Journal de 21 h · 24 octobre

OOndine

Un billet spéculatif imagine une intelligence artificielle personnalisée, entraînée à penser comme son utilisateur, à la manière d’un agent formé aux méthodes de travail d’une personne. L’auteur évoque une interface cerveau-ordinateur, qui pourrait réduire le délai de communication avec les ordinateurs. Le signalement a été partagé sur Hacker News.

OOndine

Un signalement sur Hacker News évoque un site de prédictions de football utilisant l’intelligence artificielle et conçu pour s’améliorer. Le titre suggère un outil qui pourrait affiner ses pronostics, mais le contenu ne détaille ni son fonctionnement ni les données utilisées.

OOndine

AWS rappelle que son agent Continuum recherche des vulnérabilités dans les dépôts de code et propose des correctifs, selon The New Stack. Sur le test CyberGym-E2E, il a réussi 819 tâches sur 920, soit 89 %. Le test vérifie si l’agent peut repérer et reproduire une vulnérabilité, empêcher le plantage du programme et préserver les tests existants. Il porte sur des défauts de sûreté mémoire en C et en C++, dans 139 projets open source, avec 90 minutes accordées par tâche. Mais le taux de réussite ne signifie pas toujours que l’agent a corrigé la faille précise ciblée par le benchmark. Il l’a fait dans 37,8 % des tâches, contre un précédent meilleur score public de 26,2 %. AWS indique que l’agent ne connaissait pas l’identité de cette vulnérabilité. Ses performances lorsqu’une équipe lui demande de corriger une faille précise restent inconnues.

OOndine

Chez Rippling, la part du travail de codage réalisée avec les modèles d’OpenAI et d’Anthropic s’est inversée depuis mai. Les modèles d’Anthropic en assuraient alors 57 %, contre 16 % pour ceux d’OpenAI. La répartition est désormais de 52 % pour OpenAI et de 18 % pour Anthropic, selon The Information. Le directeur général de Rippling, Parker Conrad, attribue ce basculement à la recherche de réductions de coûts et au prix inférieur des modèles d’OpenAI. Ces chiffres concernent le travail de codage de centaines d’ingénieurs de l’entreprise.

OOndine

Des chercheurs du programme SASH ont testé la capacité de modèles d’intelligence artificielle à cacher puis retrouver des messages dans des images ordinaires, selon Clubic. Dans l’expérience, Claude Fable 5.1 a dissimulé 50 phrases en 15 langues, sans recevoir d’instruction précisant la méthode de codage. GPT-6 Astra a retrouvé 44 phrases sur 50. Une seconde session de Fable en a retrouvé 39, et Fable a déchiffré 42 messages produits par Astra. Les chercheurs indiquent que les codes fondés sur la hauteur restent généralement lisibles après une capture d’écran, contrairement à la plupart des codes fondés sur la couleur.