IA dans la recherche fondamentale

Le 3 novembre 2026, Ai2 a présenté StateBench, banc d'essai du suivi d'état en contexte long, la capacité d'un modèle à suivre l'évolution de variables au fil d'un document. Il comporte quatre niveaux fondés sur la théorie de Krohn-Rhodes : affectation immuable, réaffectation par valeur, mise à jour autoréférentielle et affectation par référence ; chaque problème est décliné aux quatre niveaux.

Sur des séquences d'affectations, Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol et GPT-6 Luna réussissent les deux niveaux simples mais chutent à 13 % ou moins sur les problèmes généraux les plus longs. Les modèles ouverts Olmo 3 et Olmo Hybrid (7 milliards de paramètres) restent au niveau du hasard à ce niveau.

Entraînés directement sur StateBench, des modèles Gated DeltaNet et hybrides de 275 millions de paramètres généralisent presque parfaitement jusqu'à 64 000 affectations, 250 fois la longueur d'entraînement ; les Transformers n'apprennent jamais le niveau le plus difficile.

Le 3 novembre 2026, Google DeepMind a publié « Agentic cheminformatics with Google Antigravity », présentant des « Cheminformatics Skills » pour sa plateforme agentique Antigravity. Le modèle de langage orchestre le flux de travail ; des outils déterministes fondés sur RDKit, reliés à ChEMBL et PubChem, exécutent les calculs moléculaires.

La démonstration porte sur la rigidification, illustrée par le crizotinib et le lorlatinib, inhibiteurs de tyrosine kinase utilisés contre certains cancers du poumon. L'agent extrait des milliers de composés publiés, mène une analyse de paires moléculaires appariées, entraîne des modèles de prédiction de puissance et propose de nouveaux macrocycles avec leurs voies de synthèse en une heure environ, contre plusieurs jours auparavant.

DeepMind précise que ces designs restent des hypothèses à valider en laboratoire. Elles sont disponibles via le plugin Science ; DeepMind offre à 10 000 scientifiques, sur candidature, le palier d'usage le plus élevé pendant six mois.

Le 3 novembre 2026, Lumai, société issue de l'université d'Oxford, a annoncé que l'Advanced Research and Invention Agency (ARIA), agence publique britannique de financement de la R&D, déploiera ses serveurs d'inférence Lumai Iris dans son Scaling Inference Lab, exploité par l'organisme à but non lucratif CommonAI CIC. Iris y sera la première plateforme d'inférence optique, évaluée à l'échelle d'une baie dans un centre de données commercial.

La technologie effectue les calculs matriciels de l'inférence dans des faisceaux lumineux en trois dimensions, les nombres étant encodés en intensité lumineuse et traités par des composants optiques passifs comme des lentilles ; le silicium garde la phase de décodage. Lumai vise une consommation réduite de 90 % et un coût total de possession d'environ un dixième des architectures GPU, objectifs que le banc d'essai doit vérifier.

David Lewis, directeur scientifique et technologique de l'ARIA, décrit Lumai comme « la plateforme de calcul optique la plus mature » évaluée par l'agence.

Le 3 novembre 2026, la Fondation Novo Nordisk a annoncé l'attribution de jusqu'à 100 millions de couronnes danoises (13,3 millions d'euros) sur quatre ans pour créer AI4GRIDS, initiative nordique menée par l'Université technique du Danemark (DTU) avec l'université de Lund (Suède) et l'Université norvégienne de sciences et de technologie (NTNU). L'objectif est d'optimiser l'exploitation des réseaux électriques nordiques existants pour y intégrer plus sûrement l'éolien et le solaire.

Le projet combine l'IA et des modèles mathématiques du comportement des réseaux : outils d'aide à la décision calculant jusqu'à 100 fois plus vite, contrôleurs et marchés de l'énergie dotés d'une « autonomie sûre », flexibilité côté demande, les opérateurs humains restant en supervision. Spyros Chatzivasileiadis, professeur à DTU, parle d'un « réseau auto-exploité ».

AI4GRIDS formera plus de 30 doctorants, post-doctorants et spécialistes. Le démarrage est prévu au premier trimestre 2027.

Le 3 novembre 2026, au Baidu AI Day de Shenzhen, Baidu Apollo a présenté Apollo World, modèle de monde « omnimodal » destiné à l'IA physique, rapporte le média automobile Gasgoo. Dans la ville virtuelle générée, véhicules et piétons sont des agents d'IA qui réagissent aux ralentissements ou aux dépassements du robotaxi.

