IA analytique et prédictive

Le 20 octobre 2026, le projet open source llm-d a publié la version 1.0 de sa couche de routage et d'ordonnancement placée devant les moteurs vLLM et SGLang, sur GPU NVIDIA, AMD et Intel comme sur TPU Google. Elle vise l'exploitation au quotidien : files séparées par client et par niveau de priorité, délestage progressif en cas de surcharge, routeur doublé d'une instance de secours, mises à jour coordonnées des répliques de préremplissage et de décodage, affinité de session pour les agents.

Le projet revendique plus de 500 contributeurs issus de plus de 25 organisations. Il cite Google Cloud, qui dit réduire de plus de 35 % le délai avant le premier token dans Vertex AI, et IBM Research, qui sert jusqu'à 3 000 agents de code simultanés sur 544 GPU H100 pour environ 0,11 dollar par million de tokens.

Le 7 octobre 2026, la revue Nature a publié les travaux de chercheurs de l'Allen Institute for AI, de la LMU Munich, de l'université de Cambridge, de l'université de Washington et de l'Imperial College London sur la « byteification », méthode qui convertit un grand modèle de langage à tokens en modèle opérant directement sur les octets du texte. La conversion consomme 49,1 milliards de tokens, moins de 1 % d'un budget de préentraînement classique. L'équipe en tire Bolmo 7B et Bolmo 1B à partir d'Olmo 3 et d'OLMo 2, Bwen 8B à partir de Qwen3 8B et Blama 8B à partir de Llama 3 8B. Bolmo 7B gagne 16,5 points en STEM sur BLT 7B, modèle à octets entraîné de zéro, et dépasse nettement Olmo 3 en compréhension des caractères. Les modèles, le code et les données sont publics, selon la LMU.

Le 6 octobre 2026, heure californienne, le blog PyTorch a détaillé FBTriton, réécriture en Triton des noyaux Table Batched Embedding (TBE), qui assurent la recherche et l'agrégation d'embeddings sur des milliers de GPU dans les systèmes de recommandation. Sur 307 configurations de partitionnement (283 formes distinctes) mesurées sur GB200, avec Adagrad exact par ligne et poids FP16, la passe avant atteint une accélération médiane de 1,28 fois face aux noyaux CUDA existants.

Sur la rétropropagation, une forme donnée atteint 3 948 Go/s contre 678 Go/s pour le noyau CUDA, à occupation identique, soit 5,8 fois plus de débit mémoire. Les auteurs utilisent des fonctions Blackwell exposées par TLX, dont une barrière à l'échelle du GPU qui fusionne la mise à jour de l'optimiseur dans le même lancement. Le code est plus court que les gabarits CUDA d'origine ; 11 des 307 partitions, aux séquences de moins de 4 recherches, restent sous la parité.

Le 6 octobre 2026, des chercheurs de Scale AI, d'Elorian et de l'université de Californie à Santa Cruz ont déposé sur arXiv Humanity's Sixth Sense (HSS), un banc d'essai du raisonnement visuel intuitif des modèles multimodaux. Ses 522 tâches, sur images et vidéos, portent sur ce qu'un humain déduit d'un coup d'oeil : causes et suites d'une scène, place disponible entre deux voitures, rapports d'autorité dans une pièce ou règles implicites. Vingt annotateurs atteignent 93,1 % de réussite. Sur 25 modèles évalués, le meilleur, GPT-6-astra au niveau de raisonnement maximal, plafonne à 53,6 %, et la plupart restent sous 40 %, avec environ 4 000 tokens de raisonnement par tâche en moyenne. Testés dans des environnements agentiques comme Claude Code et Codex, les modèles réduisent l'écart sans le combler. Le jeu de données est publié sur Hugging Face et un classement est ouvert sur le site de Scale AI.

Le 30 septembre 2026, l'éditeur Magnitude a publié la version 0.2.0 de son application d'inférence locale pour agents, sous licence Apache 2.0, qui remplace le moteur fondé sur llama.cpp par son propre moteur. Celui-ci compile et règle ses noyaux sur le matériel de l'utilisateur avant d'exécuter un modèle, sur puces Apple, GPU NVIDIA et AMD ou simple processeur. Selon les mesures de l'éditeur, qui ne précisent pas la version de llama.cpp comparée, le décodage est 92 % plus rapide sur Metal et 19 % sur CUDA, le préremplissage 9 % et 23 % plus rapide, et chaque agent consomme 27 % de mémoire en moins. L'application se branche sur Codex, Claude Code, OpenCode ou Cline et expose une API compatible OpenAI. Le projet a été présenté le même jour sur Hacker News, et quatre versions correctives ont suivi jusqu'au 2 octobre.

