IA générative

Le 20 octobre 2026, l'agence de presse sud-coréenne Yonhap a annoncé avoir développé Yonhap LM (연합LM), un service interne où ses journalistes accumulent leurs matériaux de reportage, à titre individuel, par service ou par équipe projet, pour les analyser dans une interface conversationnelle d'IA. L'outil ajoute une recherche par IA et une fonction de vérification des faits adossées aux archives d'articles de l'agence.

L'utilisateur choisit entre plusieurs modèles d'IA de pointe et des modèles open source ; le service s'appuie sur une infrastructure MCP (Model Context Protocol) construite en interne. Il est relié au service de transcription vocale lancé le mois dernier, qui retranscrit et traduit en temps réel conférences de presse et interviews. Yonhap LM est le service central d'E-GENE, plateforme d'IA d'aide à la production dont le développement a commencé au second semestre 2025. Une version bêta ouvrira prochainement aux journalistes et éditeurs de l'agence.

Le 19 octobre 2026, Cloudflare a ouvert en préversion Clairic, premier modèle de ce qu'il appelle une nouvelle classe de modèles « System One » d'extraction, hébergé sur Workers AI, dont il prévoit de publier les poids prochainement. Au lieu de générer du texte comme un LLM, Clairic renvoie en une seule passe des valeurs typées tirées d'un texte et de quatre images au plus : noms, dates, montants, listes, mais aussi des estimations et des prévisions accompagnées d'un intervalle à 80 % et d'un score de confiance. Il renvoie une valeur nulle quand l'information manque au lieu d'en inventer une. Cloudflare indique que le modèle ne facture que les tokens d'entrée et répond généralement en moins d'une seconde, contre plusieurs secondes pour un LLM qui raisonne. Dans un exemple d'e-mail de service client publié par l'entreprise, Clairic additionne un prix de 649 dollars et 52,10 dollars de taxe pour renvoyer le montant payé, absent du texte.

Le 19 octobre 2026, AWS et Deepgram ont détaillé le portage de Nova-3, le modèle de transcription de Deepgram, sur les puces Trainium2 pour ses traitements par lots hors ligne, comme l'analyse de centres d'appels ou la transcription médicale. Mené sur plusieurs mois avec les ingénieurs déployés d'AWS, le chantier est parti du code PyTorch standard compilé par TorchNeuron, puis a remplacé des couches par des noyaux fusionnés de la bibliothèque NKILib et par des noyaux écrits à la main.

Deepgram fait tourner huit répliques du modèle sur une seule instance EC2 trn2.3xlarge, pilotées par un runtime en Rust, sans Python dans le chemin de service. Sur ses charges par lots, cette configuration traite 11 à 70 % d'audio en plus par dollar que les solutions de calcul qu'il utilisait, aux prix des instances au moment de l'évaluation. Deepgram revendique plus de 200 000 développeurs et 1 400 organisations clientes.

Le 19 octobre 2026, AWS a détaillé sur son blog Machine Learning deux contributions au moteur d'inférence open source vLLM pour le service désagrégé qui sépare préremplissage et décodage sur des instances distinctes. La première, un connecteur NIXL en mode « push », prépare le transfert du cache KV pendant le préremplissage. Sur une paire d'instances EC2 P5en reliées par EFA, AWS mesure avec Qwen3-32B un délai avant le premier token (TTFT) jusqu'à 3 fois meilleur et un temps par token de sortie jusqu'à 30 % meilleur qu'en mode « pull ».

La seconde renvoie le cache KV du décodage vers le préremplissage d'un tour de conversation à l'autre, pour les agents multi-tours : avec le cache de préfixes du préremplissage désactivé, le TTFT baisse jusqu'à 1,6 fois pour Qwen3-32B et 3,3 fois pour GLM-5-FP8. Les deux fonctions ont été mises au point sur des grappes Trainium avant d'être versées dans vLLM pour tous les accélérateurs.

