Sujet
Tous les articles d’Actu.ai consacrés à Recherche en IA : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 37 articles
Reconnaître un chien, une voiture ou un tigre est déjà à la portée de nombreux modèles d’IA. Retrouver un animal précis au milieu de ses congénères reste bien plus difficile. Des chercheurs du MIT proposent une méthode fondée sur le contexte vidéo, qui améliore nettement la localisation d’objets personnalisés.
Le MIT Schwarzman College of Computing et l’université émiratie MBZUAI créent un programme commun de recherche en intelligence artificielle pour cinq ans. L’initiative réunira chercheurs, enseignants et étudiants autour de la découverte scientifique, du bien-être humain et de la santé de la planète, avec une ambition affichée de publication ouverte.
Samsung présente le Tiny Recursive Model, un réseau de seulement 7 millions de paramètres conçu pour revoir sa propre réponse à plusieurs reprises. Sur des problèmes structurés comme Sudoku-Extreme et Maze-Hard, ses résultats relancent le débat : pour certaines tâches de raisonnement, l’architecture peut-elle compter autant que la taille ?
Google DeepMind affirme avoir franchi un cap avec Gemini 2.5 lors de la finale mondiale de l’ICPC, une compétition de programmation universitaire. Le système a résolu dix problèmes sur douze et s’est classé deuxième sur 139 équipes. Une performance spectaculaire, qui mérite toutefois d’être distinguée d’une intelligence générale humaine.
La directrice de l’Institut Alan Turing, Jean Innes, a annoncé sa démission dans un contexte de fortes tensions internes et de pression du gouvernement britannique. En cause, la stratégie du principal institut public britannique consacré à l’IA, sommé de mieux intégrer les priorités de défense et de sécurité nationale.
Prédire correctement une réponse ne signifie pas nécessairement comprendre les règles qui produisent cette réponse. Des chercheurs du MIT et de l’Université Harvard proposent d’examiner le biais inductif des modèles d’IA pour déterminer s’ils construisent des représentations du monde transférables à de nouvelles situations.
Les grands modèles de langage produisent des réponses souvent convaincantes, y compris sur des sujets scientifiques complexes. Mais une étude menée par des chercheurs du MIT et de Harvard distingue la qualité des prédictions d’une compréhension réellement généralisable du monde, notamment lorsque les situations deviennent plus complexes.
L’Institut Alan Turing, créé pour faire progresser la recherche britannique en intelligence artificielle, traverse une phase de profond doute. Une réorientation gouvernementale vers la défense et la sécurité inquiète une partie des salariés, qui redoutent à la fois un retrait de financements, une fragilisation de projets civils et une perte de crédibilité internationale.
Des chercheurs associés à l’Université du Michigan ont conçu OAK, un système capable de revoir la façon dont il classe une image selon la tâche demandée. En combinant indices linguistiques et analyse visuelle, cette approche entend reconnaître des concepts connus, mais aussi faire émerger des catégories inédites.
À 24 ans, Matt Deitke est devenu l’un des noms les plus convoités de l’intelligence artificielle. Meta lui aurait proposé un package de 250 millions de dollars après une première offre refusée. Son parcours, de l’Université de Washington à la startup Vercept, illustre la bataille acharnée que se livrent les géants de la tech pour les chercheurs les plus rares.
Des chercheurs du MIT ont étudié comment des modèles fondés sur les transformers suivent une succession de changements. Dans une tâche de permutations de chiffres, ils ont repéré deux stratégies de calcul hiérarchiques, dont l’une mène plus vite au résultat. Une piste utile pour comprendre, puis améliorer, le suivi d’états dynamiques.
Les grands modèles de langage excellent dans le texte, mais peuvent échouer sur des problèmes de calcul ou d’optimisation pourtant structurés. Développé par des chercheurs du MIT, CodeSteer agit comme un coach : il aide un LLM à choisir entre réponse rédigée et génération de code. Les essais rapportent un net gain de précision sur 37 tâches symboliques.