Le 27 septembre 2026, llama.cpp a fusionné une modification de son serveur qui autorise le découpage du préremplissage pour les modèles de reclassement causaux, comme les familles Qwen3 et Qwen3-VL, des décodeurs réaffectés à cette tâche. Le serveur imposait jusqu'ici à tout modèle de reclassement de tenir dans un seul lot physique, dont la taille par défaut est de 512 jetons : selon l'auteur de la contribution, timothywang21, un document plus long que ce lot faisait échouer le reclassement. La restriction venait des cross-encodeurs bidirectionnels de type BERT, dont l'attention oblige à traiter toute l'entrée d'un bloc. L'auteur y voit la première étape d'une série destinée à porter le multimodal complet sur les points d'accès d'incorporation et de reclassement. Le changement expose au serveur le type d'attention effectif du contexte, pour 32 lignes ajoutées et 8 retirées sur cinq fichiers ; il était ouvert depuis le 14 septembre.

Le 31 août 2026, EleutherAI a publié la version 0.4.13 de lm-evaluation-harness, son harnais d'évaluation de modèles de langage, en avertissant que plusieurs correctifs peuvent déplacer des chiffres déjà publiés. Le tirage des exemples few-shot pouvait retenir le document en cours d'évaluation, et le préfixe de génération était résolu sur ce document plutôt que sur les démonstrations, ce qui insérait la question évaluée dans chaque exemple pour RULER niah_single_1 et deux variantes de HumanEval. Un filtre à choix multiples comptait fausses des réponses correctes lorsqu'un choix en préfixait un plus long, sur BBH movie_recommendation. Les barres d'erreur des groupes non pondérés par la taille étaient jusqu'à trois fois trop étroites. La version ajoute deux backends ONNX Runtime et huit suites de tests, dont LegalBench et ses 19 tâches.

Le 7 juillet 2026, Robbyant, filiale d'Ant Group dédiée à la Physical AI, a annoncé l'ouverture en open source de LingBot-Vision, une famille de Vision Transformers auto-supervisés conçus pour la perception spatiale dense en robotique. Le modèle phare, un ViT-g/16 d'environ 1,1 milliard de paramètres, est entraîné sur un jeu de données curaté d'environ 160 millions d'images grâce à une stratégie dite de masked boundary modelling, qui privilégie l'apprentissage des contours et de la géométrie des objets plutôt que des seules caractéristiques sémantiques. Selon Robbyant, ce backbone de 1 milliard de paramètres égale ou dépasse sur les tâches de perception spatiale dense des modèles jusqu'à sept fois plus gros, dont DINOv3 (7 milliards de paramètres). Des déclinaisons plus légères (ViT-large, ViT-base, ViT-small) sont également proposées pour les déploiements à faible puissance de calcul. Les poids sont distribués sous licence Apache-2.0 sur Hugging Face, accompagnés d'un rapport technique et du code d'inférence sur GitHub.

Nvidia dévoile un design de référence de robot humanoïde d'1,83 m, « Isaac GR00T », pensé comme un plan type pour la recherche, notamment universitaire.

Le 1er juin 2026, Nvidia a lancé Alpamayo 2 Super, un modèle ouvert de type VLA (vision-langage-action) de 32 milliards de paramètres qui raisonne, planifie et agit sur l'ensemble de la pile de conduite, visant un développement plus sûr et scalable de la conduite autonome de niveau 4. Les poids seront disponibles sur Hugging Face et le code d'inférence sur GitHub au cours de l'été 2026. La plateforme ouverte Alpamayo a reçu un Best Choice Award du COMPUTEX 2026 dans la catégorie technologie des véhicules et cockpit intelligent.

Le comité de cotation de la Bourse de Shanghai a approuvé le 1er juin l'introduction d'Unitree Robotics sur le STAR Market, faisant du fabricant de Hangzhou la première entreprise d'IA incarnée admise sur le marché chinois des actions A. Unitree prévoit d'émettre au moins 40,45 millions d'actions nouvelles pour lever 4,2 milliards de yuans, soit environ 610 millions de dollars. Les fonds financeront le développement de modèles d'IA pour robots, le matériel robotique, l'innovation produit et une base de production intelligente. Restent à franchir les étapes d'enregistrement, d'émission et de fixation du prix avant la cotation effective.

Japan Airlines a lancé début mai à l'aéroport de Tokyo-Haneda un essai de deux ans de robots humanoïdes, une première dans un aéroport japonais. Mené avec GMO AI & Robotics, le programme déploie des robots Unitree G1 de 132 cm et 35 kg pour le chargement des bagages et le nettoyage des cabines, sous supervision humaine. La compagnie vise une commercialisation sous trois ans pour répondre à la pénurie de main-d'oeuvre du secteur aérien japonais, confronté au vieillissement de la population et à la hausse du tourisme.