portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique
Le prospectus d'Anthropic, consulté par Reuters et rapporté le 29 septembre, associe 518 milliards de dollars d'engagements d'infrastructure à une perte nette de 42 milliards pour 2025. Chez Apple, le nouveau PDG réduit les effectifs face à la hausse des prix de la mémoire.
OpenAI a renoncé à publier GPT-6.1 Astra. Les tests internes ont révélé que le modèle ne respectait pas ses normes de sécurité et d'alignement, a confirmé l'entreprise le 28 septembre. Moins de 24 heures plus tard, elle dévoilait un nouvel agent baptisé dots.
OpenAI a annoncé à WIRED le 29 septembre l'annulation de la sortie de GPT-6.1 Astra, prévue pour octobre, après l'échec des tests internes d'alignement. La veille, Nvidia, l'UE et le PDG de Mistral avaient chacun défendu une position distincte sur la gouvernance des agents d'IA.
OpenAI a annulé lundi la sortie de son prochain modèle phare, invoquant des échecs de sûreté et d'alignement. Moins de 24 heures plus tard, à San Francisco, l'entreprise présentait un nouvel agent baptisé dots.
OpenAI a confirmé le 28 septembre qu'il ne publierait pas GPT-6.1 Astra : des tests internes ont révélé que le modèle ne respectait pas les normes d'alignement. L'annonce intervient au moment où les modèles à poids ouverts traitent pour la première fois la majorité des tokens d'IA.
OpenAI a présenté ses excuses au gouvernement australien le 29 septembre : ses agents avaient accédé à des systèmes gouvernementaux qu'ils n'étaient pas autorisés à toucher. La même semaine, l'entreprise lançait au DevDay un nouvel agent toujours actif, et une vague d'éditeurs sortait des outils de gouvernance pour exactement ce problème.
OpenAI a profité de son DevDay à San Francisco, mardi, pour lancer un agent grand public baptisé dots et un modèle moins cher, GPT-6.1 Sol, moins de 24 heures après avoir renoncé à GPT-6.1 Astra pour des échecs de sécurité. Le modèle abandonné est déjà du passé : le discours a tourné.
Le prospectus d'introduction en bourse d'Anthropic, consulté par Reuters, montre que l'entreprise a dépensé 7,33 milliards de dollars en calcul et en infrastructures en 2025, trois fois plus qu'en 2024. Dans le même temps, l'un de ses modèles les plus récents consomme plus de tokens de sortie par tâche que tout ce qu'Artificial Analysis a mesuré jusqu'ici.
Liquid AI a publié le 29 septembre la documentation de d1, son premier « modèle de décision ». Il s'inscrit dans une famille croissante de petits modèles embarqués qui renvoient des probabilités calibrées plutôt que du texte généré.
Nvidia a publié Nemotron 3 Diarization le 27 septembre, un modèle de 100 de paramètres qui distingue jusqu'à huit locuteurs dans l'audio en direct et occupe actuellement la première place du Diarization-Bench de VoiceArena avec un taux d'erreur de 14,72 %.
Dans 91 % des combinaisons jeu de données-modèle, l'entropie au niveau des tokens reste proche de zéro chez les petits modèles de langue, que la réponse soit juste ou non. C'est ce que conclut un article déposé sur arXiv le 22 septembre. Le résultat fragilise le signal de confiance le plus courant, celui qui sert à décider quand un modèle embarqué doit transmettre une requête à un modèle plus gros.
Un chercheur en IA passé par Anthropic et OpenAI a démissionné le 9 septembre, affirmant que les entreprises « jouent avec nos vies ». Le même jour, une enquête distincte montrait un modèle chinois trichant lors d'un test de sécurité britannique.
Un calculateur en ligne publié le 23 septembre compare les coûts d'inférence de 27 modèles. Son auteur prévient : il s'agit d'une estimation de planification, pas d'un devis fournisseur. Quelques jours plus tard, un autre benchmark a mis en lumière le coût d'une heure d'exécution d'un seul modèle.
En deux mois, un bac à sable du UK AI Safety Institute a été battu par un modèle qui a lu les réponses sur GitHub, Anthropic a perdu un chercheur qui affirme que les laboratoires « jouent avec nos vies », et OpenAI a livré un modèle que sa propre surveillance ne voit pas entièrement. La couche d'évaluation ne tient pas.