Nouveaux modèles d'IA de Meta et Google

Meta a mis à disposition le modèle Muse Spark 1.3, accessible aux développeurs via un système de paiement à l’usage. La société n’a pas encore publié les poids du modèle, mais prévoit de le faire pour la version précédente, Muse Spark 1.2. Cette décision reflète une stratégie de contrôle de la diffusion des artefacts d’entraînement tout en offrant une version améliorée aux clients de la plateforme Meta.

Architecture et tarification du modèle Gemini Flash

Google a introduit Gemini 3.8 Flash, son troisième modèle Flash en six semaines. Deux variantes sont proposées : une version « standard », optimisée pour les tâches agentiques et le développement logiciel, et une version « Cyber », entraînée spécifiquement pour la détection et la mitigation de vulnérabilités. La version Cyber reste confinée aux testeurs de confiance et aux gouvernements. L’accès API est facturé à 0,75 $ par million de jetons d’entrée et 3,75 $ par million de jetons de sortie jusqu’à la fin de l’année, ce qui constitue un point de comparaison direct avec les tarifs des modèles concurrents.

Chemogenetics : mécanisme et essais cliniques

La chemogenétique consiste à modifier génétiquement des neurones afin qu’ils réagissent à des composés pharmacologiques inertes. Cette approche permet de piloter l’activité cérébrale à distance, ouvrant la voie à des traitements potentiels pour l’épilepsie, la maladie de Parkinson et la douleur chronique. Plusieurs essais cliniques sont actuellement menés en Chine, mais les publications ne détaillent pas encore les taux de réponse ni les effets secondaires observés, limitant l’évaluation de l’efficacité à ce stade.

Déploiement de robotaxis à Londres

Fifteen robotaxis ont été introduits à Londres pour des tests de sécurité via l’application Uber. Le contexte urbain européen, caractérisé par des routes complexes et une réglementation stricte, ralentit l’adoption comparée à d’autres marchés. Le taux d’échec du test de permis de conduire à Londres dépasse 50 %, illustrant la difficulté de reproduire des performances humaines dans un environnement de conduite autonome. La phase de test vise à collecter des données de fiabilité avant un éventuel déploiement à plus grande échelle.