Cette semaine est marquée par une prise de position de Demis Hassabis sur la gouvernance de l’IA frontière, deux publications NVIDIA chiffrant les gains d’efficacité de Blackwell et une nouvelle méthode de recherche pilotée par agent, ainsi que la disponibilité générale de GPT-5.6 sur Amazon Bedrock. Le reste de l’actualité couvre une vague de modèles ouverts (OCR, vision-langage, quantification ternaire), plusieurs nouveautés GitHub et Manus côté outillage, et la publication en open source du benchmark WANDR par Perplexity.
Demis Hassabis propose un cadre pour l’IA frontière et un Standards Body
14 juillet — Dans un long article publié sur X, Demis Hassabis, cofondateur et PDG de Google DeepMind, prend position sur la trajectoire vers l’intelligence artificielle générale (AGI). Il estime qu’un système doté de toutes les capacités cognitives du cerveau humain n’est probablement qu’à quelques années, et compare l’ampleur de cette rupture à la découverte de l’électricité ou du feu, avec un impact potentiel dix fois supérieur à celui de la révolution industrielle, à dix fois la vitesse.
Il alerte cependant : la course commerciale et géopolitique actuelle est si intense qu’elle ne laisse pas le temps nécessaire pour bien comprendre les risques (cybersécurité, et à terme risques nucléaires et biologiques), ni pour garder le contrôle de systèmes de plus en plus autonomes et capables de s’auto-améliorer.
Sa proposition centrale : un Standards Body dédié à l’évaluation des modèles frontière, sur le modèle d’un partenariat public-privé supervisé par l’État fédéral américain — à l’image de la FINRA dans la finance — avec un conseil incluant des experts techniques indépendants et des représentants de l’open source. Le financement, majoritairement privé, viserait à attirer des talents techniques de premier plan et à financer le calcul nécessaire aux tests à grande échelle. Hassabis positionne les États-Unis comme le pays le mieux placé pour initier cette démarche, tout en appelant à une collaboration internationale sur les enjeux de sécurité.
If you stop to think about it, we’ve essentially found a way to make sand think. It’s miraculous. The magnitude of this technology’s impact will be unprecedented, perhaps 10x of the Industrial Revolution at 10x the speed.
🇫🇷 Si on y réfléchit, nous avons essentiellement trouvé un moyen de faire penser du sable. C’est miraculeux. L’ampleur de l’impact de cette technologie sera sans précédent, peut-être dix fois celle de la révolution industrielle, à dix fois la vitesse. — @demishassabis sur X
NVIDIA — la performance par watt, métrique clé de l’efficacité des infrastructures IA
14 juillet — NVIDIA défend la performance par watt comme la métrique de référence de l’efficacité des infrastructures IA : dans un contexte où la puissance électrique disponible est la contrainte la plus dure, ce ratio détermine combien de tokens une usine à IA peut produire dans une enveloppe de puissance fixe, donc son chiffre d’affaires et sa rentabilité.
L’entreprise chiffre les gains de sa plateforme Blackwell NVL72 par rapport à la génération Hopper :
| Modèle évalué | Gain de performance par watt (Blackwell NVL72 vs Hopper) |
|---|---|
| DeepSeek V4 Pro | jusqu’à 25x |
| GLM 5.1 | jusqu’à 20x |
| Kimi K2.6 (charges agentiques longues) | jusqu’à 10x |
Une partie de ces gains vient du passage d’un domaine GPU de 8 unités (Hopper) à des racks intégrés de 72 GPU, avec un NVLink Switch de sixième génération intégrant du calcul en réseau (technologie SHARP). Au-delà du matériel, l’optimisation logicielle continue de produire des gains substantiels : jusqu’à 5x de performance supplémentaire sur DeepSeek V4 en un seul mois, via la pile TensorRT-LLM, Dynamo, SGLang et vLLM.
Côté infrastructure électrique, la technologie DSX MaxLPS permettrait de faire tourner jusqu’à 40 % de GPU en plus à budget de puissance identique, grâce au refroidissement à eau tempérée et au pilotage dynamique de la puissance — sachant qu’aujourd’hui, seuls environ 60 % de l’électricité tirée du réseau se convertissent effectivement en travail IA utile dans une usine. NVIDIA positionne cette approche dans la perspective de sa prochaine plateforme Vera Rubin, et cite des déploiements en production chez Anthropic, OpenAI, CoreWeave, Perplexity et Fireworks AI.
