée dans la compréhension vidéo

L'équipe Meta AI a récemment lancé le modèle V-JEPA (Video Joint Embedding Predictive Architecture), une innovation visant à faire progresser l'intelligence artificielle. Les humains traitent naturellement les informations provenant de signaux visuels pour identifier les objets et les schémas de mouvement qui les entourent. Un objectif important de l'apprentissage automatique est de révéler les principes fondamentaux qui sous-tendent l'apprentissage non supervisé chez l'homme. Les chercheurs ont proposé une hypothèse clé – le principe de prédiction des caractéristiques – selon laquelle les représentations des entrées sensorielles successives devraient pouvoir se prédire mutuellement. Les premières approches reposaient sur l'analyse des caractéristiques lentes...

Figure lance Helix, un nouveau modèle d'IA intelligent permettant aux robots humanoïdes de suivre des instructions vocales pour les tâches ménagères

Récemment, Brett Adcock, fondateur et PDG de Figure, a dévoilé Helix, un nouveau modèle d'apprentissage automatique visant à améliorer les capacités des robots humanoïdes dans un environnement domestique. Cette annonce intervient seulement deux semaines après l'annonce de la fin de la collaboration de Figure avec OpenAI, démontrant ainsi sa détermination dans le domaine de la robotique. Helix est un modèle vision-langage-action (VLA) « universel » capable de traiter les données visuelles

Le modèle DeepSeek-R1 souffre de graves problèmes d'hallucinations, remettant en question ses capacités de raisonnement et sa précision

Récemment, l'équipe d'apprentissage automatique de Vectara a mené des tests approfondis sur les hallucinations de deux modèles de la série DeepSeek. Les résultats montrent que le taux d'hallucinations de DeepSeek-R1 atteint 14,3 %, significativement plus élevé que les 3,9 % de son prédécesseur, DeepSeek-V3. Cela indique que, lors de l'amélioration du raisonnement, DeepSeek-R1 génère davantage de contenu inexact ou incohérent avec les informations d'origine. Ce résultat a suscité un large débat sur le taux d'hallucinations des grands modèles linguistiques (LLM) dont le raisonnement a été amélioré. Source de l'image