LLM & Modèles
Grands modèles de langage : GPT, Claude, Gemini, Mistral et poids ouverts.
29 published articles
Intelligence artificielle
Le modèle Phi-4 de Microsoft redéfinit l'efficacité dans une recherche révolutionnaire
Le modèle Phi-4 de Microsoft atteint une efficacité de pointe, égalant des modèles plus grands dans des tâches de raisonnement avec significativement moins de paramètres. Publié le 15 mai 2025, l'article de recherche réexamine les hypothèses sur les lois de mise à l'échelle en IA.
2026-07-03
Architecture sans tokenizer
Aleph Alpha dévoile T-Free : une architecture sans tokenizer pour une IA souveraine
Aleph Alpha dévoile T-Free, une architecture de LLM sans tokenizer qui mappe les mots directement en vecteurs. L'approche offre près de sept caractères par vecteur contre quatre typiquement, réduisant les coûts et la consommation d'énergie tout en améliorant les performances sur les domaines spécialisés et les langues peu dotées.
2026-07-03
Intelligence Artificielle
GPT-Live d'OpenAI cesse enfin d'attendre que vous ayez fini de parler
GPT-Live d'OpenAI introduit l'audio full-duplex, permettant à l'IA d'écouter et de parler en même temps. Elle peut dire « mhmm », attendre pendant les pauses et confier le raisonnement complexe à GPT-5.5 en arrière-plan, maintenant ainsi le flux de la conversation.
2026-07-01
contexte effectif, plafonds de sortie et l'impôt caché des longues fenêtres
Votre modèle d'IA prétend lire 1 million de tokens. Il ment. Voici les vrais calculs.
Les quatre LLM de pointe annoncent des contextes de 1M+ tokens, mais le rappel effectif, les limites de sortie et les coûts réels diffèrent considérablement. DeepSeek V4 Pro domine en matière de plafond de sortie et de coût, Gemini excelle sous 200K tokens, et Claude Opus remporte la palme du cache pour la revue de code interactive. Cette analyse détaille les chiffres d'avril 2026.
2026-06-30
Recherche sur la sécurité de l'IA
Les modèles d'IA ne peuvent pas s'empêcher de penser à voix haute. C'est à la fois une bonne nouvelle et un cauchemar pour la sécurité.
Claude Sonnet 4.5 ne peut contrôler son raisonnement en chaîne que 2,7 % du temps, contre 61,9 % pour les sorties finales. L'écart soulève des questions ouvertes sur la robustesse de la surveillance par CoT en tant que mécanisme de sécurité, et personne ne sait pourquoi il existe.
2026-03-09