Le 19 octobre 2026, Together AI a ouvert à tous Together Post-Training, un service de post-entraînement de modèles par apprentissage par renforcement (RL) et réglage fin supervisé (SFT), après plusieurs mois d'accès anticipé pour un groupe restreint de clients. Le client écrit lui-même la boucle d'entraînement (données, environnements, harness d'agents, fonctions de perte personnalisées) ; Together exécute les passes d'entraînement et les rollouts sur des GPU qui lui sont réservés, facturés à la minute.

Le service accepte LoRA, plusieurs adaptateurs sur la même capacité et, pour certains modèles, l'entraînement de tous les poids ; il démarre avec Muse Spark Open, GLM 5.3, Kimi K3 et Qwen 3.8-27B. Deel dit y faire tourner jusqu'à cinq expériences de RL simultanées sur la même capacité GPU. Pendant les huit premières semaines, l'heure de GPU B200 est facturée 9 dollars.

Le 19 octobre 2026, Inception a présenté Mercury 3, son nouveau modèle de langage phare fondé sur la diffusion, qu'elle décrit comme le plus performant de ce type publié à ce jour. Selon l'entreprise, le modèle compte plus de 40 fois plus de paramètres que Mercury 1, atteint 1 068 tokens par seconde sur des GPU NVIDIA et égale ou dépasse GPT-6 Luna et Claude Haiku 5.5 sur plusieurs bancs d'essai, en tournant 4 à 8 fois plus vite. Le contexte passe à un million de tokens, contre 260 000 pour Mercury 2.5. Le tarif est de 0,20 dollar le million de tokens en entrée et 0,70 dollar en sortie, réduit de moitié au lancement. Sur 50 tâches de navigation web Mind2Web, Mercury 3 en a mené à bien la moitié, selon Inception. Le modèle est disponible sur l'API d'Inception ainsi que via OpenRouter, Baseten et Vercel.

Le 19 octobre 2026, la start-up israélienne doubleAI, cofondée par Amnon Shashua, patron de Mobileye, a présenté Maxwell, qu'elle décrit comme le premier « modèle d'exécution de code ». Proposé en accès anticipé, il observe un programme pendant qu'il tourne, sur CPU ou GPU, et produit un nouveau binaire adapté à la machine et aux données, sans toucher au code source, avec une preuve formelle d'équivalence avec l'original.

L'entreprise cite plusieurs mesures : la génération d'un clip 4K par le modèle vidéo LTX-2.5 passe de 250 à 134 secondes sur deux B200, 180 transcriptions Whisper de 106,23 à 49,82 secondes sur une RTX 4090, et sa version de la bibliothèque cuGraph de NVIDIA est 3,6 fois plus rapide en moyenne.

doubleAI avait levé 200 millions de dollars lors d'un tour mené par Lightspeed avec NVIDIA, révélé par Globes en novembre 2025.

Le 19 octobre 2026, cinq chercheurs de la société pékinoise Keep ont publié sur arXiv MoveBench, un banc d'évaluation des grands modèles de langage appliqués au coaching sportif et à la santé : questions-réponses, génération de programmes d'entraînement personnalisés et analyse de journaux d'activité. Il compte 809 questions et 5 012 critères de notation, centrés sur la sécurité des exercices, la validité scientifique et la logique d'entraînement.

Sur les 15 modèles testés, Claude 4.6 Opus obtient le meilleur score global (0,943), devant GPT-5.2 (0,929), GPT-5.5 (0,927) et Qwen3-Max (0,926). GLM-4.7 (0,895), Gemini 4 Argon (0,879), Hy3 (0,876) et GPT-6 (0,875) ferment la marche. Gemini 4 Argon a la meilleure exactitude sur les questions à réponses multiples (0,980) mais le score le plus bas sur les questions ouvertes (0,812). Les réponses ouvertes sont notées par un comité de trois modèles juges, Gemini 3.1 Pro, Claude 4.6 Sonnet et GPT-5.2 ; les auteurs limitent la portée du classement au périmètre de MoveBench.

