Skip to content

Actualités IA Nov 6, 2026

Langue : DE / EN / ZH / FR / ES / PT / JA / KO

Généré par IA : résumés rédigés par une IA à partir des sources citées. Notre usage de l'IA

Points clés

  • L'organisation à but non lucratif METR a passé onze semaines à auditer les données de recherche interne d'Anthropic et a conclu que le rythme de développement des modèles a grossiè…
  • La startup de physique IA PSI affirme qu'un système exécutant un modèle Anthropic non public a prouvé la conjecture d'Aaronson-Ambainis, une question de calcul quantique ouverte de…
  • Ricursive Intelligence publie Ripple-65B Preview, un modèle open weights de 65 milliards de paramètres sous licence Apache 2.0 qui, selon l'entreprise, surpasse les modèles américa…
  • OpenAI: 11 milliards de dollars (Unknown)
  • Palo Alto Networks → Clutch ($500M)
  • Pour les flux de travail des agents, décidez explicitement du contexte à stocker, de son emplacement et de sa réutilisation plutôt que de laisser les agents acc…

L'essentiel du jour

  • METR Anthropic auditMETR's eleven-week audit of Anthropic's internal data concluded model development pace has roughly doubled, with about 80 percent of the speedup driven by AI-assisted research. Anthropic redacted the most informative evidence, leaving the public reliant on METR's judgment.
  • Open-weight model raceTwo open-weight releases land the same day: Ricursive's 65-billion-parameter Ripple-65B under Apache 2.0, built at $32 million R&D cost, and Thinking Machines' Inkling 2 Small, a 594-billion-parameter mixture-of-experts model the company calls the strongest western open-weight model.
  • AI fundingThinking Machines is reportedly raising $5 billion led by Accel at a $40 billion pre-money valuation, while OpenAI has reportedly raised an additional $11 billion in an unclosed round valuing it at $1.25 trillion. Both figures remain unconfirmed until the rounds close.
  • Data center politicsAfter voters backed data center restrictions on 40 of 41 midterm ballot measures, OpenAI announced host-community commitments including no NDAs with public officials. The pledge addresses scrutiny of how data center projects use NDAs to conceal discussions.
  • AI mathematicsPSI says a non-public Anthropic model proved the Aaronson-Ambainis conjecture, open since 2008; if verified, it would mark a notable formal math result by an AI system. The claim is PSI's and awaits independent verification.

Analyse générée par IA

Quelles sont les principales avancées en IA ?

Ce Nov 6, 2026 couvre 10 actualités IA sélectionnées dans les domaines de la technologie, de la recherche et des produits. L'organisation à but non lucratif METR a passé onze semaines à auditer les données de recherche interne d'Anthropic et a...

L'organisation à but non lucratif METR a passé onze semaines à auditer les données de recherche inte…

L'organisation à but non lucratif METR a passé onze semaines à auditer les données de recherche interne d'Anthropic et a conclu que le rythme de développement des modèles a grossièrement doublé, environ 80 % de cette accélération étant attribuée à la recherche assistée par l'IA. Anthropic a censuré les preuves les plus informatives, de sorte que le public doit s'en remettre au jugement de METR 'beaucoup plus qu'il ne serait idéal', et il existe des voix sceptiques au sein de l'entreprise.

Catégorie : Recherche & Politique|Impact :critical|Source : The Decoder|Lire le brief

La startup de physique IA PSI affirme qu'un système exécutant un modèle Anthropic non public a prouv…

La startup de physique IA PSI affirme qu'un système exécutant un modèle Anthropic non public a prouvé la conjecture d'Aaronson-Ambainis, une question de calcul quantique ouverte depuis 2008. Cette affirmation, si elle est vérifiée, marquerait un cas notable d'un système IA contribuant à un résultat mathématique formel.

Catégorie : Recherche|Impact :high|Source : Techmeme|Lire le brief

Ricursive Intelligence publie Ripple-65B Preview, un modèle open weights de 65 milliards de paramètr…

Ricursive Intelligence publie Ripple-65B Preview, un modèle open weights de 65 milliards de paramètres sous licence Apache 2.0 qui, selon l'entreprise, surpasse les modèles américains open source sur le benchmark de codage TerminalBench 2.1, pour un coût total de R&D de 32 millions de dollars. Sur d'autres benchmarks, il devance Thinking Machines' Inkling 2 Small récemment publié.

