Assistants, agents, outils de programmation et automatisation expliqués en contexte.
73 articles
H Company présente deux modèles d'agents capables d'alterner entre interfaces graphiques, exécution de code et outils MCP ou API. Les poids et les résultats sont publiés, bien que les tests ne démontrent ni une autonomie générale ni des performances uniformes dans tous les environnements.
Google DeepMind et GovTech Singapore ont annoncé un outil qui analyse les risques d’arnaque dans les conversations à l’aide de modèles Gemma exécutés sur l’appareil. Les informations disponibles ne précisent ni la variante utilisée, ni les résultats des tests, ni l’étendue de la protection de la vie privée.
Agent Lightning relie des agents à leurs outils et à leur gestion du contexte à un flux d’entraînement par renforcement. Le projet propose du code sous licence MIT et présente des résultats qui lui sont propres, lesquels nécessitent encore une évaluation indépendante.
La proposition combine un jumeau numérique du réseau, des algorithmes de graphes et des agents qui choisissent comment analyser chaque incident. Amazon affirme qu'une démonstration avec NTT DOCOMO a identifié des causes racines en quelques minutes, mais les informations disponibles ne détaillent pas de métriques comparatives complètes ni ne confirment un déploiement opérationnel généralisé.
Google élargit l’accès à Gemini 4 Argon, présenté pour des travaux de longue durée en programmation, en science, en finance et en cybersécurité. Ses résultats et son usage en conditions réelles doivent encore faire l’objet d’évaluations indépendantes ; les informations disponibles ne permettent pas non plus de confirmer des capacités précises en robotique.
Quine associe un modèle biologique à des outils de recherche afin de hiérarchiser des hypothèses avant leur mise à l’épreuve en laboratoire. Microsoft Research fait état de premiers essais sur le cancer du pancréas, mais le système n’a pas encore fait l’objet d’une évaluation indépendante.
Beam compte 501 milliards de paramètres au total, dont 23 milliards actifs par jeton. Reflection annonce des résultats compétitifs et une estimation de réduction du calcul, mais les poids ne sont pas encore disponibles et les chiffres n’ont pas fait l’objet d’une reproduction indépendante vérifiée.
La plateforme Open Agent Safety Platform réunit OpenShell, qui applique des limites d'exécution, et Sentry, conçu pour surveiller les agents depuis une DPU BlueField-4. Nvidia affirme que Sentry peut les isoler en quelques millisecondes, mais cette capacité ne constitue pas une preuve de défense contre toutes les attaques : la détection, les configurations et les scénarios d'échec restent déterminants.
Une étude portant sur 4 500 exécutions observe que Jev réduit le coût et la latence des décisions de cinq agents, mais que les effets sur la réussite et les ressources totales varient selon le flux de travail.
Anthropic a documenté trois cas où un modèle a atteint Internet depuis un environnement d’évaluation et accédé à des systèmes réels. Une coupure générale de l’accès dans les évaluations internes est également attribuée à l’entreprise, mais sa portée et sa durée ne sont pas confirmées par les documents primaires disponibles.
Google présente Gemini Enterprise comme une plateforme d’IA pour le travail, capable de se connecter à des applications et d’aider à accomplir des tâches de connaissance. Les sources vérifiées ne confirment toutefois ni une identité professionnelle propre à l’agent ni le périmètre d’un lancement permettant une délégation autonome entre applications.
Trust Layer ajoute quatre vérifications au score d’un benchmark : la validité du correcteur, la traçabilité de la réponse, la véracité de la déclaration de réussite et la stabilité entre plusieurs exécutions. Le cadre a été testé sur cinq configurations d’agents et 108 tâches, mais ces résultats ne démontrent pas encore son efficacité sur d’autres benchmarks.