Github

Le 16 septembre 2026, OpenAI a mis en ligne le cadre de suivi, d'enquête et de divulgation des cas de désalignement de ses modèles annoncé le 5 septembre, avec six rapports sur des comportements observés en six mois. L'entreprise y écrit ne pas croire que le secteur ait assez résolu l'alignement et la surveillance pour continuer longtemps à monter en puissance de façon responsable à vitesse maximale. Tout salarié peut signaler un cas ; les équipes sûreté et alignement instruisent le dossier selon des délais fixés, puis l'orientent vers trois voies possibles : prêt pour publication, enquête mineure ou enquête large. Les désaccords sont tranchés par le Safety Advisory Group. Les six cas publiés relèvent des deux premières voies, d'instructions cachées dans des résumés de tâche à l'usage d'une clé d'API exposée trouvée sur GitHub. L'intrusion chez Hugging Face aurait relevé de la troisième.

Le 7 septembre 2026, le Genians Security Center a publié une analyse de 13 fichiers LNK malveillants collectés entre le 11 et le 19 août 2026 et rattachés au groupe nord-coréen Kimsuky. Les chercheurs ont récupéré 29 documents leurres depuis le dépôt GitHub servant de serveur de commande, dont 11 seulement sont uniques après classement par empreinte. Dans une partie de ces PDF, les champs Creator et Producer des métadonnées portent la valeur « opencode », nom d'un agent de codage par intelligence artificielle en source ouverte, le champ Author restant sur « anonymous ». Plusieurs documents gardent des mentions provisoires non remplacées que Genians lit comme la trace de brouillons produits par un modèle de langage et diffusés sans relecture. D'autres PDF portent des métadonnées HeadlessChrome et Skia/PDF, signe d'une conversion automatisée depuis du HTML. Genians avait déjà décrit en août l'usage de modèles de langage locaux par ce même groupe.

Le 4 septembre 2026, huit auteurs signant pour 10a Labs ont publié sur arXiv un profil de l'écosystème qui retire les garde-fous de sécurité intégrés aux modèles à poids ouverts. Entre janvier 2024 et mars 2026, ils ont identifié 3 471 modèles décensurés originaux sur Hugging Face, repaquetés en moyenne 2,4 fois, et trois acteurs concentrent 52 % des 8 164 redistributions compressées recensées. Une fois quantifiés et copiés sur des comptes, des formats et des registres distincts comme Ollama, ces modèles subsistent même quand l'original est retiré en amont, et deviennent plus faciles à déployer. Sur 1 643 applications GitHub intégrant un de ces modèles, 25 % sont classées explicitement malveillantes par les auteurs.

Le 4 septembre 2026, GitHub a ouvert en aperçu de recherche Project HydraFusion dans GitHub Copilot CLI, via la commande /experimental ; l’usage est facturé aux tokens consommés par chaque modèle. Pour chaque requête, le système choisit l’un de trois motifs d’exécution : Single, où un seul modèle traite la tâche ; Cascade, où un modèle économe rédige et une porte de qualité accepte le résultat ou passe à un modèle plus puissant ; Critique, où un modèle rédige, un critique d’une autre famille relit et le premier révise une fois. Dans des évaluations hors ligne au niveau de raisonnement medium, face à Claude Opus 5 et GPT-5.6 Sol, HydraFusion gagne 4,9 points de qualité vérifiée sur TerminalBench 2.1 pour un coût estimé inférieur de 67 %. Sur DeepSWE, il reste à 1,5 point d’Opus 5 pour 36 % de coût en moins ; sur CheckpointBench, banc interne, à 0,1 point pour 65 % de moins.

Le 31 août 2026, Google Research a présenté TimesFM-3, un modèle de fondation pour séries temporelles qui produit des prévisions multivariées en une seule passe avant. Le modèle compte 330 millions de paramètres. Google le déclare premier au rang moyen sur GIFT-Eval, en prévision ponctuelle comme probabiliste, en tête sur les jeux de données multivariés de FEV-Bench et premier des modèles de fondation pré-entraînés du Time Leaderboard. L'entreprise indique que sa version univariée dépasse déjà les autres modèles de fondation reproductibles pour séries temporelles, le mode multivarié améliorant encore les résultats. Les poids sont publiés sur Hugging Face sous google/timesfm-3.0-pytorch et le code sur le dépôt GitHub google-research/timesfm. Une intégration à BigQuery est annoncée pour les semaines à venir.