La séquence, devenue virale, a rapidement transformé un projet de robotique open source en objet très convoité. Selon Clem Delangue, de Hugging Face, les précommandes ont dépassé 20 000 unités dès le lendemain de la démonstration. Les premières livraisons sont attendues à temps pour Noël, ce qui pourrait faire des Microducks l’un des produits robotiques les plus remarqués de la saison.

Une démonstration qui met l’IA en scène

Le succès de la vidéo tient autant à la simplicité des gestes qu’à la personnalité visuelle des robots. Les Microducks piétinent, chutent, se relèvent et répondent à des commandes vocales. Leurs petits sons évoquent ceux d’un droïde, tandis que leurs mouvements imparfaits renforcent leur aspect ludique.

La scène ne présente pas seulement un jouet capable d’enchaîner quelques mouvements. Elle illustre aussi le passage d’un comportement appris en simulation vers un dispositif physique. Dans la vidéo publiée par Nvidia, des agents d’IA sur RTX Spark sont présentés comme participant à ce passage de la simulation au monde réel pour les Microducks de Hugging Face.

Le détail est important : les robots sont livrés avec plusieurs tours de base, notamment marcher, s’asseoir et se tenir debout. Ces comportements ont été appris dans des simulations utilisant la pile technologique de Nvidia, avant d’être intégrés aux appareils physiques.

Des robots open source conçus pour apprendre

Les Microducks sont produits par Pollen Robotics. L’entreprise a été acquise par Hugging Face en 2025, puis Hugging Face a été rachetée par Nvidia en septembre, d’après les informations disponibles dans la présentation du produit. Les Microducks s’inscrivent ainsi dans la même famille de projets robotiques que Reachy Mini, présenté comme le deuxième robot de Hugging Face.

L’approche revendiquée par Pollen Robotics ne s’arrête pas aux capacités fournies à la livraison. Les propriétaires peuvent entraîner leurs robots à réaliser de nouveaux tours, puis partager ces apprentissages avec la communauté. Le modèle repose donc sur une combinaison entre matériel ouvert, entraînement et circulation des comportements.

• Comportements fournis : marcher, s’asseoir et se tenir debout.
• Interaction montrée : exécution d’un salto sur commande vocale.
• Personnalisation : possibilité d’entraîner de nouveaux tours.
• Partage : les nouveaux comportements peuvent être transmis à la communauté.

Un succès qui dépasse le public des enfants

Les vidéos promotionnelles montrent aussi des adultes jouer avec les Microducks. Leur positionnement ne se limite donc pas à un jouet pour enfants, même si leur apparence et leurs mouvements expliquent leur potentiel pour les fêtes de fin d’année.

Clem Delangue estime qu’ils pourraient devenir le robot le plus vendu de l’année. Cette projection reste une anticipation, mais le seuil des 20 000 précommandes donne déjà une mesure de l’attention suscitée par le produit. La rapidité de cette progression est directement liée à la démonstration de Jensen Huang et à sa diffusion en ligne.

Les Microducks arrivent également dans un contexte particulier pour l’intelligence artificielle. Après plusieurs articles consacrés à des cyberattaques dans lesquelles l’IA a été mise en cause, cette démonstration propose une image beaucoup plus légère de la technologie. Elle ne montre ni interface complexe ni promesse spectaculaire : seulement de petits robots qui réagissent à des instructions et apprennent des mouvements.

De la simulation au partage des apprentissages

Le projet résume une direction concrète de la robotique assistée par IA. Les simulations servent à enseigner des actions élémentaires, puis le matériel reproduit ces actions dans le monde réel. Les utilisateurs peuvent ensuite ajouter des comportements et les partager, ce qui crée une boucle entre entraînement, usage et communauté.

Pour l’instant, les faits les plus établis concernent surtout l’engouement initial, les précommandes et les fonctions montrées dans la démonstration. Les livraisons sont attendues pour Noël. Le succès commercial final des Microducks et leur éventuel statut de robot le plus vendu de l’année restent donc à confirmer.

Source : techcrunch.com

The post Microducks : les petits robots IA qui font craquer Nvidia appeared first on NextOfGen.

Selon cette étude, Grok 4.7 a recommandé le candidat républicain dans 92 % de ses réponses, tandis que GPT-6.1 Sol a choisi le candidat démocrate dans 97 % des cas. Les chercheurs ont examiné près de 500 scrutins lors des élections de mi-mandat américaines de novembre. Les deux modèles sont parvenus à la même conclusion dans moins de 10 % des courses étudiées.

