# Multimodal Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Multimodal", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Google déclare officiellement la guerre

Lors du Google I/O 2026, Google a lancé une offensive agressive dans l'IA. Le géant a présenté trois nouveautés majeures : Gemini 3.5 Flash, un modèle rapide et performant surpassant son prédécesseur ; Gemini Omni Flash, un modèle vidéo multimodal à très faible latence pour l'interaction en temps réel ; et Spark, un assistant IA intégré au système Android 17 capable d'automatiser des tâches complexes. Google a également annoncé que Gemini a atteint 900 millions d'utilisateurs actifs mensuels, grâce à son intégration massive dans ses produits (Chrome, Android, Workspace). Pour accélérer l'adoption, l'entreprise a drastiquement baissé ses prix, rendant son API considérablement moins chère que celles de ses concurrents. Cette stratégie repose sur ses avantages : un écosystème fermé (TPU, logiciel, matériel comme ses nouvelles lunettes connectées légères) et un flux de données utilisateur massif pour améliorer ses modèles. L'objectif est clair : dominer la nouvelle ère de l'IA en contrôlant l'ensemble de la chaîne (infrastructure, modèles, terminaux) et en rendant les modèles de base accessibles, forçant ainsi les pure players de l'IA à revoir leur modèle économique et challengant même Apple sur le futur de l'interaction homme-machine.

链捕手05/21 14:03

链捕手05/21 14:03

Gemini 3.5 est là ! Ce soir, Google se supplante lui-même

Lors du Google I/O 2026, Sundar Pichai et Demis Hassabis ont dévoilé une série d'avancées majeures en matière d'IA. Le modèle phare Gemini Omni a été présenté comme un système « omni » capable de générer et d'éditer des vidéos de haute qualité à partir de n'importe quelle combinaison de textes, images, audio ou vidéos, avec une compréhension cohérente de la physique et du monde. Parallèlement, Gemini 3.5 Flash a été annoncé, surpassant son prédécesseur 3.1 Pro dans la plupart des tests et offrant une vitesse jusqu'à quatre fois supérieure à celle des principaux concurrents. Il est optimisé pour le codage et les tâches d'agent. La plateforme de développement d'agents Antigravity a été mise à jour en version 2.0, devenant une application de bureau indépendante. Une démonstration a montré 93 agents créant un système d'exploitation fonctionnel en 12 heures. De plus, Gemini Spark, un agent personnel IA fonctionnant 24h/24 et 7j/7 dans le cloud, a été introduit. Il peut automatiser des workflows complexes en interagissant avec les outils Google comme Gmail, Docs et Sheets, et prendre en charge les commandes vocales. Ces annonces marquent une intégration poussée des capacités de compréhension et de génération multimodales avec des agents autonomes et persistants, représentant selon l'article un pas significatif vers une intelligence artificielle plus générale et autonome.

链捕手05/20 07:06

Gemini 3.5 est là ! Ce soir, Google se supplante lui-même

链捕手05/20 07:06

Google tue Google avec l'IA : cette keynote vous a donné le souffle coupé

Lors du Google I/O, Sundar Pichai a dévoilé des chiffres impressionnants pour Gemini, désormais intégré dans tous les produits Google. La conférence a présenté deux avancées majeures : Gemini Omni, un modèle multimodal visant à devenir un "modèle du monde" capable de générer et d'éditer des vidéos de manière avancée, et Gemini 3.5 Flash, optimisé pour la vitesse et le codage agentique, alimentant l'outil de développement Antigravity 2.0. La recherche Google évolue vers une expérience AI unifiée sous Gemini 3.5, introduisant des agents d'information personnalisables et des interfaces génératives. Le nouvel agent personnel Gemini Spark, fonctionnant en arrière-plan, et la refonte majeure de l'application Gemini avec son design Neural Expressive et son résumé quotidien "Daily Brief" ont également été annoncés. Google a présenté une suite d'outils créatifs (Pics, Stitch, Flow) et de nouvelles lunettes intelligentes audio sous Android XR. La conférence a souligné la transition de Google vers un modèle économique basé sur les abonnements AI, cherchant à monétiser des services d'assistant avancés face aux coûts de calcul élevés du raisonnement par IA.

marsbit05/20 00:01

Google tue Google avec l'IA : cette keynote vous a donné le souffle coupé

marsbit05/20 00:01

Celui qui a créé Kling est retourné chez Alibaba et a créé un nouveau champion inattendu

