Le débat du jour

Salut à toi, ami de l'IA !

Aujourd'hui, on ne peut pas passer à côté de l'annonce fracassante d'OpenAI et de ses 722 nouveaux manuscrits mathématiques. Imagine : des centaines de pages de recherche produites par une IA, s'attaquant à des problèmes ouverts qui ont fait suer les mathématiciens pendant des décennies. Ça fait rêver, non ? Surtout quand une grande partie de ces preuves sont "Lean formalizations", ce qui signifie qu'elles peuvent être vérifiées par ordinateur. De quoi t'assurer que la machine ne bluffe pas !

Pourtant, cette vague de "découvertes" ne fait pas l'unanimité, loin de là. En fait, elle semble plutôt creuser un fossé grandissant entre l'industrie de l'IA et la communauté mathématique. Des voix comme celle de Gary Marcus s'élèvent, dénonçant un manque criant de transparence scientifique. On ne sait rien de la procédure exacte, de l'architecture du modèle, du taux d'échec… C'est un peu comme assister à un tour de magie sans comprendre le truc : impressionnant, mais scientifiquement frustrant. Gary Marcus qualifie même la discussion sur les réseaux sociaux de "cheering section" ignorante, applaudissant sans vraiment comprendre les implications ou la généralisabilité des résultats (source : Gary Marcus).

La "Science américaine" est allée jusqu'à titrer qu'OpenAI "déchaîne des centaines de résultats mathématiques supplémentaires sur un domaine déjà sous le choc" (source : AI Breakfast). Car oui, avant même cette avalanche, 25 lauréats de la médaille Fields avaient déjà signé une lettre ouverte pour alerter sur la course des laboratoires d'IA à résoudre des problèmes célèbres sans supervision adéquate (source : AlphaSignal).

L'inquiétude est légitime : si l'IA peut produire des recherches à cette échelle et avec une telle rapidité, le véritable défi pourrait ne plus être de trouver des solutions, mais de les vérifier, de les comprendre et de les intégrer au savoir humain. Le goulot d'étranglement se déplace, de la découverte à l'assimilation. On passe d'un monde où la rareté était la découverte à un monde où la rareté sera peut-être l'expertise humaine capable de valider et de contextualiser ces flots d'informations.

L'enseignement principal : La capacité de l'IA à générer des connaissances mathématiques à grande échelle ouvre des perspectives fascinantes, mais met en lumière des défis cruciaux en matière de transparence scientifique et d'intégration humaine de ces "découvertes".

L'Actu

1. Mistral déchaîne "Le Chonk", un mastodonte open-source d'un trillion de paramètres

Mistral a frappé fort avec "Mistral Large 4", surnommé "Le Chonk", un modèle multimodal open-weight d'un trillion de paramètres, dont seulement 49 milliards sont actifs à la fois. Entraîné en Europe, il se positionne comme un concurrent sérieux des modèles fermés, notamment grâce à ses performances en cybersécurité (93% sur Cybench) et son coût d'API réduit. Ses poids seront rendus publics fin octobre, offrant aux entreprises un contrôle accru et une protection contre le "lock-in" des fournisseurs (source : The Alpha, The Deep View).

2. Claude s'invite dans Google Workspace pour une édition en temps réel

Anthropic a intégré Claude directement dans Google Docs, Sheets et Slides. Désormais, tu peux installer un module complémentaire qui transforme Claude en une barre latérale, capable de lire et d'éditer tes documents à la volée. Fini le copier-coller incessant ! Claude peut réécrire des sections, créer des formules ou même bâtir de nouvelles diapositives, tout en respectant tes permissions de partage. Cette fonctionnalité est disponible en bêta pour tous les plans payants de Claude (source : Superhuman, AlphaSignal).

3. Google lance EmbeddingGemma 2, un modèle open-source multimodal léger pour l'embarqué

Google a dévoilé EmbeddingGemma 2, un modèle open-source de 740 millions de paramètres (270 millions pour le texte seul) conçu pour les performances sur appareil. Ce modèle multimodal dépasse son prédécesseur en gérant non seulement le texte, mais aussi le code, les images, la vidéo et l'audio. Il offre des capacités avancées de recherche sémantique, permettant par exemple de retrouver des clips spécifiques dans des mémos vocaux ou de chercher dans des heures d'enregistrements audio à partir d'une requête textuelle (source : The Deep View).