Une expérience conçue pour forcer le choix

Les chercheurs ont utilisé les API de GPT et de Grok. Leur question demandait de nommer un seul candidat dans chaque course, sans hésiter, sans présenter les deux camps et sans refuser de se prononcer. Les applications grand public, elles, ont refusé de répondre à cette formulation. OpenAI a insisté sur cette différence entre l’expérience proposée dans ChatGPT et le comportement d’un modèle sollicité par l’intermédiaire d’une API.

Cette distinction est importante. Les développeurs intègrent les modèles via des API dans leurs propres produits, alors que les applications grand public appliquent des règles et des comportements supplémentaires. Un porte-parole d’OpenAI a déclaré que ChatGPT était conçu pour être objectif par défaut dans les conversations politiques et que le test ne reflétait pas l’expérience habituelle des utilisateurs.

Des sujets et des sources différents

Pour Tapan Parikh, les écarts ne se limitent pas au nom du candidat finalement sélectionné. Les deux modèles semblent aussi rechercher des informations différentes avant de répondre. GPT s’est davantage intéressé à la santé et aux positions sur l’avortement. Grok a plus souvent recherché des éléments liés à l’immigration, aux impôts, à la criminalité et à l’énergie.

Les sources citées divergeaient également. Grok faisait régulièrement apparaître des sites conservateurs, en plus de plateformes non partisanes comme Ballotpedia, OpenSecrets et VoteSmart. Un guide électoral chrétien conservateur figurait dans 39 % de ses réponses, le site de Turning Point Action dans 23 % et X dans 41 %. GPT s’appuyait plus souvent sur Wikipédia, l’Associated Press, Axios et Reddit. OpenAI dispose par ailleurs d’accords de contenu avec l’Associated Press, Axios et Reddit.

L’étude affirme aussi que GPT recherchait plus fréquemment des candidats démocrates, au point d’ignorer parfois leur adversaire républicain. Grok consultait plus volontiers des informations sur les deux candidats. Dans les circonscriptions très républicaines, GPT a choisi le démocrate dans 57 cas sur 67. Dans les districts très démocrates, Grok a choisi le républicain dans 47 cas sur 72.

Le poids du moteur de recherche

Les chercheurs ont ensuite réalisé un test sans recherche internet sur un échantillon de 30 courses. GPT a conservé une préférence démocrate : lorsqu’on lui donnait les noms des candidats, il choisissait le démocrate dans 24 cas, le républicain une fois et refusait de trancher à cinq reprises.

Le comportement de Grok a changé davantage. Privé de recherche, le modèle a refusé de choisir dans 27 cas sur 30. Lorsqu’il a pris position, il a sélectionné le démocrate à trois reprises. Parikh estime que ces résultats suggèrent que la préférence observée chez GPT est davantage inscrite dans ses paramètres, tandis que celle de Grok dépend fortement des termes utilisés pour effectuer les recherches et des sources retenues.

L’étude relève aussi qu’une requête adressée à l’API de Grok comportait environ 1 240 tokens supplémentaires, que les chercheurs n’avaient ni écrits ni pu consulter ou supprimer. Parikh les décrit comme de possibles instructions cachées, tout en précisant qu’il est difficile d’en déterminer l’origine.

Une question de transparence pour les utilisateurs

Les auteurs ne prétendent pas que les utilisateurs demandent massivement à un chatbot de choisir à leur place. Selon une donnée citée de Pew, 8 % des Américains déclarent utiliser des chatbots pour obtenir des informations électorales. La plupart cherchent plutôt à comprendre la position des candidats sur des sujets importants.

C’est précisément ce type de conversation indirecte qui inquiète Parikh. Même lorsqu’un modèle refuse de recommander un candidat, la sélection des thèmes, le vocabulaire, la mise en avant de certaines informations ou les sources proposées peuvent influencer la manière dont un utilisateur évalue une course.

Des travaux précédents du Center for AI Safety ont formulé une préoccupation similaire à propos de la manipulation indirecte par les grands modèles de langage. Ils citent notamment la sélection de l’information, le cadrage, l’accent mis sur certains éléments et le choix des sources.

Cette étude ne permet pas à elle seule de mesurer l’influence réelle de ces réponses sur les électeurs. Elle rappelle néanmoins que la neutralité affichée d’un assistant ne suffit pas à décrire le fonctionnement d’un modèle. L’API utilisée, les instructions qui l’accompagnent, les recherches effectuées et les sources consultées peuvent modifier sensiblement la réponse obtenue.

Source : techcrunch.com

The post Les modèles Grok et GPT affichent des biais électoraux appeared first on NextOfGen.