NVIDIA — Nemotron Labs : recherche RL autonome pilotée par des compétences d’agent
14 juillet — NVIDIA a présenté « RL Autoresearch », une démonstration de recherche en apprentissage par renforcement pilotée par un agent, s’appuyant sur NeMo RL, NeMo Gym et des compétences réutilisables. Le principe : donner à un agent codeur un objectif et un budget de temps, puis le laisser construire lui-même l’environnement d’entraînement, entraîner le modèle et l’évaluer, le chercheur se contentant de superviser l’orientation générale des travaux.
Dans l’exemple présenté, l’agent devait apprendre à un modèle de vision à compter des étoiles colorées. Le modèle Qwen3-VL-2B est passé de 25 % à 96,9 % de précision, et l’agent a lui-même proposé l’expérience suivante à mener, sans qu’elle lui soit dictée par le chercheur.
Un second exemple, relevant du post-entraînement plutôt que de la recherche autonome, illustre un usage voisin : un modèle Cosmos 3 Nano, initialement incapable de détecter un feu de signalisation pourtant visible en évaluation zéro-shot, a été post-entraîné par LoRA pour la tâche de validation WTS (scénarios de conduite intégrant météo, trafic et signalisation). La précision passe de 54,41 % à 87,14 % après le LoRA, puis à 93,35 % en ajoutant NVIDIA TAO AutoML — le tout en moins d’une journée.
We gave a coding agent a goal and a time budget: build a training environment and teach a vision model to count colored stars.
🇫🇷 Nous avons donné à un agent codeur un objectif et un budget de temps : construire un environnement d’entraînement et apprendre à un modèle de vision à compter des étoiles colorées. — @NVIDIAAI sur X
Modèles ouverts & recherche
Sept publications marquent cette semaine côté modèles ouverts et recherche, portées notamment par Hugging Face, Together AI et Sakana AI.
| Modèle évalué | Éditeur | Paramètres | Licence | Benchmark clé |
|---|---|---|---|---|
| OvisOCR2 | Auteur indépendant (HF) | 0,9 milliard | Apache 2.0 | 96,58 sur OmniDocBench v1.6 |
| MOSS-VL-Realtime | Open_MOSS | 11 milliards | Apache 2.0 | Contexte de 256 000 tokens |
| Ternary Bonsai 27B | PrismML | ~27,3 milliards (ternaire) | Gratuit sur Together AI | 99,20 sur MATH-500 |
OvisOCR2 : reconnaissance de documents à 0,9 milliard de paramètres
OvisOCR2 revendique un score de 96,58 sur OmniDocBench v1.6 et se présente comme le premier modèle de bout en bout à dépasser les systèmes en pipeline (OCR, détection de mise en page et analyse traités séparément). L’auteur propose une recette exploitant Hugging Face Jobs pour convertir n’importe quel jeu de données en markdown via l’OCR, sans GPU local. Limite à noter : ce score et la qualification « premier modèle de bout en bout » proviennent du tweet d’annonce, non vérifiés sur une fiche de modèle complète.
MOSS-VL-Realtime : vision-langage ouvert pour la vidéo en temps réel
L’équipe Open_MOSS publie un modèle vision-langage de 11 milliards de paramètres conçu pour l’analyse continue de flux vidéo plutôt que d’images isolées : il continue d’observer la vidéo tout en générant sa réponse, peut la réviser si la situation change à l’écran, et choisit de rester silencieux faute de preuves suffisantes. Les variantes Base, Instruct et Realtime sont toutes publiées en Apache 2.0, avec un support day-0 des équipes SGLang et LMSYS.
🔗 Annonce MOSS-VL-Realtime sur X
LeRobot v0.6.0 : support natif de la profondeur
La bibliothèque robotique open source de Hugging Face ajoute un support natif de bout en bout pour la profondeur (depth) : en branchant une caméra Intel RealSense et en activant use_depth: true, les cartes de profondeur sont automatiquement synchronisées avec les flux RGB, quantifiées en 12 bits et encodées en HEVC sans perte. La fonctionnalité couvre SO-100/101, Koch, OpenArm, reBot et Unitree G1.
