IBM Research

Le 15 septembre 2026, IBM Research a publié sur Hugging Face un billet consacré à la constance des agents, renvoyant à un rapport technique sur arXiv, c'est-à-dire leur capacité à réussir la même tâche à chaque exécution. Sur le banc AppWorld, un agent ReAct animé par GPT-4.1 réussit 77,4 % des exécutions en moyenne sur cinq répétitions, mais ne réussit les cinq essais que pour 53,0 % des tâches, un écart de 24,4 points qui atteint 30 points sur les tâches difficiles. IBM impute ces bascules aux points de décision où la distribution de probabilité sur le jeton suivant est plate, si bien qu'une perturbation de calcul en virgule flottante suffit à inverser le choix. Son outil de diagnostic, le Consistency Analyzer, rééchantillonne une seule trace enregistrée avec cinq complétions par point de décision, sans vérité terrain. Les règles qui en sont tirées et réinjectées à l'inférence via altk-evolve réduisent l'écart de 24,4 à 12,0 points, sans perte de justesse moyenne.

Le 10 septembre 2026, la NASA et IBM Research ont mis en ligne le NASA-IBM Lunar Foundation Model, modèle de fondation en accès libre dédié à la science lunaire, hébergé sur Hugging Face avec son code sur GitHub et intégré à la boîte à outils TerraTorch. Sur les tâches évaluées, il égale ou dépasse plusieurs références : à parité sur la cartographie des cratères et la segmentation des taches de mare irrégulières, il prend un avantage net sur l'estimation de la stabilité de la glace polaire. Les jeux de données de préentraînement et les collections de bancs d'essai sont publiés avec lui. L'entraînement a porté sur environ 2 millions de tuiles issues des dix-sept années d'observation du Lunar Reconnaissance Orbiter, dont plus d'un million d'images de caméra à 1 mètre de résolution et près de 964 000 images multispectrales à 100 mètres, complétées par des données des missions GRAIL et Lunar Prospector de la NASA et SELENE de la JAXA.

Le 9 septembre 2026, IBM Research a présenté Granite Time Series PatchTST-FM-r2, modèle de fondation pour la prévision de séries temporelles d'environ 385 millions de paramètres, diffusé sous double licence Apache 2.0 et OpenMDW 1.0. Il accepte un contexte de 8 192 pas et produit des prévisions probabilistes par une tête à 99 quantiles. Au 8 septembre 2026, restreint aux modèles reproductibles évalués en zéro-shot, il se classe deuxième du banc GIFT-Eval pour le CRPS comme pour le MASE, avec des moyennes géométriques de 0,467 et 0,6846, derrière TimesFM-3, et premier de cette catégorie sous licence permissive. Face aux modèles autorisés à intégrer les portions d'entraînement du banc, il reste troisième en CRPS et quatrième en MASE, devant Chronos-2, Timer-S1 et les variantes Toto. Les couches transformeur de la version r1 cèdent la place à des blocs conformer combinant attention multi-tête et convolution temporelle.

Le 1er septembre 2026, le département américain de l'Énergie (DOE) a annoncé à Upton, dans l'État de New York, la sélection du laboratoire national de Brookhaven pour piloter un projet de 14,2 millions de dollars sur trois ans, financé par la phase II de la Genesis Mission et administré par l'Office of Electricity. Intitulé « Foundation Models for the Electric Grid: From Proof of Concept to Real-world Impacts », il vise un modèle de fondation du réseau, GridFM, capable de simuler un milliard de scénarios de raccordement de nouvelles charges en 24 heures pour accélérer la planification de l'extension du réseau. Brookhaven reçoit 3,9 millions de dollars, le reste allant aux partenaires : le gestionnaire de réseau new-yorkais NYISO, National Grid, Con Edison, la Long Island Power Authority, la New York Power Authority, Alabama Power, GE Vernova Research, IBM Research, NVIDIA, AWS, Microsoft, le MIT et Stony Brook. Le développement en source ouverte est géré avec Linux Foundation Energy. Hendrik Hamann, chef scientifique IA de Brookhaven, dirige le projet, annoncé sur place par la secrétaire adjointe à l'électricité Catherine Jereza.

Le 30 juin 2026, IBM Research a publié ScarfBench sur Hugging Face, un benchmark destiné à évaluer les agents d'IA sur des migrations de frameworks Java d'entreprise. Le jeu de test couvre 34 applications, 102 implémentations et 204 tâches de migration, pour environ 151 000 lignes de code, plus de 2 000 fichiers et 1 331 tests experts. ScarfBench mesure la compilation, le déploiement et le comportement fonctionnel après migration. IBM indique que les meilleurs agents actuels restent sous 10 % de succès comportemental, malgré des performances souvent meilleures sur les étapes de build, ce qui souligne l'écart entre correction syntaxique et migration réellement valide.