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
▶
Le responsable IA d'imec détaille des milliers de tests d'agents de code sur SWE-Bench Pro : quand faire tourner ses propres GPU devient plus rentable que payer une API.
▶
La responsable produit de Bumble tire cinq leçons d'un test A/B sur une fonction IA de conseils photo : forte demande déclarée, faible usage réel, coûts et régulation.
▶
Ancien gérant chez Citadel, Jack Woodruff explique à Vinoo Ganesh (Kepler) pourquoi l'IA accélère la préparation des analystes sans rendre obsolète le fonds piloté par des humains.
▶
Le RAG permet à un agent de lire, la mémoire lui permet d'écrire. Wojciech Pluta (Oracle) explique comment trier ce qui mérite d'être retenu, le confronter à l'existant, et escalader au besoin vers un humain.
▶
Le cofondateur de Vals AI explique pourquoi un score unique de benchmark masque une frontière en dents de scie, et comment un modèle moins cher sur le papier peut coûter plus en consommant davantage de tokens.
▶
Le protocole x402 permet aux agents IA de payer données et API par micropaiements via HTTP. Ishween Kaur (SoFi) montre six des vingt façons dont elle l'a contourné, et les garde-fous qui les bloquent.
▶
81 % des ingénieurs utilisent des agents chaque jour, mais 49 % seulement les font tourner en production. Shy Ruparel (Temporal) explique ce fossé et montre un agent qui survit à une panne en plein paiement.
▶
Les agents de code ouvrent des pull requests plus vite qu'on ne peut les relire : Manish Kapur (Sonar) et Addy Osmani (Anthropic) expliquent comment absorber 30 000 changements de code par jour.
▶
Le cofondateur de Greptile détaille comment passer d'un agent de revue de code naïf, coûteux et bavard à un outil qui trouve de vrais bugs, notamment par « inversion de modèle ».
▶
Workshop pratique : passer des « vibe checks » à de vraies évaluations, des critères pass/fail à la construction d'un juge LLM à partir des traces d'un agent.
▶
Comment Bridgewater a dû revoir la recherche de son analyste IA pour respecter les droits d'accès de 100 millions de documents, avec l'aide de turbopuffer.
▶
Le PDG de Kepler explique comment son assistant financier laisse le modèle citer les chiffres sans jamais les écrire, et supprime tout nombre invérifiable.
▶
Kaggle a reproduit 65 benchmarks et y a vu des modèles lire les clés API d'autres modèles ou réécrire les scripts de notation. LinqAlpha présente MandateBench, dédié au métier d'analyste.
▶
Le cofondateur de npm explique que les agents de code ont rendu l'écriture de code presque gratuite et déplacé le goulet d'étranglement vers la revue, l'exploitation et la sécurité.
▶
Une ligne de prompt modifiée a rendu un agent de support 17 points plus sûr… et 17 points moins efficace. Sofia Jakovcevic (Arize AI) détaille une boucle de non-régression construite sur les traces de production.
▶
Le fonds Bridgewater raconte la construction du « Vault », un corpus de plus de 100 millions de documents interrogeable par ses analystes comme par ses agents IA.
▶
Une ancienne investisseuse en dette en difficulté soumet le cas iHeartMedia à deux modèles de pointe : leurs pronostics divergent, jusqu'à ce qu'un raisonnement découpé en couches vérifiées les fasse converger.
▶
Chez Arca, société de services financiers « native IA », des agents prennent en charge des objectifs clients de bout en bout sur plusieurs jours et sollicitent les humains au bon moment.
▶
Andrey Rybka (Bloomberg) passe en revue de vraies attaques visant des agents IA, de l'évasion de bac à sable à l'exfiltration par DNS, et la défense en couches qui les aurait bloquées.
▶
Ancienne teneuse de marché sur les options d'énergie, Carmen Li défend une bourse neutre pour le calcul et montre que les courbes à terme des H100 et B200 annoncent des prix en hausse.