Récemment, plusieurs événements majeurs se sont produits dans le domaine de l'intelligence artificielle, allant de la publication d'un modèle open source performant, aux avertissements concernant les risques de sécurité liés à un protocole populaire, en passant par l'adoption d'une réglementation complexe en Californie.

Ling-1T : Une révolution dans l'entraînement, pas dans l'architecture

  • La société Ant Group a présenté un énorme modèle open source, Ling-1T, doté d'un billion de paramètres.
  • Contrairement à ses concurrents, il ne nécessite pas de "mode de réflexion" spécial. Sa capacité à raisonner est directement intégrée dans sa réponse, grâce à un entraînement intensif sur des données contenant des chaînes de raisonnement.
  • Lors des tests, il a surpassé des modèles tels que GPT-5 et Gemini 2.5 Pro dans 22 des 31 benchmarks, notamment en mathématiques et en raisonnement logique.
  • Le modèle est téléchargeable librement sous la licence MIT, ce qui brouille la frontière entre les modèles open source et commerciaux.

 

Avertissement d'experts : Le protocole MCP présente des risques de sécurité importants

  • Une nouvelle étude met en garde contre une augmentation exponentielle des menaces de sécurité pour les systèmes utilisant le protocole Model Context Protocol (MCP).
  • Le problème réside dans ce qu'on appelle le risque de composition : la vulnérabilité augmente rapidement avec chaque serveur MCP ajouté. Deux serveurs ne représentent qu'un risque de 36 %, mais 10 serveurs se rapprochent de 92 %.
  • Les attaquants peuvent exploiter les serveurs qui reçoivent des données provenant de sources non fiables pour exécuter des commandes non autorisées, comme le lancement de code.

La Californie ouvre la voie : La première réglementation complète sur l'IA aux États-Unis

  • En réponse à l'absence de lois fédérales, la Californie a adopté un ensemble de quatre réglementations novatrices.
  • La SB 53 oblige les créateurs des modèles les plus performants à publier les protocoles de sécurité.
  • La SB 243 protège les mineurs des effets néfastes des chatbots.
  • La AB 316 stipule que la responsabilité juridique en cas de dommages incombe toujours à l'entreprise, et non à l'IA autonome.
  • La AB 853 impose une étiquetage clair du contenu généré par l'IA.
  • Ces lois ont suscité des réactions mitigées ; certaines entreprises les saluent, tandis que d'autres mettent en garde contre la fragmentation des règles.

Des scientifiques ont découvert une voie plus efficace : Des prompts améliorés remplacent un entraînement coûteux

```french
  • Une équipe de chercheurs a présenté un algorithme appelé GEPA, qui améliore considérablement les capacités des agents d'IA. L'algorithme GEPA améliore automatiquement les instructions (prompts) des agents d'IA grâce à une évolution itérative. Le modèle de langage (LLM) analyse les erreurs commises par l'agent, puis modifie les instructions pour corriger ces erreurs spécifiques. Il teste et sélectionne de manière répétée les instructions les plus performantes, ce qui améliore l'efficacité de manière plus importante que le réentraînement du modèle lui-même.
  • Au lieu d'un réglage fin (fine-tuning) complexe du modèle, il génère et optimise automatiquement les instructions (prompts) en fonction de l'analyse des erreurs commises par l'agent.
  • Cette méthode a permis d'obtenir de meilleurs résultats que l'apprentissage classique tout en étant jusqu'à 35 fois plus économique en termes de ressources de calcul.
  • Il s'agit d'une solution idéale pour les situations où les données ou la puissance de calcul sont limitées.

Data Points – DeepLearning.AI par Andrew Ng / gnews.cz – GH

```