Le modèle produit en temps réel des images caméra et des nuages de points lidar ; le système de conduite décide, renvoie son action, et le modèle met à jour l'environnement, une boucle fermée qui simule une course complète. Baidu y adjoint des critères « 2+3 » pour juger un modèle de monde : causalité et interactivité, puis exactitude physique, persistance et temps réel.

Apollo World sert déjà aux tests internationaux d'Apollo Go, présent dans 28 villes, avec plus de 350 millions de kilomètres autonomes dont plus de 240 millions sans personne à bord.

Le 3 novembre 2026, Collinear AI a publié sur le blog de Hugging Face CWE-bench v2, deuxième version de son banc d'essai des capacités cyber défensives. Un agent reçoit le dépôt d'un projet open source réel et une courte consigne, puis doit trouver et corriger une faiblesse de sécurité sans casser les fonctions existantes ; la notation est entièrement programmatique. L'ensemble public compte 100 tâches couvrant 91 CWE distinctes ; un ensemble tenu secret sert au suivi.

Sur 11 modèles évalués, Gemini 4 Argon mène avec 67,8 % en pass@1 et 81,0 % en pass@4, devant Claude Opus 5.5 (67,3 % et 78,0 %). 95 tâches sont résolues par au moins un modèle, mais le premier échoue encore sur 19 % de l'ensemble à chaque tentative. DeepSeek V4.1 Flash atteint 57,0 % en pass@1 pour 0,04 $ par exécution, contre 1,83 $ pour Opus et 3,92 $ pour Gemini.

Le 3 novembre 2026, Sina Tech a relayé l'annonce de Moffett AI (墨芯人工智能), concepteur chinois de puces d'inférence fondées sur le calcul creux (sparse computing), qui dit avoir bouclé récemment un tour C+ de près d'un milliard de yuans auprès d'industriels (Ren'ai Capital 仁爱资本, Haitang Fund 海棠基金, Dongheng Petroleum 东恒石油) et de fonds publics et financiers (Biqiu Capital 比丘资本, Paila Capital 派拉资本, Zhongcai Capital 中财资本). Il intervient cinq mois après un précédent tour de près d'un milliard de yuans, soit près de deux milliards levés sur la période.

Les fonds iront à la montée en gamme complète de ses puces, qui ne calculent que les paramètres réellement activés, à la pré-recherche de la génération suivante et à une alliance industrie-recherche sur le calcul creux. Avec l'institut des technologies de la Terre et de l'espace du centre d'innovation de Lingang (Université de Pékin, Shanghai), la société annonce, sur deux modèles de fondation d'imagerie satellitaire portés sur ses cartes, un débit d'inférence jusqu'à 2,88 fois supérieur et une compression jusqu'à 7,64 fois, sans réentraînement des tâches aval.

Le 3 novembre 2026, le Korea Electronics Technology Institute (KETI) a annoncé la mise à disposition de quatre jeux de données destinés à développer et évaluer des modèles d'IA en langue coréenne capables de dialoguer avec empathie, de répondre sur des faits et d'agir en sécurité, construits avec le soutien de l'IITP.

« K-MIND », constitué avec Maum AI, rassemble environ 115,6 heures de conversations en face à face entre 286 locuteurs, enregistrées en vidéo et audio avec les signaux paralinguistiques (intonation, débit) et non verbaux (expressions, regard). « KoMMERCE », bâti avec Selectstar, compte 15 293 consultations d'achat de mode pour évaluer neuf capacités de dialogue multimodal. « K-Prism » comprend 1 002 questions en coréen pour diagnostiquer les hallucinations des modèles texte-image, et « KoEVD » 13 552 énoncés nocifs ou sensibles assortis de 71 395 réponses candidates pour tester la sûreté dans le contexte social et culturel coréen.

Les articles associés ont été acceptés à KDD, LREC et AACL-IJCNLP 2026. Les données sont référencées sur AI Hub et Hugging Face, où les dépôts K-Prism et KoEVD du compte KETI-NLP existent depuis septembre.

Le 2 novembre 2026, NVIDIA a publié sur son blog technique un billet présentant NVIDIA Recovery, service open source qui automatise la reprise des tâches d'entraînement distribué à l'échelle d'une grappe. Le service détecte les interruptions à partir des journaux applicatifs, des métriques GPU et des signaux de l'ordonnanceur, attribue la panne, isole les nœuds mis en cause, puis redémarre ou arrête les tâches selon la politique configurée. Intégré à Slurm par un contrôleur de référence, tout nouveau déploiement démarre en mode observation, sans action sur l'ordonnanceur. Le même jour, NVIDIA a décrit NVIDIA Attribution, l'outil de diagnostic qui corrèle journaux, télémétrie et état de l'ordonnanceur pour désigner la cause première d'un échec.

