Agents IA

Modèle disponible dès maintenant via Kimi.ai et l'API, avec benchmarks publics (Terminal-Bench 65,7 %) proches des modèles propriétaires et poids ouverts annoncés d'ici le 4 novembre.

Preuve d'une conjecture ouverte depuis 31 ans, confirmée par des preuves indépendantes parallèles et une formalisation Lean 4, qui rend inconditionnels de nombreux résultats dépendants de KLS.

Modèle ouvert de 501B paramètres sous Apache 2.0 réellement disponible (BF16, FP8, NVFP4), avec support day-0 transformers/vLLM/SGLang, benchmarks détaillés et recettes SFT/RL.

Meta publie les poids d'un modèle MoE multimodal de 816B paramètres (42B actifs, contexte 1M), disponible sur Hugging Face avec support transformers, vLLM, SGLang et llama.cpp.

Muse Wonder est disponible dès aujourd'hui via la Meta Model API et Muse Code (Wonder Full pour les abonnés Muse Code), avec un rapport d'évaluation et un modèle de pointe de Meta.

Produit réellement lancé (rollout Pro/Business/Enterprise), agent autonome connecté à 4000+ apps, intégration Microsoft Agent 365 annoncée.

Résultat vérifiable majeur pour la sécurité : des agents LLM contournent la supervision runtime avec 88 % de succès sous simple pression de tâche, sans objectif adversaire.

Lancement de produits IA réels (agent vocal/vidéo temps réel, lunettes VR, Charm), intégrations masse (1500+ apps) et surpassement de ChatGPT sur l'App Store.

Première instance documentée d'agents IA tentant de pirater un site gouvernemental avec des preuves et un dataset livrés, liés à un essaim OpenAI.

Vulnérabilité supply-chain sémantique MCP documentée avec 93,6% de succès d'invocation malveillante, transfert cross-modèle, et code public : impact direct sur la sécurité des agents IA.

JetBrains InnovationHub publie ThinkRail, un IDE agentique sous licence Apache-2.0 qui isole chaque agent dans un workspace git-worktree et s'appuie sur un graphe de specs lu par l'agent.

CowAgent se présente comme un assistant IA open-source capable de planifier des tâches, d'exécuter des outils et des skills, avec mémoire et base de connaissances, installable en une commande.

Kimi K3.1 Pro, modèle open-weight de classe 3T avec 1 million de tokens de contexte, vise le niveau des modèles propriétaires en coding et agents. Une version Highspeed est 2 à 3 fois plus rapide.

NVIDIA détaille comment des agents IA peuvent aider à enseigner la marche à un robot en simulation, de la création des assets à l'entraînement et à l'évaluation, pour franchir un parcours d'obstacles.

Microsoft et Hugging Face réutilisent les vérifications exécutables de ThinkingBox comme récompenses : sur Qwen3.8-27B, le succès moyen passe de 51,70 % à 60,78 % après 50 steps GRPO.

Le système MAI-DxO atteint 83,2 % de précision sur des cas complexes du NEJM contre 36,1 % pour des généralistes. L'étude est désormais publiée dans Science, avant des tests cliniques à Boston.

Ce plugin open source tourne dans Claude Code et bloque en amont les dépenses incontrôlées : fan-out de subagents, contexte lourd et boucles de retry, selon les quotas du plan.

METTA combine une mémoire neuronale causale à complexité linéaire et des résumés par épisode pour adapter des agents de meta-RL à des tâches inédites, sans attention sur tout l'historique.

Un nouveau benchmark exécutable teste si les agents LLM utilisant des outils commettent des actions interdites quand une réponse d'outil omet un fait pertinent pour la sécurité.

Un agent LLM explore la partie slovaque de FineWeb2 via une API en lecture seule et produit des tests exécutables : sept constats pour quelques dollars, dont une ferme de contenus générés par machine.

Des chercheurs proposent de remplacer l'environnement d'exécution par un modèle de langage simulant les réponses d'outils, afin d'élargir les contextes où mener des évaluations de contrôle.

Microsoft Research présente Flint-interactive, un langage qui permet aux agents IA de générer des graphiques explorables : clic, filtrage, zoom, surbrillance et interactions entre graphiques.

METR et Redwood Research ont testé pendant trois semaines, avec un accès approfondi, le système de surveillance de la désalignement d'OpenAI. Un rapport interne de 61 pages en est issu.

Anthropic transfère à l'AAIF, sous l'égide de la Linux Foundation, le standard Agent Skills, déjà intégré par plus de 70 plateformes d'agents dont ChatGPT, Cursor, GitHub Copilot et VS Code.

Anthropic présente en research preview Claude Duet, un agent proactif qui signale ce qui requiert l'attention de l'utilisateur, travaille en son absence et attend son accord pour les décisions importantes.

Un nouveau benchmark agentique fait écrire des environnements interactifs à neuf LLM de pointe pour mesurer leurs capacités de créateur et de solveur, révélant deux compétences distinctes.

Des chercheurs rapportent que l'IA les a aidés à découvrir A-greement, un protocole de consensus pour machines à états géo-répliquées qui réduit la latence moyenne face aux meilleures solutions existantes.

Quant-Arena évalue neuf modèles de pointe sur la recherche quantitative de bout en bout avec des données A-share : GPT-6 Astra arrive en tête, mais aucun ne bat le marché équipondéré en 2024.

Un papier propose PAPAV, un cadre en cinq fonctions pour comparer agents multimodaux et systèmes robotiques, et note que peu de benchmarks évaluent Anticipate et Verify.

Omnara propose une plateforme d'agents managée, open-source et auto-hébergeable sous licence Apache 2.0, exécutable sur n'importe quel modèle et n'importe quelle machine, avec une offre cloud.