L'ancien cadre d'Alibaba, Zhang Di, est revenu chez le géant chinois en novembre 2025 après avoir dirigé le développement du modèle IA Kling chez Kuaishou. En seulement cinq mois, il a lancé HappyHorse-1.0, un modèle open source de génération vidéo qui a rapidement dominé les classements d'Artificial Analysis en avril 2026, surpassant des concurrents comme ByteDance et Kuaishou dans les catégories texte-vidéo et image-vidéo. HappyHorse utilise une architecture transformer multimodal de 15 milliards de paramètres, permettant une synchronisation labiale précise dans plusieurs langues. Optimisé pour la vitesse et le coût, il génère des vidéos en 38 secondes sur une seule GPU H100. Son positionnement au sein de Taotian Group (commerce électronique d'Alibaba) indique une orientation claire vers des applications commerciales concrètes. L'objectif principal est de révolutionner la création de contenu pour les marchands : génération de vidéos de produits, scénarios de vente, et publicités personnalisées à grande échelle. En s'intégrant à l'écosystème transactionnel d'Alibaba, HappyHorse pourrait aider les vendeurs à améliorer leurs taux de conversion en créant des vidéos hyper-contextuelles, tout en évitant les écueils des modèles purement divertissants qui peinent à être rentables (comme Sora d'OpenAI) ou qui rencontrent des problèmes de droits d'auteur (comme Seedance de ByteDance).

marsbit04/13 05:17

Celui qui a créé Kling est retourné chez Alibaba et a créé un nouveau champion inattendu

marsbit04/13 05:17

Réclamer le « Cheval Heureux », Alibaba déploie sa « formation de combat » en IA

Alibaba a officiellement reconnu être derrière le modèle de génération vidéo HappyHorse (Cheval Heureux), qui a pris la tête du classement du platform Artificial Analysis avec un score Elo de 1357. Développé par la division innovation ATH (Alibaba Token Hub), le modèle se distingue par sa capacité à produire des vidéos haute définition synchronisées avec des effets sonores, réduisant considérablement les coûts et le temps de production. Cette annonce s’inscrit dans une série d’avancées récentes d’Alibaba dans l’IA, notamment les lancements successifs des modèles Qwen3.5-Omni, Wan2.7-Image et Qwen3.6-Plus. Qwen3.6-Plus a notamment battu des records d’utilisation avec 1 400 milliards de tokens traités en une journée. Sur le plan organisationnel, Alibaba a restructuré ses équipes IA avec la création du comité technique dirigé par le CEO Wu Yongming et la division ATH, visant à harmoniser la recherche, les infrastructures et les applications commerciales. L’entreprise investit massivement, avec 380 milliards de RMB prévus sur trois ans pour le cloud et l’IA, et a déjà produit 470 000 puces GPU maison via sa filiale Pingtouge. Si ces moves impressionnent par leur ampleur et leur rapidité, Alibaba doit encore prouver sa capacité à maintenir cette dynamique face à une concurrence intense et à intégrer efficacement ces innovations dans son écosystème commercial.

marsbit04/11 04:14

Réclamer le « Cheval Heureux », Alibaba déploie sa « formation de combat » en IA

marsbit04/11 04:14

Du « jeton lexical » au « jeton symbolique » : La bataille sous-jacente de la cognition en IA derrière le nom chinois de Token

Résumé : Le Comité national chinois pour l'examen des termes scientifiques a récemment recommandé de traduire "Token" par "词元" (cíyuán, unité lexicale), suscitant un débat sur la pertinence de cette dénomination. L'article souligne que bien que cette traduction soit jugée intuitive et facile à diffuser, elle présente des incohérences structurelles à long terme. Le terme "Token", initialement utilisé en traitement du langage naturel, est désormais une unité discrète fondamentale dans les modèles multimodaux (texte, image, audio). Le choix de "词元" ancre sémantiquement le concept dans le domaine linguistique, ce qui peut induire des malentendus cognitifs et entraver la communication interdisciplinaire. De plus, il entre en conflit avec le terme "lemma" (lemme), déjà traduit par "词元" en linguistique. L’alternative "符元" (fúyuán, unité symbolique) est proposée comme plus adaptée : elle reflète la nature computationnelle du token comme unité symbolique discrète, indépendante de toute modalité spécifique. Cette option assure une meilleure cohérence conceptuelle, une stabilité à long terme et une réversibilité précise en anglais ("symbolic unit"), facilitant les échanges académiques internationaux. En conclusion, la terminologie doit s'aligner sur la nature structurelle des concepts plutôt que sur des analogies historiques ou des facilités explicatives temporaires.

marsbit04/10 10:51

Du « jeton lexical » au « jeton symbolique » : La bataille sous-jacente de la cognition en IA derrière le nom chinois de Token

marsbit04/10 10:51

Le premier grand modèle de Wang Tao permet enfin à Meta de revenir à la table des négociations