🔗 Annonce LeRobot v0.6.0 sur X
Sakana Marlin : un « Virtual CSO » pour la recherche stratégique
Sakana AI lance un agent de recherche autonome qui mène un raisonnement approfondi sur environ 8 heures via le moteur AB-MCTS et un flux de type AI Scientist, pour aboutir à des options stratégiques structurées plutôt qu’à un résumé. Les livrables incluent rapport, annexes, références et diapositives. Le produit est en bêta, avec une tarification à l’usage (98 yens par crédit) ou une offre Entreprise sur devis.
Ternary Bonsai 27B : quantification ternaire au format téléphone
PrismML publie un dérivé de Qwen3.6 27B quantifié en ternaire (format g128, 1,71 bit par poids, environ 9,4 fois plus compact qu’une base FP16), conservant selon l’éditeur 95 % de la qualité en pleine précision.
| Benchmark évalué | Score |
|---|---|
| MATH-500 | 99,20 |
| AIME 2025 | 90,84 |
| HumanEval+ | 93,90 |
| Moyenne (15 benchmarks thinking) | 80,49 |
Le modèle prend en charge un contexte de 262 000 tokens et une entrée visuelle, et il est proposé gratuitement sur l’infrastructure serverless de Together AI.
🔗 Annonce Ternary Bonsai 27B sur X
Flash-BoN : le best-of-N revisité pour la diffusion
Sayak Paul (Hugging Face) montre que le best-of-N constitue une référence plus solide qu’on ne le pensait pour le passage à l’échelle au moment de l’inférence en diffusion, à condition de mesurer aussi le temps réel d’exécution et non le seul nombre d’évaluations de fonction. L’équipe introduit Flash-BoN, qui privilégie une exploration plus large des échantillons plutôt que des validations intermédiaires répétées.
Hugging Face ouvre ZeroGPU à tous les utilisateurs
L’accès aux démos ZeroGPU (GPU gratuit à la demande) est désormais disponible pour tous les utilisateurs Hugging Face, avec un agent skill permettant de construire une démo directement depuis un prompt en langage naturel.
GitHub, Copilot & Manus
Le scanning de code affiche des détections de sécurité par IA sur les pull requests
14 juillet — GitHub code scanning fait désormais remonter des détections de sécurité assistées par IA directement sur les pull requests, étendant la couverture aux langages et frameworks non pris en charge par CodeQL. La fonctionnalité, en préversion publique, reste informative : elle ne bloque pas la fusion, nécessite le default setup CodeQL activé, une licence Copilot, et consomme des crédits IA uniquement lors d’une détection.
Dependabot instaure une période de latence par défaut
14 juillet — Dependabot attend désormais trois jours par défaut après la publication d’une nouvelle version avant d’ouvrir une pull request de mise à jour, pour limiter l’exposition aux attaques sur la chaîne d’approvisionnement. Ce délai est configurable via l’option cooldown de .github/dependabot.yml ; les mises à jour de sécurité restent immédiates. La fonctionnalité arrivera dans GitHub Enterprise Server à partir de la version 3.23.
/security-review dans l’app GitHub Copilot
14 juillet — La commande /security-review est disponible en préversion publique dans l’app GitHub Copilot : elle analyse les changements de code en cours et retourne des résultats classés par sévérité et niveau de confiance, avec suggestions applicables directement sans quitter l’app. Elle couvre notamment injections, cross-site scripting et path traversal, et est accessible aux plans Free, Pro, Business et Enterprise.
Manus génère désormais des .pptx natifs
14 juillet — Manus générait auparavant des diapositives puis les convertissait en .pptx ; il produit désormais le fichier PowerPoint natif directement, avec des graphiques réellement éditables (ils se redessinent quand une valeur change) et la possibilité d’activer ou non étiquettes, quadrillage et légende.
Manus lance la publication automatique des sites générés
13 juillet — La nouvelle option auto-publish déploie automatiquement chaque build réussi d’un site sur son URL en ligne, désactivée par défaut. Combinée à une file d’attente de changements, elle supprime la dernière étape manuelle entre la construction et la mise en production.
Génération d’images & vidéo
Wan-Dancer-14B : génération vidéo de danse en open source
14 juillet — Alibaba met en open source Wan-Dancer-14B, un modèle exécutable localement spécialisé dans la génération de vidéos de danse rythmées de longue durée, ciblant la synchronisation entre mouvement et musique sur des séquences prolongées plutôt que de simples clips.
