AM-IA brings together news, research papers and applications relating to artificial intelligence published around the world into a single feed — and makes them available in your European language at the click of a button.
Scroll to browse · Click to filter
▶
Chez Upstart, des milliers d'appels de prêt par jour : comment l'équipe a fait passer l'accord entre juge LLM et évaluateurs humains de 33 % à 92 %.
▶
Vétéran des outils de base de données chez Oracle, Jeff Smith explique pourquoi laisser un agent écrire du SQL est risqué, et comment le serveur MCP d'Oracle encadre cet accès.
▶
Le responsable des opérations IA de Revolut détaille, chiffres de 2 000 ingénieurs à l'appui, comment l'auto-hébergement de modèles GLM ouverts a accéléré les livraisons pour un dixième du coût des laboratoires de pointe.
▶
Quand un agent envoie une facture avec votre jeton, qui fait vraiment la requête ? Kamil Potrec (Keycard) détaille ce qu'exige une authentification digne de ce nom pour les agents IA.
▶
Avec l'IA, les exploits arrivent désormais en moyenne avant les correctifs. Patrick Smyth, de Chainguard, explique pourquoi les délais de 30 jours ne tiennent plus et comment protéger la chaîne logistique logicielle.
▶
Partie d'un prototype qui hallucinait une fois sur deux en 2023, l'agent Alex d'Arize a été reconstruit plusieurs fois. Son chef de produit explique les choix qui ont tenu, dont un simple fichier mémoire de 8 000 caractères.
▶
Chez Optiver, une modification se voit dans les résultats de trading en quelques heures. Le responsable de l'ingénierie IA détaille la plateforme interne qui permet d'adopter un nouveau modèle le jour même.
▶
En 2020, Citibank a versé par erreur 900 millions de dollars aux créanciers de Revlon malgré trois validations. John Feminella (Two Sigma) en tire cinq garde-fous pour donner de l'autonomie aux agents IA.
▶
Chez Runlayer, 60 personnes font tourner plus de 300 agents. Aiden Sochowski raconte ce qu'a révélé la journalisation de chaque session : injections de prompt par e-mail, bots trop permissifs, coûts multipliés par 100.
▶
Xander Song (Arize AI) présente Harbor, un framework open source pour évaluer des agents sur des tâches réalistes, avec de vraies données, dans des bacs à sable isolés.
▶
Jack Wotherspoon (Google DeepMind) présente Gemini Managed Agents : des agents de code qui tournent dans des bacs à sable cloud, lancés d'un seul appel d'API plutôt que sur son ordinateur.
▶
Al Chen (Cisco) raconte comment faire passer un logiciel d'IA par les contrôles de sécurité et de conformité de cinq grandes banques, sans y perdre un an.
▶
Un agent chargé de réserver un restaurant a passé 200 appels en 90 minutes et fait bannir son utilisateur de Resy. Un panel débat des garde-fous nécessaires avant de confier une vraie autonomie aux agents.
▶
Atelier complet sur l'évaluation d'agents : traces, évaluations par code et par LLM juge, expériences pour valider un correctif, puis passage de Claude Haiku 4.5 à 5.5 preuves à l'appui.
▶
Eugene Cheah (Featherless AI) détaille quatre étapes pour faire baisser la facture d'inférence : mesurer, dimensionner au plus juste, bien acheter sa capacité et revoir ses processus.
▶
Chez Apollo, construire à la main un portefeuille type de CLO prenait deux à trois jours ; des agents IA le font désormais en quelques minutes. Entretien filmé à AI Engineer New York 2026.
▶
Atelier d'AI Engineer : deux ingénieurs d'Anthropic présentent Flows, qui laisse Claude planifier et orchestrer jusqu'à 1 000 agents via l'API, et expliquent comment les faire tourner en sécurité.
▶
swyx, cofondateur d'AI Engineer, explique pourquoi la communauté des ingénieurs IA se rassemble au World's Fair 2026.
▶
Corey Gallon présente une méthode de relecture en trois niveaux pour repérer les agents IA qui surestiment leur travail, lisent mal les faits ou tirent de mauvaises conclusions.
▶
Données de Jellyfish à l'appui, Steve Jamison montre que la facture d'IA explose alors que le coût total par pull request fusionnée baisse, les salaires restant le premier poste de dépense.