FR · Édition internationale · 19/10/2026
Inferama au quotidien · 19/10/2026
Les principales nouveautés de l’intelligence artificielle depuis le bulletin précédent, sélectionnées selon leur pertinence éditoriale.
Période des nouveautés: 18/10/2026 08:30 → 19/10/2026 08:30 (Europe/Madrid).
Grille d'évaluation : définition, conception et limites pour noter les résultats d'IA
Une grille d'évaluation structure les critères et les niveaux de performance pour produire des jugements interprétables. Cette fiche explicative détaille sa structure, distingue les types analytique et holistique, et analyse ses limites dans l'évaluation des sorties d'IA, des travaux académiques et des systèmes d'apprentissage automatique.
Lire l’article →
Eleven v4 vs v4 Turbo : comment choisir pour un agent vocal
ElevenLabs attribue à v4 Turbo environ 150 ms de temps moyen jusqu'à la première voix via WebSocket, sans inclure le réseau. C'est une donnée du fournisseur, non une garantie de réponse totale. Ce guide propose de mesurer le parcours complet et de décider selon la priorité entre rapidité, contrôle expressif et cohérence.
Lire l’article →
Quatre agents Gemini 4 Argon vainquent le dragon de Minecraft en 27 heures d'autonomie
Un préprint de Google DeepMind décrit comment quatre agents ont complété une partie de survie après avoir écrit 2 783 programmes et mourir 605 fois. Le résultat documente une exécution concrète, non une capacité générale déjà démontrée.
Lire l’article →
Anthropic consulte des cabinets d'avocats pour définir les normes de négociation des agents IA
Anthropic consulte des cabinets d'avocats sur la manière dont les agents IA devraient négocier au nom des utilisateurs. Les informations disponibles n'identifient pas les cabinets concernés ni les normes convenues, et ne confirment pas leur intégration dans Claude.
Lire l’article →
Anthropic consacre 5 % de ses actions à un fonds d'intérêt public : structure, incitations et limites de la gouvernance
La société a confirmé la création d'un fonds qui reçoit 5 % de ses actions, portant à environ 20 % le total avec les engagements antérieurs des cofondateurs et des employés. Le mécanisme s'ajuste à la valorisation, mais les spécialistes estiment que son pouvoir réel de blocage sur les décisions techniques reste à éprouver face à un conflit commercial direct.
Lire l’article →
AesCode Infographics Layout : la métrique de composition visuelle et son isolement au sein de la suite d'évaluation
Analyse fonctionnelle de la métrique « Layout » dans le contexte de l'architecture d'AesCode. Contrairement aux audits précédents sur « Content » ou « Chart » qui se concentraient sur le manque d'accès à la formule, cette pièce aborde la *fonction structurelle* de la métrique : comment la séparation de l'évaluation du layout (composition, hiérarchie, espacement) de l'évaluation du contenu (texte, données) permet de diagnostiquer des défaillances spécifiques dans la génération d'infographies. Il...
Lire l’article →
Article 14 de l'AI Act : gestion continue des risques et application pratique dans les systèmes à haut risque
Analyse juridique et opérationnelle de l'article 14 du Règlement (UE) 2024/1689, centrée sur l'obligation d'établir un système de gestion des risques continu pour les systèmes d'IA à haut risque, en distinguant l'évaluation initiale de la surveillance permanente et en fournissant une liste de contrôle de conformité.
Lire l’article →
Plus de paramètres ne signifie pas plus de progrès : comment distinguer la chronologie des lancements de l'avancement mesurable en IA
La date de lancement et la taille du modèle sont des indicateurs faibles du progrès technique. Cette analyse examine trois dimensions où la chronologie trompe : l'efficacité par token face à l'échelle brute, la rétention effective dans les tâches longues face à la fenêtre de contexte maximale, et la fiabilité dans les flux multi-étapes face à la simple capacité d'invoquer des outils. Un cadre d'évaluation basé sur des preuves quantitatives est proposé pour distinguer les avancées réelles des ité...
Lire l’article →
Auditer la chaîne de preuve dans les papiers IA : de l'observation à l'affirmation
Protocole en cinq étapes pour évaluer la validité interne des articles de recherche en IA, en distinguant les données observées, les interprétations des auteurs et les conclusions non étayées.
Lire l’article →
Du modèle au réseau : exposer un serveur d'inférence local sans ouvrir la porte aux intrus
Guide opérationnel pour configurer l'exposition réseau de serveurs d'inférence locale comme Ollama, vLLM ou LM Studio. Apprenez à gérer les adresses de liaison, le pare-feu et l'authentification pour partager l'accès sur le réseau local ou un VPN sans exposer le service à Internet.
Lire l’article →