Les grands modèles de langage savent répondre vite, mais peinent encore lorsqu’un problème exige de planifier, déduire ou manipuler des structures inconnues. Des chercheurs du MIT explorent le test-time training, une méthode qui ajuste temporairement le modèle face à une nouvelle tâche. Dans certains tests, l’exactitude a été multipliée jusqu’à six fois.
Des enfants de 3 à 5 ans ont fait mieux que des modèles d’IA de pointe pour identifier des objets vus très brièvement. Publiée dans Science Advances, cette étude rappelle que la vision humaine précoce reste remarquablement robuste, et pourrait inspirer des systèmes d’intelligence artificielle plus efficaces.
Meta a consacré des moyens considérables à l’intelligence artificielle, mais voit partir plusieurs chercheurs associés à Llama. Le phénomène interroge sa capacité à garder les profils qui font avancer ses modèles, alors que Mistral, OpenAI, Google et DeepSeek accélèrent la compétition sur les modèles génératifs et le raisonnement.
Un travail publié dans Science Advances propose de renouveler la théorie des réseaux neuronaux associatifs. Baptisée Input-Driven Plasticity, ou IDP, cette approche place les stimuli externes au cœur de la récupération des souvenirs et pourrait inspirer des systèmes d’IA plus robustes face à des données incomplètes ou ambiguës.
Des chercheurs du MIT et d’Adobe présentent CausVid, un modèle de génération vidéo qui associe deux approches de l’IA. Son ambition est de conserver la qualité visuelle des modèles de diffusion tout en réduisant fortement le temps nécessaire à la création d’un clip, avec des résultats jusqu’à 100 fois plus rapides.
Des chercheurs du MIT proposent une table périodique regroupant plus de 20 algorithmes classiques d’apprentissage machine selon les relations qu’ils apprennent dans les données. Baptisé I-Con, ce cadre a déjà servi à concevoir un classifieur d’images qui dépasse de 8 % des méthodes de pointe, selon l’équipe.
Un modèle peut apprendre à repérer un collier plutôt qu’un chien, puis se tromper dès que ce raccourci disparaît. Des chercheurs de l’Université d’État de Caroline du Nord proposent une technique de data pruning qui retire certains exemples complexes afin de limiter ces corrélations fallacieuses, sans devoir les identifier au préalable.
Entraîner un modèle de langage sur toujours plus de textes ne garantit pas de meilleurs résultats. Des chercheurs de Carnegie Mellon, Stanford, Harvard et Princeton observent qu’au-delà d’un seuil, des LLM deviennent plus fragiles et plus difficiles à ajuster à de nouveaux usages. Un constat qui interroge la course au volume de données.
Face aux fake news qui mêlent texte et image sur les réseaux sociaux, des chercheurs de l’Université Concordia développent SmoothDetector. Ce modèle associe apprentissage profond et raisonnement probabiliste afin d’exprimer l’incertitude d’une détection, plutôt que de trancher mécaniquement entre vrai et faux.
Les grands modèles de langage ne servent plus seulement à rédiger ou résumer. Des chercheurs cherchent à leur apprendre à construire, tester et ajuster des plans face à des contraintes changeantes. Cette évolution pourrait aider à organiser des ressources, des itinéraires ou des projets, à condition de conserver une supervision humaine solide.
Planifier ne consiste pas seulement à produire une réponse plausible : il faut ordonner des actions, respecter des contraintes et s’adapter aux imprévus. Des travaux de recherche, dont l’approche Coconut et le benchmark NATURAL PLAN, cherchent à rendre les grands modèles de langage plus capables face à ces problèmes.
Inspirés des neurones biologiques, les neurones infomorphiques ambitionnent de faire apprendre des systèmes d’IA de façon plus locale et adaptative. Cette piste de recherche, liée au calcul neuromorphique et aux synapses artificielles, pourrait intéresser la robotique, la santé et les objets connectés, mais elle reste confrontée à de solides défis techniques.