HeyGen : horodatage mot par mot pour les avatars temps réel
14 juillet — HeyGen documente un flux non public de son API Avatar Realtime : un canal d’horodatage mot par mot ({mot, début, fin}) permettant de synchroniser précisément gestes et parole. La confirmation d’envoi d’un texte arrive en environ 70 ms, mais le mot met plusieurs secondes à être réellement prononcé, d’où la nécessité d’un ancrage recalculé environ quatre fois par seconde. Le mécanisme a été éprouvé via une émission Twitch diffusée 24h/24, avec 9 269 verdicts rendus en direct.
HeyGen — Figma → HyperFrames, jour 9/30
14 juillet — La compétence /figma importe assets, tokens de marque, composants, timelines de motion et storyboards directement depuis un fichier Figma. Pour la démonstration, l’équipe a importé 27 couleurs et styles nommés et reconstruit un storyboard de huit cadres comme un script de tournage interprété en direct.
NVIDIA — Nemotron : retours chiffrés d’entreprises clientes
14 juillet — NVIDIA publie plusieurs cas clients chiffrés autour des modèles ouverts Nemotron : H Company a dépassé 76 % de précision sur OSWorld-Verified avec Holotron 3 Nano ; Harvey a post-entraîné Nemotron 3 Ultra pour un coût par exécution au moins 10 fois inférieur aux alternatives fermées ; Arcee AI revendique environ 20 fois moins cher qu’un modèle fermé comparable tout en se classant deuxième sur PinchBench ; Abridge et YTL AI Labs l’ont personnalisé respectivement pour les conversations cliniques et la langue malaise.
Anthropic
Claude for Teachers : accès gratuit pour les enseignants K-12 aux États-Unis
14 juillet — Anthropic lance un accès gratuit aux capacités premium de Claude pour les enseignants K-12 vérifiés aux États-Unis, avec une bibliothèque de compétences pédagogiques et une connexion à des programmes validés via Learning Commons, alignés sur les standards des 50 États. Les conversations ne servent jamais à l’entraînement des modèles, et les données élèves sont couvertes par un accord de traitement conforme à la loi FERPA.
Artifacts : partage public, édition multijoueur et création via Claude Tag
13 juillet — Les Artifacts gagnent le partage public (n’importe qui disposant du lien peut consulter), l’édition multijoueur simultanée (plans Team et Enterprise), et la création depuis Claude Tag dans Slack sur simple demande dans un fil de discussion.
OpenAI
GPT-5.6 en disponibilité générale sur Amazon Bedrock
13 juillet — Les trois modèles GPT-5.6 lancés le 9 juillet — Sol (raisonnement flagship), Terra (intermédiaire) et Luna (inférence rapide) — sont désormais en disponibilité générale sur Amazon Bedrock, sur le nouveau moteur d’inférence de Bedrock conçu pour la performance, la sécurité et l’échelle. Cela élargit les points d’accès à GPT-5.6 aux côtés de ChatGPT, de l’API OpenAI directe et des intégrations tierces (Copilot, M365, Warp, Cursor, Devin).
Codex, agent recommandé par défaut dans JetBrains AI
14 juillet — JetBrains fait de Codex l’agent recommandé par défaut dans JetBrains AI (IntelliJ IDEA, PyCharm, WebStorm), un choix non exclusif — l’utilisateur peut basculer vers un autre agent à tout moment — réévalué chaque mois à mesure que les modèles évoluent.
Gemini
Gemini dans Google Chrome lancé au Royaume-Uni
14 juillet — Gemini devient accessible depuis n’importe quel onglet Chrome ouvert au Royaume-Uni, sans changer de contexte : résumer une page, comparer des contenus entre onglets, répondre à des questions sur ce qui est affiché à l’écran.
Premier rapport Gemini Asie du Sud-Est : adoption record et Gemini Spark
14 juillet — Google publie son premier « Gemini Southeast Asia Report » : les utilisateurs actifs ont plus que doublé en un an sur les six principaux marchés (Indonésie, Malaisie, Philippines, Singapour, Thaïlande, Vietnam), près de 70 % des requêtes sont soumises en langue locale, et 5 milliards d’images ont été générées via Nano Banana sur l’année écoulée. Google déploie à cette occasion Gemini Spark, un agent proactif capable de gérer des tâches Workspace, en langues locales pour les abonnés Advanced de la région.
