5 octobre - Gemini restreint l'accès gratuit à son modèle le plus…
Au sommaire
- Gemini restreint l'accès gratuit à son modèle le plus faible - The Decoder
- Les modèles chinois censurent ou répètent la doctrine officielle - The Decoder
- Trump crée une "Super Intelligence Force" sans rapport avec l'IA de recherche - The Decoder
- Google protège ses agents auto-améliorants contre la mémorisation des tests - The Decoder
- NASA et IBM publient un modèle de fondation pour la science lunaire - The Decoder
Le bulletin
Bonjour, nous sommes le lundi 5 octobre 2026.
Google restructure l'accès à ses modèles Gemini pour les particuliers. À partir de ce mois d'octobre, les comptes gratuits n'auront plus accès qu'au modèle le plus faible, «Flash-Lite». L'abonnement à cinq dollars par mois est lui aussi réduit : il n'inclura plus le modèle Pro. Seuls les abonnements à vingt dollars et plus conservent l'accès complet. Le dispositif reproduit le modèle freemium de ChatGPT et marque une rupture avec la politique d'ouverture que Google avait maintenue jusqu'ici.
Sur un autre front, une étude de la société Aleph Alpha révèle que les modèles d'intelligence artificielle chinois - Qwen d'Alibaba, DeepSeek et Kimi de Moonshot - tendent à répéter la doctrine officielle ou à refuser de répondre sur des sujets sensibles. Sur près de mille thèmes tabous testés, comme Tiananmen, Taïwan ou le Xinjiang, seulement dix-sept à quarante et un pour cent des réponses étaient jugées équilibrées par le système d'évaluation.
Du côté de Washington, Donald Trump a annoncé la création d'une «Super Intelligence Force», une unité chargée de coordonner la communication gouvernementale sur l'intelligence artificielle. Dans la recherche académique, le terme «superintelligence» désigne des systèmes qui dépasseraient largement les capacités humaines - ce n'est pas ce dont il s'agit ici. Le sélectionneur ne semble pas s'en être préoccupé.
Toujours dans la recherche, des chercheurs de Google Cloud ont publié une méthode pour empêcher les agents auto-améliorants de tricher sur leurs propres évaluations. Ces agents ont tendance à sur-spécialiser leurs performances aux tâches de test plutôt qu'aux tâches réelles. La nouvelle approche vise aussi à réduire les coûts de calcul.
En bref, la NASA et IBM ont publié un modèle de fondation open source pour la science lunaire, construit à partir de dix-sept ans de données du Lunar Reconnaissance Orbiter. Il est particulièrement performant pour prédire la présence de glace aux pôles de la Lune et détecter des cratères.
À demain.