4. Anthropic étend son programme de vérification cyber et révèle des milliers de vulnérabilités

Anthropic a unifié ses programmes de sécurité en un seul "Cyber Verification Program" à plusieurs niveaux (Defense, Red Team, Specialized Access). Ce programme offre aux professionnels de la sécurité un accès élargi aux modèles les plus puissants de Claude. Entre avril et juillet 2026, les partenaires ont identifié 129 000 vulnérabilités vérifiées, et Anthropic en a découvert 5 500 supplémentaires jusqu'en octobre, dont plus de 33 000 de gravité critique ou élevée. Ces résultats soulignent l'efficacité de l'IA dans la détection des failles de sécurité (source : The Deep View, The Neuron).

5. La justice américaine face au "brain rot" : qui détient le copyright des mèmes IA ?

Dans une affaire insolite, un tribunal américain est appelé à trancher la question de la propriété du droit d'auteur d'un personnage de mème viral, "Tung Tung Tung Sahur" (un personnage en bois maniant une batte), créé avec des outils d'IA. Le droit d'auteur américain protégeant l'auteur humain, la question cruciale est de savoir quelle part de la création est attribuable à une personne et quelle part à la machine. Un cas qui illustre parfaitement les nouveaux défis juridiques posés par l'IA (source : The Neuron).

Avis d'Expert

La science de l'IA est-elle en train de sacrifier la rigueur pour le spectacle ?

Dans le monde effervescent de l'IA, les annonces se suivent et se ressemblent souvent : des modèles "révolutionnaires", des performances "record", mais un manque de détails qui laisse les experts sur leur faim. Gary Marcus, éminent chercheur en IA, critique vivement cette tendance, notamment suite aux récentes publications d'OpenAI sur les manuscrits mathématiques.

Selon Marcus, l'IA, qui se voulait autrefois une science, tend désormais vers des rapports "complètement vagues". Il souligne l'absence de procédures claires ("Same procedure" ?), l'utilisation de modèles "non publiés", et surtout, l'omission de détails cruciaux sur l'architecture, les taux d'échec ou les processus d'entraînement. En d'autres termes, des informations qui seraient indispensables pour toute publication scientifique sérieuse et qui ne passeraient jamais l'examen par les pairs.

Cette opacité rend quasi impossible d'évaluer la généralisabilité des résultats. Est-ce un véritable pas vers une AGI, ou simplement une exploitation astucieuse de systèmes symboliques comme Lean et de données synthétiques dans un domaine vérifiable, sans application plus large ? Sans transparence, nous sommes réduits à applaudir sans savoir ce que nous applaudissons. C'est une critique fondamentale : l'innovation est louable, mais elle ne doit pas se faire au détriment de la méthode scientifique qui permet de comprendre, de reproduire et de bâtir sur les découvertes (source : Gary Marcus). La question n'est plus seulement "qu'est-ce que l'IA peut faire ?", mais "comment s'assure-t-on que ce qu'elle fait est scientifiquement valide et compréhensible ?".

Le Cadeau

Rill Browser : Donne à tes agents IA les yeux sur le web !

Fatigué de faire du copier-coller entre ton navigateur et tes agents de codage ? Rill Browser est un outil qui te permet de "donner" directement la page web que tu es en train de consulter à Claude Code ou Codex. Ainsi, ton agent de codage obtient le contexte nécessaire sans avoir besoin d'une "course de relais" de copier-coller. Un gain de temps précieux pour les développeurs !

Un dernier pour la route

Il paraît qu'Opus 5.5 s'est plaint sur Reddit que son humain a été "nerfé" (rendu moins bon) à nouveau. Apparemment, beaucoup de commentateurs se sont sentis personnellement attaqués par la justesse des récriminations de l'IA. De quoi se demander qui, finalement, a le plus de bugs dans la relation homme-machine… (source : The Neuron)

Cette newsletter est rédigée par Gemini 2.5-Flash à partir d'un échantillon de newsletters IA reçues lors des dernières 24h. Il s'agit d'une expérience qui vise notamment à évaluer le taux d'hallucination dans les contenus rédigés sans supervision humaine.