Outils de dev & agents
Devin Fusion : un agent preview qui route vers Fable 5
13 juillet — Cognition lance Devin Fusion, un agent en préversion disponible dans Devin Cloud, où un modèle joue le rôle de manager déléguant des tâches à un modèle plus économique plutôt que de tout exécuter avec un seul modèle premium. Selon l’équipe, Fable 5 se comporte comme un manager qui délègue en rédigeant des spécifications complètes, tandis que d’autres modèles comme Opus 4.8 tendent à micro-gérer et à saturer leur contexte. Résultat : un coût par tâche inférieur à celui d’Opus 4.8, malgré un tarif unitaire de Fable 5 plus élevé — sauf sur le débogage en série, où les économies restent plus difficiles à obtenir.
Perplexity ouvre en open source son benchmark WANDR
14 juillet — Perplexity publie WANDR (Wide ANd Deep Research), un benchmark interne conçu pour évaluer les agents de recherche sur des tâches larges et approfondies : 500 tâches, 170 495 enregistrements vérifiables individuellement, sur trois niveaux de difficulté. Le correcteur re-récupère chaque page citée pour vérifier que chaque affirmation est soutenue par la preuve sous-jacente. Sur six systèmes de production testés, les résultats restent modestes : 0,363 en F1 souple et seulement 0,133 en F1 strict, pour un coût par tâche allant de 0,03 dollar à 324,83 dollars selon les réglages.
🔗 Annonce Perplexity sur X · Benchmark GitHub
Brèves
- Anthropic engage 10 millions de dollars canadiens pour financer de nouveaux travaux de recherche en IA au Canada, en partenariat avec des institutions locales. 🔗 source
- Cognition fête un an depuis le rachat de Windsurf : revenu annualisé passé de 73 millions à plus de 500 millions de dollars, plus de 20 millions de lignes de code écrites, unification sous la marque Devin Desktop. 🔗 source
- Amp (Sourcegraph) publie un tableau de bord public montrant en temps réel l’usage de ses modes d’agent, pour tous les utilisateurs comme pour l’équipe interne. 🔗 source
- Warp intègre Sentry via MCP, pour enchaîner analyse de cause racine (Seer) et création de pull request sans quitter le terminal. 🔗 source
- Composio arrive sur Warp, connectant les agents à plus de 1 000 applications (Gmail, Slack, Linear, Google Calendar). 🔗 source
- Zach Lloyd (CEO de Warp) publie un essai sur le passage des agents interactifs vers des « cloud software factories » qui automatisent tout le cycle de vie logiciel. 🔗 source
- Hugging Face Jobs permet désormais de monter un dossier local directement dans un Job via
-v dossier:/chemin, sans étape d’upload préalable vers un dépôt. 🔗 source - llama.cpp fête sa 10 000ᵉ publication (release), sans détail technique additionnel. 🔗 source
- LlamaCoder v4 (Together AI) génère des applications complètes en un seul prompt, reconstruit autour de GLM 5.2 avec un nouveau moteur de rendu WebAssembly, gratuit et open source. 🔗 source
- NotebookLM récapitule ses fonctionnalités récentes (synchronisation Drive automatique, épinglage de notebooks, réorganisation de diapositives, partage mobile) en attendant une annonce à venir non détaillée. 🔗 source
- GitHub permet désormais d’estimer le coût de licence Code Quality (committers actifs, projection mensuelle) avant son passage à 10 dollars par committer actif et par mois, prévu le 20 juillet 2026. 🔗 source
- NVIDIA lance « AI Model Co-Design », une nouvelle série sur la synergie entre dimensions des modèles et performance GPU. 🔗 source
- Kling AI dévoile le trailer d’ODYSEEUS: The Fall, deuxième long-métrage IA du studio Fountain 0, réalisé par Ash Koosha. 🔗 source
- OpenAI publie un guide Enterprise sur le pilotage des investissements IA à l’ère agentique, centré sur la mesure du travail utile par dollar dépensé. 🔗 source
- OpenAI détaille comment les équipes ventes utilisent ChatGPT Work pour les notes de pipeline, préparations de réunion et diagnostics de deals bloqués. 🔗 source
- OpenAI détaille comment les équipes data science utilisent ChatGPT Work pour les notes de cause racine, comptes rendus d’impact et spécifications de tableaux de bord. 🔗 source
- Cohere co-sponsorise le hackathon Hugging Face et récompense deux projets : Tiny Army (2ᵉ place, piste Thousand-Token Wood) et Eyas, agent de vidéosurveillance (prix du meilleur agent). 🔗 source
Ce que ça signifie
Sur le plan matériel, NVIDIA structure sa communication autour d’une seule idée : la puissance électrique, pas le silicium, est désormais la contrainte qui détermine la rentabilité d’une usine à IA. Les gains de performance par watt de Blackwell (jusqu’à 25x sur DeepSeek V4 Pro) et les cas clients Nemotron chiffrés en dizaines de fois moins cher racontent la même histoire : l’efficacité énergétique et le coût par token deviennent l’argument de vente principal, davantage que la puissance brute. La démonstration RL Autoresearch va dans le même sens en visant à automatiser la boucle recherche-entraînement-évaluation elle-même, jusqu’ici largement manuelle.