Sur une grappe d'entraînement suivie du 9 juillet au 9 octobre, avec près de 200 tâches par jour, NVIDIA Recovery a enregistré environ 8 550 détections d'anomalies, avec des latences moyennes de 69 secondes pour la détection et de 94 secondes pour l'action de reprise. Son dépôt GitHub, sous licence Apache 2.0, a été créé le 19 octobre 2026.

Le 2 novembre 2026, The Lancet Digital Health a publié une étude rétrospective multicentrique menée par City St George's (université de Londres) et l'UCL : la fraction d'éjection ventriculaire gauche calculée par un modèle d'apprentissage profond à partir d'IRM cardiaques prédit légèrement mieux la mortalité toutes causes que la mesure faite par des cliniciens.

La cohorte compte 27 382 patients, 26 106 adressés par neuf hôpitaux au Barts Heart Centre de Londres et 1 276 à l'University of Pittsburgh Medical Center. Sur un suivi médian de 5,6 ans, 3 458 patients (13 %) sont décédés. L'indice C passe de 0,637 pour la mesure clinique à 0,669 pour la mesure par IA ; après ajustement sur l'âge et le sexe, de 0,777 à 0,781.

Selon le communiqué des deux universités, l'outil traite un examen en 2 à 3 secondes, contre environ 13 minutes pour un expert, avec un taux d'erreur d'environ 1 % par patient. Les auteurs, dont George Joy (premier auteur) et Rhodri Davies (UCL, concepteur de l'outil), proposent l'IA en mesure de première ligne sous supervision clinique, à confirmer par des études prospectives.

Le 2 novembre 2026, le laboratoire DASLab de l'Institute of Science and Technology Austria (ISTA) a mis en ligne sur Hugging Face, sous licence MIT, « DeepSeek-V4.1-Flash-1017 GSQ-RCO Coder », une compression du modèle à mélange d'experts de DeepSeek (763,2 milliards de paramètres) orientée code, usage agentique d'outils, long contexte et vision.

La méthode retire 192 des 384 experts routés de chaque couche, choisis par l'algorithme RCO qui minimise la divergence KL avec le modèle d'origine, et conserve la quantification IQ2_XXS (2,00 bits par poids) pour le reste. Les poids du transformeur tiennent en 72,1 Go contre 138,2 Go pour la version non élaguée, soit 1,05 bit par paramètre rapporté aux 551,9 milliards de paramètres du transformeur d'origine (les 280,1 milliards conservés pèsent 2,06 bits en moyenne) ; les deux tables Engram (110,6 Go) peuvent rester sur disque. Sur l'ensemble du modèle, tables comprises, le taux est de 1,92 bit par paramètre.

ISTA qualifie la publication d'expérimentale et prévient que les capacités hors de ces domaines se dégradent. À effort de raisonnement 50, le modèle élagué obtient 77,00 sur SWE-bench Verified contre 81,20 pour l'original (94,8 % conservés) et 88,57 contre 89,71 sur LiveCodeBench v6 (98,7 %).

Le 2 novembre 2026, heise online a rapporté, d'après The Information, que la Maison-Blanche refuse de divulguer l'intégralité des règles de son évaluation volontaire de sécurité des modèles d'IA les plus puissants avant leur sortie. En réponse à une plainte déposée en septembre par l'organisation Protect Democracy au titre du Freedom of Information Act (demande d'août 2026), le bureau du directeur national du cyber (ONCD) a remis quelques documents mais invoque la sécurité nationale et le secret des affaires pour retenir le cadre lui-même, un texte d'environ sept pages, ses annexes et la liste complète des entreprises admises comme « partenaires de confiance » à un accès anticipé aux modèles de frontière. Les pièces communiquées sont surtout des courriels de l'ONCD et du département du Commerce aux laboratoires d'IA.

Le dispositif repose sur le décret 14409 signé en juin 2026 par Donald Trump, qui permet aux développeurs comme Anthropic ou OpenAI de donner au gouvernement accès à leurs modèles jusqu'à trente jours avant publication, sans obligation de licence ni d'autorisation préalable. « Seuls le gouvernement et les entreprises d'IA savent ce que dit le cadre », a déclaré Vivian Dong, directrice au sein de Legal Advocates for Safe Science and Technology, qui annonce poursuivre l'action en justice. La Maison-Blanche n'a pas répondu à The Information.