Catégorie : Modèles|Impact :high|Source : The Decoder|Lire le brief

Thinking Machines, la startup fondée par l'ancien CTO d'OpenAI Mira Murati, publie Inkling 2 Small, …

Thinking Machines, la startup fondée par l'ancien CTO d'OpenAI Mira Murati, publie Inkling 2 Small, un modèle mixture-of-experts avec 594 milliards de paramètres. L'entreprise prétend qu'il s'agit du modèle open weights occidental le plus puissant, bien que de meilleures performances agentices s'accompagnent d'une utilisation de tokens nettement plus élevée.

Catégorie : Modèles|Impact :high|Source : The Decoder|Lire le brief

Ant Group a publié Ling-3.2-flash, un modèle multimodal natif acceptant texte, images et vidéo, avec…

Ant Group a publié Ling-3.2-flash, un modèle multimodal natif acceptant texte, images et vidéo, avec 560 milliards de paramètres au total, 25 milliards actifs par étape d'inférence, et une fenêtre de contexte d'un million de tokens. Ant indique qu'il vise la compréhension visuelle complexe, les tâches d'agents multi-étapes, la compréhension 3D et les applications médicales.

Catégorie : Modèles|Impact :medium|Source : TechNode|Lire le brief

Baidu a open-sourcé ERNIE-5.5-Flash-Base, un checkpoint de pré-entraînement brut avec 280 milliards …

Baidu a open-sourcé ERNIE-5.5-Flash-Base, un checkpoint de pré-entraînement brut avec 280 milliards de paramètres au total et 14 milliards actifs, 128K de contexte d'entraînement et un support de 1 million de tokens, destiné à un entraînement ultérieur. L'équipe Taobao MNN d'Alibaba a séparément open-sourcé MNN-Pocket-0.3B, un modèle on-device INT4 de 173 Mo qu'elle dit décoder environ 350 tokens par seconde hors ligne sur un iPhone 18 Pro.

Catégorie : Modèles|Impact :medium|Source : Pandaily|Lire le brief

Google a déployé Gemini Omni 1.2 Flash, ajoutant la création native de vidéos de 15 secondes, une ad…

Google a déployé Gemini Omni 1.2 Flash, ajoutant la création native de vidéos de 15 secondes, une adhérence améliorée aux références et une édition conversationnelle multi-tours. Google indique que la mise à jour réduit les coûts de 30 % et améliore la cohérence pour les projets professionnels.

Catégorie : Modèles|Impact :medium|Source : Hacker News|Lire le brief

Suite aux élections intermédiaires lors desquelles les électeurs ont soutenu des restrictions sur le…

Suite aux élections intermédiaires lors desquelles les électeurs ont soutenu des restrictions sur les centres de données concernant 40 des 41 mesures soumises au vote, OpenAI a annoncé des engagements envers les communautés locales, notamment qu'elle n'utilisera pas de clauses de non-divulgation (NDA) avec les fonctionnaires publics. Cette démarche intervient alors que les projets de centres de données font face à un examen attentif concernant leur utilisation de NDA pour dissimuler des discussions.

Catégorie : Politique|Impact :high|Source : The Verge AI|Lire le brief

Perplexity lance 'Teammates', des agents toujours actifs qui travaillent sur des projets en cours su…

Perplexity lance 'Teammates', des agents toujours actifs qui travaillent sur des projets en cours sur leurs propres machines virtuelles. Cette fonctionnalité nécessite l'abonnement Max à 200 dollars par mois, bien au-dessus des offres similaires d'OpenAI ou d'Anthropic, dans un marché d'agents toujours actifs de plus en plus encombré.

Catégorie : Produits|Impact :medium|Source : The Decoder|Lire le brief

OpenAI a introduit BioBasicsBench, un benchmark de 100 tâches mesurant la capacité des agents IA à i…

OpenAI a introduit BioBasicsBench, un benchmark de 100 tâches mesurant la capacité des agents IA à interpréter des données expérimentales brutes et à gérer la science quotidienne en laboratoire humide. Le benchmark cible un manque dans l'évaluation des agents sur le travail de laboratoire pratique plutôt que sur des questions de style manuel scolaire.

Catégorie : Recherche|Impact :medium|Source : OpenAI News|Lire le brief

Meilleures vidéos IA de la semaine

2 vidéos YouTube sélectionnées sur les développements en IA.