Le 19 octobre 2026, le chinois MiniMax a mis en service M3.1 Flash, nouvelle version rapide de sa famille M3 orientée vers les tâches d'agents, le code, l'utilisation d'ordinateur et la cybersécurité. L'entreprise indique qu'une version préliminaire a tourné anonymement sous le nom « Space Bunny » et traité plus de 200 000 milliards de tokens. Le tarif est fixé à 0,15 dollar le million de tokens en entrée, 0,60 dollar en sortie et 0,015 dollar en entrée mise en cache. Selon MiniMax, l'inférence est près de trois fois plus rapide, avec plus de 200 tokens par seconde en sortie, et le coût d'usage sur les tâches d'agents baisse de 70 % par rapport au modèle précédent. Le laboratoire revendique 73,7 % sur DeepSWE v1.1, 61,7 sur OSWorld V2 et 82 % sur CyberGym. Le modèle est accessible par l'API MiniMax ; les poids seront publiés plus tard, et une version Pro est annoncée.

Le 18 octobre 2026, le projet vLLM a publié la version 0.32.0 de son moteur d'inférence open source, qui réunit 814 commits de 363 contributeurs, dont 121 nouveaux. Le cache KV au format NVFP4 tourne désormais sur les architectures NVIDIA SM8x, SM90 et SM12x ; GLM-5.x passe par défaut à un cache KV FP8 sur SM100, ce qui divise par deux la mémoire KV par rang, pour 2,3 à 5,5 % de débit en plus et un délai avant le premier token alourdi de 7 à 11 % selon les mesures de la pull request.

Avec plusieurs serveurs d'API, chaque connexion va désormais au moins chargé, pour 43 à 85 % de requêtes par seconde en plus sur des requêtes courtes. La version corrige trois failles référencées GHSA, n'autorise plus toutes les origines CORS par défaut, abandonne Python 3.10 et ajoute le point d'accès /v1/systemone, qui répond à des questions de choix ou de score sur un état structuré.

Le 17 octobre 2026, DeepSeek a publié DeepSeek-V4.1-Flash-1017, mise à jour de son modèle V4.1-Flash, avec des poids ouverts sous licence MIT sur Hugging Face et ModelScope. Le laboratoire chinois annonce de meilleurs scores en raisonnement, en code, en tâches agentiques et en vision, avec un temps d'exécution réduit et des réponses plus courtes.

Selon la fiche du modèle, le score passe de 31,2 à 42,3 sur Terminal-Bench 4.0 et de 74,2 à 77,0 sur DeepSWE v1.1, où il devance Claude Opus 5 (74,0). Opus 5 reste devant sur Terminal-Bench 4.0 (51,8) et sur HLE sans outils (56,3 contre 42,6). Le modèle sert désormais le nom d'API deepseek-flash et les requêtes adressées aux anciens modèles V4-Flash, retirés, lui sont redirigées.

DeepSeek ouvre aussi à tous ses API Search et Fetch, adossées à son propre moteur de recherche. Leur appel depuis DeepSeek Harness, Claude Code et Codex reste gratuit jusqu'au 31 octobre 2026 à 16:00 UTC, date du début de la facturation.

Le 16 octobre 2026, Meta a révisé les nouvelles conditions commerciales qui s'appliqueront le 30 octobre à tous les comptes professionnels gérant des pages Facebook, Instagram, Threads ou WhatsApp, selon Nieman Lab. Révélé par le site le 15 octobre, le texte autorisait Meta à explorer par robots les domaines « associés » à ces comptes et à utiliser leur contenu pour « entraîner » ses produits, dont son IA.

La version révisée retire le mot « train » et limite ces usages aux « produits publicitaires et professionnels », mais conserve l'autorisation d'exploration, que des juristes interrogés par Nieman Lab jugent toujours large. Meta assure que les préférences robots.txt restent respectées, sans l'écrire dans ses conditions.

Le 16 octobre, l'European Publishers Council a annoncé écrire aux vice-présidents exécutifs de la Commission européenne Ribera et Virkkunen ; la News Media Association britannique et la News/Media Alliance américaine ont aussi dénoncé le texte. Aucune option de refus n'est prévue avant le 30 octobre.