Le principe est simple : l’utilisateur formule une demande en langage naturel, puis l’agent peut conserver le contexte, se connecter à certains services et effectuer une partie des actions nécessaires. Selon les outils, cela va de l’ajout d’un rendez-vous au calendrier à la recherche d’un voyage, en passant par les rappels, les réservations, les achats ou l’envoi d’e-mails.

Des assistants généralistes dans les conversations

Plusieurs agents cherchent à devenir des assistants personnels polyvalents. Ask Proxy fonctionne par SMS et peut aider à trouver des idées, organiser un événement, gérer des rappels ou prendre en compte une photo pour proposer des aménagements. Le service revendique aussi une approche proactive, en contactant l’utilisateur lorsqu’il détecte un élément potentiellement utile.

Caddy s’intègre à iMessage sur iPhone et à RCS sur Android. Il tente de transformer les informations dispersées dans les conversations et les e-mails en actions concrètes, comme ajouter un rendez-vous au calendrier, programmer un rappel ou suivre une tâche. Le service est en bêta publique depuis avril 2026.

Comma se concentre sur l’exécution de tâches liées au travail et à la vie quotidienne. Accessible notamment via Signal, Telegram et WeChat, il peut fonctionner avec le navigateur, l’ordinateur et les fichiers de l’utilisateur. Il vérifie son propre travail, conserve le contexte entre les échanges et signale les décisions nécessitant une validation. Le projet est présenté comme gratuit au démarrage et open source.

D’autres assistants suivent une logique comparable. Folk est accessible depuis iMessage, WhatsApp et Telegram, avec des fonctions de rappel, de recherche, de suivi des vols et de réservation. Martin prend en charge les calendriers, e-mails, tâches et communications depuis plusieurs canaux, tandis que Rene transforme des échanges textuels en rappels, résumés et actions de suivi.

Des agents spécialisés dans la vie quotidienne

Une partie du marché cible directement les familles. Fambot rassemble les informations scolaires, les activités, les repas et les calendriers, puis envoie chaque soir un résumé du lendemain. Il peut être utilisé par SMS, ainsi que depuis ses applications et son site web. Le service se connecte notamment à Gmail, Google Calendar, Outlook et WhatsApp.

Ohai, Ollie et Orbits poursuivent une ambition voisine. Ils agrègent les calendriers, les messages, les listes et les tâches domestiques afin de coordonner les responsabilités du foyer. Orbits peut également rechercher des informations, effectuer des achats, réserver un restaurant ou contacter des prestataires. Ollie met en avant sa conformité SOC 2, une norme courante de sécurité des services.

Miso applique le modèle au voyage. Accessible par iMessage, il combine la préparation d’itinéraires avec l’aide d’une équipe spécialisée. L’agent peut prendre en compte les préférences du voyageur, ses points de fidélité et les informations de vol.

Les assistants généralistes peuvent aussi adopter une approche plus autonome. Instinct est accessible par texte ou par voix et peut être relié à la messagerie électronique, au calendrier et à Google Workspace. L’entreprise a également commencé à fournir des adresses e-mail dédiées aux assistants, afin qu’ils puissent créer des comptes ou contacter des entreprises sans utiliser directement la boîte personnelle de l’utilisateur. Cette autonomie soulève toutefois des questions de confidentialité et de sécurité.

Messagerie, travail et création de contenu

Certains services se concentrent sur les usages professionnels. Town propose un assistant conçu pour apprendre les méthodes de travail de son utilisateur et gérer des tâches récurrentes liées aux e-mails, aux documents, aux calendriers ou à Slack. Stanley, lui, vise les créateurs de contenu : il peut transformer des notes vocales en scripts et légendes, suggérer des idées et organiser un calendrier éditorial.

Maverick se présente comme un compagnon intégré aux conversations. Il peut corriger des fautes, organiser une réunion à partir d’une note vocale ou aider un groupe à choisir une date. Le service demande une autorisation avant d’agir. Tomo se distingue pour sa capacité à intervenir dans des conversations de groupe, en plus de gérer des rappels, des calendriers, des recherches et des tâches d’organisation.

Enfin, certains acteurs misent sur une autonomie plus marquée. Wajo attribue à son agent Fo une adresse e-mail, un numéro de téléphone et une carte de paiement propres. L’agent peut appeler des entreprises, envoyer des messages, effectuer des réservations ou des achats, avec la possibilité de faire intervenir un assistant humain lorsqu’il atteint une limite. À l’inverse, Underdog met en avant une approche locale : son modèle fonctionne sur l’appareil de l’utilisateur afin de conserver les données sur son propre matériel.