Basé sur un extrait de transcription : Fireship explique l'hypothèse du temps exponentiel (ETH) et r…

Basé sur un extrait de transcription : Fireship explique l'hypothèse du temps exponentiel (ETH) et r…

Basé sur un extrait de transcription : Fireship explique l'hypothèse du temps exponentiel (ETH) et rapporte qu'un modèle d'OpenAI non identifié aurait écrit un algorithme résolvant le problème 3-SAT plus rapidement que le temps exponentiel, potentiellement mettant en échec une hypothèse vieille de 27 ans sur laquelle plus de 800 articles publiés s'appuient. La vidéo couvre ce que signifient 3-SAT et ETH, comment le modèle les aurait brisés en utilisant une technique qu'aucun humain n'avait pensé à essayer, et pourquoi ces articles posent désormais un problème.

Lire le brief

Basé sur un extrait de transcription : Wes Roth discute de l'audit indépendant réalisé par METR chez…

Basé sur un extrait de transcription : Wes Roth discute de l'audit indépendant réalisé par METR chez…

Basé sur un extrait de transcription : Wes Roth discute de l'audit indépendant réalisé par METR chez Anthropic concernant l'automatisation de la recherche en IA, notant qu'Anthropic a censuré une grande partie des preuves que METR a jugées les plus informatives et qu'un modèle interne aurait battu tous les benchmarks internes d'Anthropic. La vidéo examine ce que ces censeurs peuvent signaler concernant l'accélération de la R&D en IA et les déclarations S1 mises à jour d'Anthropic sur l'amélioration récursive de soi-même.

Lire le brief

Quels sont les derniers signaux d'investissement IA ?

Derniers signaux d'investissement IA : 5 levées de fonds, 4 actualités de marché et 1 transactions M&A.

Marché primaire – Levées de fonds

EntrepriseMontantTourInvestisseurs
OpenAI11 milliards de dollarsUnknown
Thinking Machines Lab5 milliards de dollarsUnknownAccel
Sand.ai200 millions de dollarsSeries A+Cornerstone Capital, Wangsu Science & Technology
Physicl10 millions de dollarsUnknown
Kalepa75 millions de dollarsSeries BUpdata

Marché secondaire – Actualités de marché

M&A – Fusions & Acquisitions

AcquéreurCibleValeurType
Palo Alto NetworksClutch$500MAcquisition

Quelles astuces IA pratiques cette semaine ?

4 astuces IA pratiques sélectionnées sur Reddit et des blogs d'experts. La stratégie mémoire de NVIDIA pour les agents IA se concentre sur la décision de quel contexte stoc...

Productivité

La stratégie mémoire de NVIDIA pour les agents IA se concentre sur la décision de quel contexte stocker, où il doit être placé et quand le réutiliser, car les agents accumulent du contexte à mesure qu'ils lisent, raisonnent et utilisent des outils.

Pour les flux de travail des agents, décidez explicitement du contexte à stocker, de son emplacement et de sa réutilisation plutôt que de laisser les agents accumuler du contexte sans contrôle.

Lire le brief

Productivité

Vijaye Raji, CTO des Applications d'OpenAI, a déclaré que davantage de code est désormais jeté puisque la programmation est devenue peu coûteuse ; l'article explique comment décider ce qu'une équipe conserve ou jette, et identifier les contraintes.

Lorsque la programmation est peu coûteuse, prévoyez de jeter plus de code : décidez délibérément ce que votre équipe conserve ou jette, et identifiez les contraintes dans votre propre travail.

Lire le brief

Productivité

Claude peut analyser les transactions bancaires via Plaid ; Anthropic promet un accès en lecture seule et des limites à l'entraînement de l'IA, mais déconnecter votre banque n'efface pas les informations financières des conversations précédentes.

Si vous connectez des comptes financiers à un assistant IA, notez que la déconnexion du compte n'efface pas les informations financières déjà présentes dans les conversations précédentes.

Lire le brief

Productivité

GPT-6 Cyber d'OpenAI peut développer des exploits fonctionnels et montrerait, selon les rapports, des améliorations majeures dans le respect des limites autorisées des tests, mais ses résultats en matière de sécurité varient selon les benchmarks, soulevant des questions sur la manière dont l'entraînement, les restrictions d'accès et les contrôles externes interagissent dans les déploiements réels.

Lors du déploiement de modèles pour des tests de sécurité, combinez les restrictions d'accès et les contrôles externes avec l'entraînement du modèle, car les résultats en matière de sécurité varieraient, selon les rapports, selon les benchmarks.

Lire le brief