Tool use
Fellow suit ce sujet depuis juillet 2026 : 18 articles résumés en français, dont 7 jugés majeurs ou notables.
Toute l'actualité · 18 articles
EpiSEM-Bench : évaluer la sécurité et la récupération de preuves des agents LLM en cas de preuves manquantes
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.
OpenVLHarness : utilisation d'outils visuels agentiques en conditions réelles avec mémoire multimodale
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.
Même simulation, preuves différentes : le coût en précision de la récupération des sorties d'outils chez les agents LLM
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.
Planifier ou récupérer d'abord ? Étude à grande échelle des architectures de découverte d'outils
Des chercheurs d'Apple comparent deux approches de découverte d'outils pour agents LLM : récupérer puis planifier, ou planifier d'abord avec des stubs d'outils abstraits servant de requêtes.
X-AgentRed : red-teaming d'agents personnels dans des écosystèmes multi-services évolutifs
Un framework de red-teaming auto-évolutif cartographie les dépendances entre outils pour détecter des chemins d'actions nuisibles issus de requêtes pourtant bénignes d'agents personnels.
Agents transparents sur l'échec : un benchmark pour évaluer le reporting post-échec des LLM utilisant des outils
Un nouveau benchmark mesure combien d'agents IA prétendent avoir réussi une tâche malgré un échec d'outil, et comment y remédier.
Faire évoluer le harnais, pas le contexte : des agents génériques aux spécialistes réutilisables
Une méthode transforme les décisions de contrôle récurrentes des agents LLM en code exécutable réutilisable, réduisant drastiquement le nombre d'appels au modèle.
Critical-State RL : diagnostiquer les états entraînables dans l'usage d'outils multi-tours
Une méthode identifie précisément quels appels de modèle méritent l'entraînement dans les interactions multi-tours avec outils, améliorant les performances de 14 points sur certaines tâches.
Harness-Zero : distiller les gains d'un harnais d'agent spécialisé dans les poids du modèle
Une méthode pour transférer les bénéfices d'un harnais d'agent optimisé vers un modèle, sans dépendre de ce harnais au déploiement.
CanvasAnneal : apprentissage par renforcement à curriculum pour modèles de langage à diffusion
Une méthode injecte des traces de raisonnement d'un modèle enseignant pour débloquer l'exploration en RL sur les modèles de diffusion.
OpenAI lance l'Agents API
Un service managé pour créer et déployer des agents cloud avec orchestration, sessions persistantes et tool use.
SPO++ : une optimisation de politique alignée sur les flux pour le RL agencique
Une méthode améliorant l'efficacité de l'apprentissage en ligne pour les agents IA utilisant des outils de manière asynchrone.
StarHarness : faire évoluer les harnais d'agents par recherche stratifiée pour l'entreprise
Un framework qui améliore les performances d'agents IA en entreprise en optimisant l'environnement d'exécution plutôt que le modèle lui-même.
MidTool : synthèse de données en phase intermédiaire pour l'usage d'outils agentiques
Un nouveau pipeline de données montre que le mid-training dédié améliore significativement les capacités d'usage d'outils des LLM avant le post-training.
VAKRA : un benchmark pour évaluer le raisonnement multi-étapes des agents sur APIs et recherche documentaire
IBM Research publie un benchmark de plus de 8 000 APIs exécutables pour tester les agents LLM sur des scénarios d'entreprise réalistes.
Rétention de politique dans les agents multilingues
Une étude analyse la cohérence des actions d'agents IA sur 41 langues.
Video-DeepResearch : vers une nouvelle génération d'agents multimodaux de recherche approfondie
Un agent open-source combine analyse vidéo image par image et exploration web, dépassant Claude 4.5 Sonnet et GPT-5 sur un benchmark VQA complexe.
TRACE : attribution de récompense au niveau des tours pour agents à long horizon
Une méthode d'apprentissage par renforcement affine le crédit accordé à chaque action d'un agent, sans critique additionnelle ni supervision coûteuse.