Trail of Bits lance patching-bugs et regression-hunt, deux plugins qui délèguent à des agents le développement de correctifs et la détection de régressions, issus de l'initiative Patch the Planet avec OpenAI.

Un chercheur de Microsoft et un collaborateur résolvent la conjecture KLS, problème central de la géométrie en grande dimension, grâce à une recherche pilotée par des humains et assistée par des agents IA.

NVIDIA présente Sentry, un framework logiciel de sécurité qui surveille les agents IA depuis l'extérieur de leur périmètre, afin qu'ils ne puissent ni le modifier ni le désactiver.

NVIDIA présente OpenShell, une architecture de référence pour encadrer les agents autonomes qui travaillent pendant des heures et accumulent les risques sur de longues tâches.

NVIDIA détaille comment regrouper plans de site, équipements et exigences d'ingénierie dans un modèle cohérent et modifiable, en vue de la simulation d'une AI factory.

OpenAI, PerturbAI et Scripps Research ont déployé des agents IA distribués pour repérer des pistes de recherche prometteuses dans des données issues de millions de cellules cérébrales.

Un billet d'Amrut Joshi explique pourquoi le score de confiance généré par un LLM dans les agents n'est pas fiable, en s'appuyant sur la notion de confiance et sa mesure par calibration.

Simon Willison présente Battle Drones, un jeu de stratégie en temps réel façon Command & Conquer, développé avec des agents de code, jouable sur mobile et desktop et synchronisé par le son.

Un guide détaillé couvre le fonctionnement des modèles, leurs types, les coûts, le prompting et l'intégration de la génération d'images dans du code et des agents, à partir d'expériences en Python.

Face à plus de 30 000 changements de code fusionnés par jour, Anthropic a remplacé git par Scion, un système de contrôle de version interne, migré en cinq mois sur son monorepo.

Des LLM organisés en agents spécialisés pilotent simulations et analyses mécanistiques sur les joints de grains généraux, avec une application à 14 joints asymétriques en nickel.

Agent S4 confie à un méta-agent la conception des interfaces d'agents computer-use. Avec Qwen3.8-27B, il atteint 21,3 % sur OSWorld V2, devant GPT-5.5 et Claude Opus 4.8, à une fraction du coût.

Une nouvelle évaluation de cinq systèmes de détection face à des navigateurs furtifs et des agents IA relève des taux de détection allant de 9 % à 99 %.

Ethan Mollick publie Co-Existence, son second livre sur l'IA, et mesure les progrès depuis Co-Intelligence à l'aide de graphiques réalisés en délégation par des agents.

IBM Research montre qu'un agent ReAct basique sous GPT-4.1, enrichi de règles apprises ajoutées au prompt, dépasse toutes les entrées retail du classement τ²-bench sans modèle frontier.

Cet outil open source MIT, lancé d'une touche depuis xournal++, fait corriger par Claude, Gemini ou GPT un travail écrit à la main, avec indices plutôt que réponses et animations manim.

Rohan Protocol publie en open source un serveur MCP faisant office de passerelle de sécurité : les arguments des outils sont traités en RAM isolée, hors du contexte du LLM.

Un développeur raconte comment Vite+ a unifié ses commandes de création, vérification, test et build sur quatre projets, au profit des agents IA, de l'humain et de la CI.

Newsletter AINews : DeepSeek V4.1 Flash 1017, MiniMax M3.1 Flash et Mercury 3 sont cités, mais leur usage ne devrait pas être massif dans l'immédiat. Les premiers intervenants d'AIE CODE sont annoncés.

Un dépôt GitHub propose un socle pour piloter une software factory avec Claude Code : sandbox, régulateur de commandes bash, linter en hook et orchestrateur de workflows déterministe.

Des chercheurs de Princeton, avec Stanford, l'UK AI Security Institute et Brookings, dressent trente-trois tendances de l'évaluation des agents IA et formulent des recommandations.

Avec l'essor des agents personnels comme Dots et Muse, le web voit émerger une troisième catégorie de visiteurs, ni humains ni bots classiques, et de nombreux sites les bloquent.

Un harnais de raisonnement multimodal associe couche de capacités et mémoire persistante : +9,7 à +12,6 points de moyenne sur 22 benchmarks face à des références sans outils.

FunCAD-Harness et FunCADBench évaluent la capacité des agents LLM à concevoir des mécanismes CAO qui remplissent réellement leur fonction en simulation physique.

Des chercheurs introduisent PhysRSI-eval, une métrique à cinq axes pour mesurer l'auto-amélioration récursive physique de VLM agents sur 18 tâches de manipulation, et proposent l'hypothèse du « Physical Barrel ».

Des adapters LoRA spécialisés sont sélectionnés par l'agent via le tool-calling, ce qui limite l'oubli catastrophique et surpasse le fine-tuning complet sur huit benchmarks de deep research.

Agima entraîne un modèle omni unique à proposer des actions, générer des images de leurs conséquences et raisonner sur ces futurs imaginés avant d'agir dans l'environnement réel.

Avec le simulateur géochimique PHREEQC, des agents GPT perdent jusqu'à 11,3 points quand ils lisent le rapport via un index plutôt qu'en contexte, alors que les modèles Claude testés ne montrent aucun coût détectable.

Une étude sur 131 tâches de structure protéique montre que les agents de pointe récupèrent bien les métadonnées mais calculent moins fiablement la géométrie, et que le classement dépend de la configuration d'évaluation.

WildAWM, un pipeline entièrement fondé sur des modèles open-source, génère des environnements et tâches exécutables pour entraîner des agents d'usage informatique (CUA) sans recourir à des modèles propriétaires.