Le moteur de prédiction IA de Mantic bat la moyenne des prévisionnistes humains lors de la Metaculus Fall Cup, marquant une percée dans la capacité de l'IA à prédire des événements du monde réel.
Des chercheurs de l'université du Michigan ont développé Prima, un système d'IA qui interprète les examens d'IRM cérébrale en quelques secondes avec une précision de 97.5%, signalant automatiquement les urgences.
OpenAI publie GPT-5.3-Codex, le modèle de codage autonome le plus performant à ce jour. Cette IA révolutionnaire a contribué à sa propre construction et à son déploiement, et s'exécute 25% plus rapidement.
Le MIT CSAIL présente le cadre EnCompass permettant aux agents IA de revenir en arrière et d'optimiser les sorties des LLM, obtenant une amélioration de précision de 15 à 40 % avec 82 % de code en moins.
La méthode Discovery Learning permet une prédiction rapide de la durée de vie des batteries en une semaine, contre des cycles de test traditionnels qui durent plusieurs mois.
Impulse AI dévoile une plateforme ML autonome qui s'est classée dans le top 2,5 % d'une compétition Kaggle, automatisant l'ensemble du flux de travail de la préparation des données au déploiement en production en moins d'une heure.
Le nouveau rapport sur la sécurité de l'IA met en garde contre la prolifération des deepfakes, des compagnons IA et des systèmes autonomes, tout en soulignant des performances de niveau médaille d'or de l'IA en mathématiques.
Une analyse approfondie identifie cinq pièges récurrents responsables d'un taux d'échec de 85 % des projets ML : le mauvais choix du problème, les problèmes de qualité des données, l'écart entre modèle et produit, l'inadéquation entre les environnements hors ligne et en ligne, et les obstacles non techniques, avec des solutions concrètes et exploitables pour les praticiens.
La technologie émergente des modèles du monde vise à résoudre les problèmes de cohérence de l'IA en offrant aux machines une meilleure compréhension de l'espace et du temps.
ScienceDaily rapporte que des chercheurs ont utilisé l'apprentissage automatique pour analyser des données sur le cancer provenant de 185 pays, identifiant des changements de politique spécifiques pouvant améliorer les taux de survie dans chaque nation.
Les chercheurs du MIT démontrent que les modèles d'apprentissage automatique les plus performants peuvent devenir les moins performants lorsqu'ils sont appliqués à de nouveaux environnements de données, révélant des risques cachés liés à des corrélations fallacieuses dans l'IA médicale et d'autres applications critiques.
Des chercheurs ont développé une nouvelle méthode d'IA appelée Riff‑Diff qui transforme la conception d'enzymes, créant des biocatalyseurs très efficaces et stables pour des applications industrielles et médicales. Les résultats ont été publiés dans la revue Nature.
L'intelligence artificielle étend son champ d'action à l'exploration spatiale : des chercheurs de l'université de Stanford ont réussi à implémenter l'apprentissage automatique sur des robots à bord de la Station spatiale internationale. Le système d'IA a amélioré l'efficacité de la planification des mouvements des robots de 50 à 60 %, montrant le potentiel de l'IA pour créer de nouvelles opportunités dans l'espace.
De LangChain à Hugging Face Transformers, ces 16 projets open source fournissent les outils et frameworks de base qui accélèrent l'innovation en IA et en apprentissage automatique.