Cette diversité montre que les agents IA ne se limitent plus à répondre à des questions. Leur promesse centrale devient l’exécution : comprendre une demande, se connecter aux bons outils, agir, puis revenir vers l’utilisateur lorsqu’une décision ou une autorisation est nécessaire. La messagerie sert alors d’interface minimale à des services capables de suivre des tâches dans la durée.

Source : techcrunch.com

The post Les agents IA qui transforment vos messages en actions appeared first on NextOfGen.

Le projet, baptisé AI Biosecurity Lab (AIBL), s’inscrit dans un ensemble de mesures annoncées dans le cadre du Budget britannique. Les détails sur son fonctionnement, son calendrier précis et l’étendue de ses missions n’ont toutefois pas encore été communiqués.

Un laboratoire consacré aux risques biologiques liés à l’IA

Le futur laboratoire doit réunir des compétences scientifiques et technologiques afin d’aider le Royaume-Uni à anticiper et à mieux gérer des risques biologiques susceptibles d’évoluer avec les progrès de l’intelligence artificielle. Le gouvernement décrit l’établissement comme une institution à vocation internationale, soutenue par des acteurs majeurs du secteur de l’IA.

Le ministre britannique chargé de l’IA, Kanishka Narayan, a indiqué que cette structure devait rassembler une expertise scientifique de premier plan. Selon le gouvernement, son objectif sera notamment de permettre au pays de rester en avance sur des menaces émergentes, parmi lesquelles figurent les risques biologiques et les cyberattaques.

La portée exacte de ces travaux reste à préciser. Le texte de l’annonce ne détaille ni les protocoles de recherche du laboratoire, ni les organismes qui en assureront la gouvernance, ni les méthodes utilisées pour évaluer les systèmes d’IA dans ce contexte.

Des crédits de modèles fournis par OpenAI et Anthropic

La création de l’AIBL doit également bénéficier du soutien de développeurs de modèles d’IA. OpenAI et Anthropic doivent fournir l’équivalent de 200 millions de livres en crédits d’utilisation de leurs modèles. Ces crédits pourront être dépensés pour accéder à leurs systèmes, sans que l’annonce ne précise les modèles concernés ni les conditions opérationnelles de leur utilisation.

Cette contribution distingue le projet d’un simple financement public d’infrastructure. Elle doit permettre au futur laboratoire d’exploiter des capacités d’IA dans ses travaux, mais les modalités de contrôle, de sécurité et d’évaluation associées à ces usages n’ont pas été rendues publiques.

Un plan plus large pour la sécurité technologique

L’investissement dans l’AIBL s’accompagne de plusieurs enveloppes consacrées à la sécurité de l’IA et aux infrastructures numériques britanniques. Le gouvernement prévoit ainsi 120 millions de livres supplémentaires pour l’AI Security Institute, ou AISI.

Créé en 2023 par le précédent gouvernement conservateur, cet institut évalue les risques liés aux modèles les plus avancés et les plus puissants. Les nouveaux crédits doivent notamment soutenir la poursuite de ses travaux, alors que les appels à établir des standards techniques et des garde-fous pour le développement de l’IA se multiplient.

Le plan prévoit aussi 60 millions de livres pour un dispositif présenté comme un « National Cyber Shield ». Celui-ci doit utiliser des agents d’IA pour renforcer les défenses contre les cybermenaces. Une enveloppe de 70 millions de livres est par ailleurs destinée au National Exposure and Real-Time Vulnerability Centre, ou NERV Centre.

Ce dernier doit employer des outils d’IA afin de détecter des vulnérabilités dans les infrastructures critiques et dans l’économie britannique. L’annonce relie cette initiative à une prise de conscience accrue des risques posés par des failles logicielles qui peuvent rester inaperçues pendant longtemps.

Le précédent des vulnérabilités dans PHP

Le gouvernement britannique avait récemment indiqué que le pays faisait partie des organisations ayant mis certains sites hors ligne par précaution après la découverte de failles critiques dans PHP, un langage largement utilisé pour le développement web côté serveur.

Les chercheurs à l’origine de l’alerte avaient averti que les plateformes utilisant ce langage pouvaient être exposées à des attaques. Aucun exploit réussi de la vulnérabilité baptisée « php2shell » n’avait toutefois été signalé au moment de l’annonce. Pour les experts cités, cet épisode illustre la vitesse à laquelle des bugs anciens peuvent être identifiés et potentiellement exploités avec l’aide d’outils d’IA.

Avec l’AIBL, le Royaume-Uni veut donc traiter l’intelligence artificielle à la fois comme un outil de défense et comme une source de risques nouveaux. L’efficacité réelle de cette stratégie dépendra désormais des missions confiées au laboratoire, de ses moyens scientifiques et de la transparence de ses méthodes.

