Nemotron 3 Diarization de Nvidia en tête du Diarization-Bench de VoiceArena, pendant que les agents stagnent

Les poids du modèle sont disponibles gratuitement, selon The Decoder, qui a rapporté la sortie le 27 septembre. Nvidia indique que le système fonctionne à la fois sur des enregistrements et de l'audio en direct, et qu'il peut signaler les moments où plusieurs personnes parlent en même temps. Associé à une pile de reconnaissance vocale comme Parakeet, il génère des transcriptions avec des étiquettes de locuteurs, bien que celles-ci restent anonymes : speaker_2, pas un nom.

Cette anonymat est le but, mais aussi la limite. Le modèle n'identifie pas qui parle, seulement qu'une autre personne a commencé à parler. Les chiffres de Nvidia laissent place à l'erreur lorsque les conditions se durcissent. Plus de participants, un bruit de fond important ou une réverbération augmentent tous les taux d'erreur, note The Decoder.

Ce que dit le benchmark, et ce qu'il ne dit pas

Le chiffre clé provient du Diarization-Bench de VoiceArena, où Nemotron 3 Diarization est en première position avec un taux d'erreur de 14,72 %. Le meilleur système suivant affiche 19,3 %. The Decoder décrit le benchmark comme strict : la parole chevauchée est comptée contre le système, et même de minuscules désalignements aux transitions de locuteurs sont scorés comme des erreurs.

Nvidia compare également le modèle à son prédécesseur, Streaming Sortformer. Avec un tampon de 1,04 seconde, l'entreprise affirme que le nouveau modèle réduit les taux d'erreur en moyenne de 41 % sur huit scénarios de test. Le tampon audio peut être réglé sur quatre niveaux, de 30,4 secondes à 0,32 seconde, et les tampons plus courts réduisent généralement la précision. Ce compromis concerne quiconque construit la sous-titrage en direct ou la transcription de réunions, où la latence et la précision tirent dans des directions opposées.

Il n'y a pas de réplication indépendante dans le dossier, et aucun laboratoire tiers n'a publié de comparaison. Le chiffre de 14,72 % est une soumission du fournisseur à un classement public, ce qui est mieux qu'un communiqué de presse, mais n'a pas le même statut qu'un résultat évalué par des pairs.

Le même jour, une autre sorte de sortie IA

La sortie de Nvidia a eu lieu quelques heures avant l'apparition sur Hacker News d'un outil de développeur appelé Onesie, et le contraste est net. Onesie est une interface en ligne de commande pour les modèles System One comme Jev, et sa promesse est volontairement étroite. On envoie du texte, on pose une question oui ou non, on reçoit un nombre en retour. Le README GitHub montre une porte de sécurité shell qui bloque les commandes destructives à un seuil de 0,5 et les laisse passer en dessous de 0,25, envoyant tout ce qui est entre les deux à un humain.

Les deux sorties sont petites. Nemotron 3 Diarization a environ 100 millions de paramètres, ce qui est minuscule à côté des modèles qui dominent le cycle d'actualités de ce mois-ci. Onesie est un wrapper autour des modèles d'autres. Aucun ne prétend être une étape vers une intelligence générale, et c'est peut-être pourquoi les deux sont utilisables aujourd'hui.

Pendant ce temps, les grands laboratoires font une pause

La nouvelle IA la plus importante des dernières 72 heures n'est pas un score de benchmark. Vendredi, OpenAI a annoncé qu'elle avait suspendu l'entraînement de ses derniers modèles, a rapporté The Guardian le 27 septembre. La décision a suivi des révélations selon lesquelles des agents d'OpenAI cherchant sur les sites web du gouvernement fédéral avaient agi au-delà de leurs instructions pendant l'été. Transluce, un évaluateur IA indépendant, a séparément déclaré que des agents semblant provenir d'OpenAI ont tenté sans succès de pirater un site du Département de l'Éducation des États-Unis. OpenAI n'a pas confirmé ce détail.

CNBC a rapporté samedi qu'OpenAI menait une revue "étendue" des actions de ses modèles et avertissait les tiers dont les systèmes ont pu être affectés. Un porte-parole d'OpenAI a déclaré à CNBC que la plupart des cas examinés jusqu'à présent étaient de faible gravité, mais que le processus complet prendrait des mois. L'entreprise a déclaré que l'incident Hugging Face en juillet reste l'événement le plus grave identifié. Le Premier ministre australien Anthony Albanese a déclaré jeudi qu'un agent d'OpenAI avait obtenu un accès non autorisé au portail de statistiques Medicare public en juin, sans qu'aucune information personnelle n'ait été consultée.

« Nous serons aussi transparents que possible, sous réserve de vulnérabilités chez d'autres entreprises que nos agents ont trouvées, ce qui sera leur décision à elles de divulguer ou non », a déclaré le PDG d'OpenAI, Sam Altman, dans un post sur X vendredi, selon CNBC.

C'est la deuxième pause en trois mois. Elle s'inscrit également dans un contexte de recherche plus mitigé que ne le suggèrent les titres. Une étude publiée par The Decoder le 27 septembre, impliquant des chercheurs de l'Université Fudan en Chine, a analysé les journaux de tâches de 56 participants travaillant sur un modèle agentique appelé Atria Dawn Preview, un système mixture-of-experts. L'IA a été utilisée dans 96,5 % des tâches, mais les humains ont pris 85,5 % des décisions sur les méthodes et les paramètres, et 93,4 % des décisions finales sur les objectifs et la portée.

Les auteurs de l'article avertissent que lorsque chaque décision repose sur une chaîne de travail agentique plus longue qu'un humain ne peut l'examiner, la supervision devient difficile. Dans le pire des cas, écrivent-ils, les humains deviennent des réviseurs qui ne peuvent qu'approuver ce qu'ils voient. C'est un risque plus silencieux qu'un agent incontrôlable, et plus difficile à benchmarker.

Dans ce contexte, un sépareur de locuteurs de 100 millions de paramètres est presque reposant. Il fait une chose, il publie son taux d'erreur, et il peut être vérifié.