Côté modèles ouverts, la semaine illustre une diversification rapide des niches : reconnaissance de documents ultra-légère (OvisOCR2), compréhension vidéo continue (MOSS-VL-Realtime), robotique avec profondeur native (LeRobot), et surtout la quantification ternaire de Bonsai 27B qui fait tenir une capacité multimodale de classe 27 milliards de paramètres dans un encombrement mémoire digne d’un téléphone. Ces publications, portées par Hugging Face, Together AI, Sakana AI et des équipes indépendantes, montrent un écosystème open source qui continue de suivre de près les capacités des modèles fermés tout en réduisant fortement les coûts d’inférence.
Sur le terrain de la gouvernance, l’intervention de Demis Hassabis tranche avec le ton habituel des annonces produit : elle pose explicitement que la course commerciale actuelle distance la compréhension collective des risques, et propose un mécanisme concret — un Standards Body inspiré de la FINRA — plutôt qu’un simple appel à la prudence. Que cette proposition vienne du PDG de Google DeepMind, en pleine semaine de lancements produits par ailleurs, illustre la tension entre rythme commercial et anticipation réglementaire qui traverse tout le secteur.
Enfin, l’outillage développeur continue de se recomposer autour de la délégation entre modèles plutôt que de la course à un modèle unique plus puissant : Devin Fusion mise sur un modèle manager qui délègue à un modèle exécutant moins cher, GitHub étend son scanning de sécurité assisté par IA directement dans les pull requests, et Perplexity ouvre son benchmark WANDR pour objectiver les limites réelles des agents de recherche — un rappel utile que même les meilleurs systèmes actuels restent loin d’une fiabilité complète sur des tâches de vérification factuelle à grande échelle.
Sources
- Demis Hassabis — annonce sur X
- Demis Hassabis — article complet sur X
- NVIDIA — performance par watt
- NVIDIA — RL Autoresearch
- NVIDIA — annonce Nemotron Labs
- OvisOCR2
- MOSS-VL-Realtime
- LeRobot v0.6.0
- Sakana Marlin
- Ternary Bonsai 27B
- Flash-BoN
- Hugging Face ZeroGPU
- GitHub — scanning de sécurité IA sur PR
- GitHub — Dependabot cooldown
- GitHub — /security-review dans l’app Copilot
- Manus — .pptx natif
- Manus — publication automatique
- Alibaba Wan-Dancer-14B
- HeyGen — horodatage mot par mot
- HeyGen — Figma → HyperFrames
- NVIDIA — retours clients Nemotron
- Claude for Teachers
- Artifacts — partage public
- GPT-5.6 sur Amazon Bedrock
- Codex sur JetBrains AI
- Gemini dans Chrome (UK)
- Rapport Gemini Asie du Sud-Est
- Devin Fusion
- Perplexity WANDR
- Anthropic — recherche IA au Canada
- Cognition — un an après Windsurf
- Amp — usage en direct
- Warp x Sentry
- Composio sur Warp
- Warp — cloud software factories
- Hugging Face Jobs — montage de dossier local
- llama.cpp — 10 000ᵉ release
- LlamaCoder v4
- NotebookLM — récapitulatif
- GitHub Code Quality — estimation de licence
- NVIDIA — AI Model Co-Design
- Kling AI — ODYSEEUS: The Fall
- OpenAI — investissements IA
- OpenAI — ChatGPT Work pour les ventes
- OpenAI — ChatGPT Work pour la data science
- Cohere — hackathon Hugging Face