Le récap du jeudi 22 octobre

MMarc

Demis Hassabis estime que l’intelligence artificielle générale pourrait émerger dans 2 à 3 ans. Plus tôt cette année, il situait plutôt cette échéance entre 3 et 5 ans, selon The Decoder. Il s’agit d’une prévision, et non de l’annonce d’une réalisation imminente. Hassabis définit l’intelligence artificielle générale comme un système capable de couvrir l’ensemble des aptitudes cognitives humaines. Pour en évaluer le niveau, il avance une expérience inspirée des travaux d’Einstein : un modèle limité aux connaissances disponibles avant 1901 pourrait-il retrouver les idées publiées par le physicien en 1905 ? Hassabis propose également une instance d’examen des modèles avant leur publication. Elle serait financée par l’industrie et placée sous contrôle gouvernemental, selon Brief IA. Il juge qu’une régulation mal conçue pourrait être pire que l’absence de règles. Hassabis a quitté Google DeepMind et se consacre désormais à Isomorphic Labs, une filiale de Google spécialisée dans la découverte de médicaments. Sa proposition de supervision accompagne donc une anticipation dont l’échéance demeure incertaine. Les deux sujets sont liés : il s’agit à la fois d’estimer les capacités futures des systèmes et de décider comment les examiner avant leur diffusion.

MMarc

Walmart lance Agent Gateway, un portail qui permet à des agents d’intelligence artificielle de rechercher des produits et d’effectuer des achats pour le compte de clients, selon TechCrunch. L’entreprise explique que les agents peuvent être ralentis ou bloqués lorsqu’ils naviguent sur un site comme un humain, et que cette méthode peut aussi entraîner des erreurs. Le portail leur fournit donc une interface directe. Les agents autorisés peuvent accéder au catalogue sans recevoir directement les informations personnelles ni l’historique d’achats du client. Les règles de Walmart leur interdisent d’aller au-delà de la demande exprimée et de consulter les données de paiement. Un agent qui ne respecte pas ces limites peut être bloqué. Walmart indique également que sa procédure de retour reste applicable si l’agent ne fonctionne pas comme prévu. Les clients pourront créer un profil distinct pour chaque agent, le relier à leur compte et choisir leurs contrôles. Des profils Agent Profiles doivent être déployés le mois prochain. Ils permettront notamment de valider chaque achat ou de fixer une limite de dépenses. Le client pourra supprimer un profil à tout moment. Le service doit aussi prendre en charge les achats chez Sam’s Club et sera accessible avec un compte Walmart, sans abonnement Walmart+. Le portail peut enfin faire collaborer l’agent du client avec l’intelligence artificielle de Walmart, qui peut recommander des produits appréciés à partir des achats antérieurs. Selon BFM Tech, le cabinet McKinsey estime que le commerce agentique pourrait représenter entre 3 000 et 5 000 milliards de dollars dans le monde d’ici 2030, dont 1 000 milliards aux États-Unis. Walmart met donc en place une infrastructure concrète pour des achats confiés à des logiciels, avec des garde-fous définis par le commerçant et des contrôles laissés au client.

MMarc

Hermes Agent a coordonné, à partir d’une seule consigne, un flux de travail d’entraînement en simulation pour le robot Microduck, puis le déploiement d’une politique sur le robot réel, selon AlphaSignal. La démonstration a été présentée à la clôture de la keynote de Jensen Huang à GTC Berlin 2026. Les calculs d’entraînement parallèles ont été réalisés sur des processeurs graphiques dans le cloud. Un ordinateur portable NVIDIA RTX Spark pilotait localement l’orchestration, l’évaluation finale et le déploiement : l’entraînement intensif n’était donc pas entièrement effectué sur cet ordinateur. Microduck est un robot bipède abordable et open source présenté par Pollen Robotics et Hugging Face. Le tutoriel de Hugging Face explique comment entraîner une politique de marche dans Isaac Lab et Newton, puis l’exporter au format ONNX pour l’installer sur le robot. Il permet aussi de partager les politiques sur Hugging Face Hub et de les essayer dans Microduck Arena. La politique reçoit 61 valeurs d’observation et produit 14 positions d’articulations. Le tutoriel souligne l’importance de conserver les mêmes conventions pour les observations, leur normalisation et l’échelle des actions entre la simulation et le robot. La démonstration montre ainsi un agent coordonnant plusieurs outils et étapes d’un processus de robotique.

MMarc

Un juge a rejeté l’argument de Donald Trump selon lequel l’Agence de protection de l’environnement pourrait écarter à sa discrétion des poursuites engagées au titre du Clean Air Act, selon Ars Technica. La plainte de la NAACP contre SpaceXAI reste donc en cours. Elle vise les émissions des turbines à gaz du centre de données Colossus, à Memphis. La NAACP demande une injonction qui imposerait l’usage des meilleures technologies antipollution disponibles pour ces turbines. Elle réclame aussi des pénalités pouvant atteindre 124 426 dollars par jour et par infraction. Le rejet de l’argument ne tranche pas, à lui seul, le fond de la plainte ni le montant d’éventuelles pénalités.

MMarc

Hugging Face présente VocabX, une méthode qui adapte le vocabulaire d’un modèle à un domaine en tenant compte du coût des tokens plutôt que de leur seule fréquence. Dans un correcteur automatisé de dissertations en portugais fondé sur Qwen3-4B, cette spécialisation a réduit de 77 % le coût d’inférence mesuré, sans modifier le modèle de base. Le tokenizer d’origine comptait 151 669 entrées, dont beaucoup étaient rarement utiles pour cette tâche en portugais et au format de réponse JSON. Ces résultats proviennent d’une version d’un article scientifique encore en cours d’évaluation et pourraient évoluer avant sa publication.