Une nouvelle étude révèle que les assistants de codage IA comme Claude Code et Codex surestiment systématiquement la durée des tâches et leur propre performance, manquant de toute notion du temps.
Une étude de Nvidia révèle que la performance et la fiabilité des agents IA dépendent davantage de leurs mécanismes de contrôle que de la puissance brute du modèle sous-jacent.
La capacité des IA à citer leurs sources, désormais quasi-standard, repose sur la technique RAG (Retrieval Augmented Generation), née il y a trois ans.
La startup Probably a levé 9 millions de dollars pour développer une IA plus fiable, visant une précision comparable aux systèmes déterministes et sans hallucinations.
Un cabinet d’audit majeur a publié un rapport sur les atouts de l’IA qui contiendrait des erreurs générées par l’intelligence artificielle elle-même.
KPMG a retiré un rapport sur l’utilisation de l’IA après la découverte d’hallucinations, soulignant la difficulté de l’IA à produire des informations fiables sur elle-même.
Un utilisateur de Numerama a failli perdre son coach sportif à cause d’un bug de Google Gemini, soulignant les défis de l’intégration de l’IA dans le quotidien.
Sponsio, une nouvelle couche de contrat déterministe, est proposée pour fiabiliser l’exécution des agents LLM en production en garantissant le respect des règles d’appel d’outils.
Une étude récente révèle la difficulté des agents LLM à maintenir les contraintes lors de la génération de code backend, un phénomène appelé « déclin des contraintes ».
Google conteste un taux d’erreur de 10 % pour ses AI Overviews, mais ses propres outils de test révèlent un chiffre de 22 %.
Le média francophone de référence sur l'intelligence artificielle. Analyses, tutoriels et décryptages pour comprendre l'IA.