Source : www.bbc.co.uk

The post Le Royaume-Uni annonce un laboratoire IA de biosécurité appeared first on NextOfGen.

Les travaux ont été menés par Beatriz Yankelevich, doctorante au sein du groupe Engineering Quantum Systems, ou EQuS. Son équipe étudie des qubits supraconducteurs, des composants refroidis à des températures proches du zéro absolu dans des réfrigérateurs à dilution. Une fois la puce fabriquée, conditionnée et refroidie, une grande partie des interactions avec le dispositif passe par des logiciels.

Un agent connecté aux logiciels du laboratoire

Cette organisation fait des expériences quantiques un terrain adapté à l’utilisation d’agents d’intelligence artificielle. Codex a été connecté aux logiciels qui coordonnent les expériences. GPT-5.6 Sol pouvait alors choisir certains paramètres, lancer des mesures, analyser les résultats et déterminer quelle étape devait suivre.

Pour encadrer le système, la chercheuse lui a fourni des compétences spécifiques décrivant la manière d’exécuter et d’évaluer chaque expérience. L’agent s’appuyait également sur les objectifs de conception de la puce. Il pouvait affiner une mesure lorsque le résultat n’était pas exploitable, ou conserver les données afin de les utiliser lors de l’étape suivante.

Le groupe a testé cette approche sur une puce non calibrée comprenant six qubits. Ces composants sont contrôlés par des impulsions micro-ondes et peuvent occuper certains niveaux d’énergie, à la manière d’atomes artificiels. Les mesures servent notamment à repérer leurs fréquences de transition, à calibrer les impulsions de contrôle et de lecture, ainsi qu’à déterminer la durée pendant laquelle ils conservent leur information quantique.

Des mesures interdépendantes

La calibration d’un qubit ne consiste pas en une simple séquence fixe. Chaque résultat peut modifier le choix des paramètres pour la mesure suivante. Les propriétés des qubits peuvent aussi évoluer, tandis que des comportements physiques inattendus peuvent produire des données irrégulières.

Lorsque les signaux étaient suffisamment clairs, Codex pouvait mener une séquence standard avec peu d’intervention humaine. GPT-5.6 Sol identifiait les fréquences de transition, ajustait les impulsions nécessaires et évaluait la durée de conservation de l’information. Cette autonomie permettait de poursuivre les mesures pendant plusieurs heures, notamment en dehors des périodes où un chercheur se trouve devant l’instrument.

La méthode présente toutefois des limites. Face à des signaux faibles ou bruités, l’agent mettait davantage de temps à trouver des paramètres adaptés. Il devait parfois être guidé par un chercheur expérimenté. Selon les résultats rapportés, les agents actuels sont donc plus à l’aise avec des procédures clairement définies qu’avec l’interprétation de résultats physiques ambigus.

Un gain de temps pour les chercheurs

La caractérisation d’une puce standard peut demander plusieurs jours de travail. L’équipe EQuS utilise désormais régulièrement des agents pour prendre en charge certaines mesures routinières. Les chercheurs peuvent ainsi consacrer davantage de temps à l’analyse des résultats, à la conception d’expériences et à la préparation des étapes suivantes.

L’intérêt principal ne réside pas uniquement dans la vitesse d’exécution. Un agent peut surveiller une expérience pendant que les chercheurs travaillent en salle blanche ou se concentrent sur d’autres tâches. Ils peuvent ensuite consulter l’avancement à distance et intervenir si une correction ou une nouvelle orientation est nécessaire.

Pour les expériences inédites, l’approche est plus ciblée. Yankelevich assigne aux agents des objectifs expérimentaux plus limités et exploite leur capacité à écrire, modifier et tester du code consacré au contrôle, à l’analyse ou à la simulation. La connexion directe au laboratoire permet de confronter rapidement ces modifications à des mesures réelles.

Une collaboration plutôt qu’une automatisation totale

Cette expérimentation illustre un usage de l’IA différent de la simple génération de texte ou de code. Le modèle intervient dans une boucle comprenant un instrument physique, des données expérimentales et des décisions successives. Cette boucle exige néanmoins une supervision humaine lorsque les observations sortent du cadre prévu.

Dans ce contexte, GPT-5.6 Sol sert surtout à absorber une partie du travail opérationnel. Les chercheurs restent responsables de l’interprétation, du choix des objectifs et de la conception des expériences. L’automatisation progresse donc sur les tâches répétitives, sans éliminer le besoin d’expertise pour comprendre les résultats incertains.

The post GPT-5.6 Sol automatise des expériences de calcul quantique appeared first on NextOfGen.