L'article annonce le lancement par Meta de Muse Spark, son premier modèle d'intelligence artificielle majeur développé sous la direction d'Alexandr Wang (汪滔), recruté il y a dix mois pour diriger le Meta Superintelligence Labs (MSL). Conçu pour être "petit et rapide", ce modèle multimodal natif intègre dès sa conception une compréhension visuelle et textuelle, avec une fonction de "chaîne de raisonnement visuel" et un mode "Contemplation" faisant appel à plusieurs sous-agents pour un raisonnement parallèle. Il obtient un score de 52 sur l'Artificial Analysis Intelligence Index, le classant 4ème mondial. Ses points forts sont le raisonnement scientifique (89,5% sur GPQA Diamond), la compréhension visuelle et des graphiques (86,4 sur CharXiv), et surtout le raisonnement médical (42,8% sur HealthBench Hard), grâce à un entraînement avec plus de 1000 médecins. Il est moins performant en génie logiciel (77,4% sur SWE-Bench). Déployé sur les produits Meta (WhatsApp, Instagram, etc.) et bientôt disponible via une API, Spark marque le retour de Meta dans la course à l'IA. La stratégie de prioriser un modèle plus petit et rapide plutôt qu'un "modèle écrasant" a été bien accueillie par le marché, faisant monter l'action de 6,5%. Ce modèle, probablement le projet interne "Avocado" maintes fois reporté, est présenté comme une première étape avant des modèles plus larges. Meta pourrait adopter une stratégie mixte, à la fois open source et propriétaire à l'avenir.

marsbit04/09 11:03

Le premier grand modèle de Wang Tao permet enfin à Meta de revenir à la table des négociations

marsbit04/09 11:03

À l'instant, l'« Avocat » de 14,3 milliards de dollars de Zuckerberg est arrivé, défiant GPT-5.4, la première œuvre la plus chère d'un Chinois de la Silicon Valley

Sans préavis, Meta a dévoilé Muse Spark (alias « Avocado »), son nouveau modèle d'IA développé par le Meta Super Intelligence Lab (MSL). Présenté comme un « guerrier polyvalent », il intègre multimodalité native, utilisation d'outils, chaînes de raisonnement visuel et orchestration multi-agents. Avec un score de 52 sur l'Artificial Analysis Index, il se classe juste derrière Gemini 3.1 Pro, GPT-5.4 et Opus 4.6, surpassant largement le précédent Llama 4 Maverick (18 points). Ses points forts incluent les capacités multimodales (meilleures performances en compréhension visuelle et en santé) et le « mode contemplation » (multi-agents parallèles), atteignant 58% sur le test Humanity's Last Exam. Cependant, il reste en retrait en génération de code et dans certaines tâches d'agents. Meta a optimisé son infrastructure, réduisant les besoins en calcul d'entraînement à 1/10e de ceux de Llama 4 et améliorant l'efficacité des tokens. Le modèle, fermé et gratuit, est déjà disponible sur meta.ai et les apps Meta, et sera intégré sous peu à Facebook, Instagram et WhatsApp.

marsbit04/09 08:00

À l'instant, l'« Avocat » de 14,3 milliards de dollars de Zuckerberg est arrivé, défiant GPT-5.4, la première œuvre la plus chère d'un Chinois de la Silicon Valley

marsbit04/09 08:00

Le modèle mystérieux HappyHorse débarque et domine le classement, la course à la génération vidéo accueille-t-elle un "poisson-chat" ?

Un modèle de génération de vidéo nommé HappyHorse-1.0 a discrètement atteint la première place du classement AI Video Arena d'Artificial Analysis, dépassant des modèles établis comme Seedance 2.0. Ce classement, basé sur des tests en aveugle par des utilisateurs réels (système Elo), est considéré comme reflétant fidèlement la perception humaine. Les indices pointent vers une origine chinoise (ordre des langues sur le site, référence à l'année du cheval). Après analyse technique, la communauté identifie HappyHorse comme une version optimisée du modèle open source daVinci-MagiHuman, développé conjointement par le laboratoire GAIR de SII (Shanghai) et Sand.ai (Pékin). Ce modèle utilise un transformateur monoflux de 15 milliards de paramètres pour un traitement conjoint du texte, de la vidéo et de l'audio. Sa montée fulgurante s'expliquerait par un réglage spécifique pour le benchmark, qui favorise les scènes avec un personnage (60% des tests), son domaine de force. Cependant, des tests pratiques notent des limites : besoin de puces H100, difficultés avec les scènes complexes或多personnages, et durée de génération courte (~10 sec). Symboliquement, cet événement marque un tournant : un modèle open source rivalise pour la première fois en qualité perçue avec des solutions propriétaires. Cela pourrait, à terme, menacer leur avantage concurrentiel dans des niches comme les portraits ou les présentateurs virtuels, en offrant une alternative personnalisable, moins chère et plus flexible. La course n'est pas terminée, mais la piste s'élargit pour l'open source.

marsbit04/08 08:02

Le modèle mystérieux HappyHorse débarque et domine le classement, la course à la génération vidéo accueille-t-elle un "poisson-chat" ?

marsbit04/08 08:02

Le Ministère de l'Industrie et des Technologies de l'Information sollicite des avis sur 121 normes sectorielles, dont le « Protocole de contexte pour les modèles d'intelligence artificielle »

Le ministère de l'Industrie et des Technologies de l'Information a sollicité des avis publics sur 121 projets de normes sectorielles, dont le "Protocole de Contexte de Modèle pour l'Intelligence Artificielle - Exigences de Sécurité des Applications". Cette initiative marque une étape cruciale dans la standardisation des protocoles fondamentaux de l'IA et le renforcement du système de supervision de la sécurité en Chine. L'objectif principal est de normaliser les exigences de sécurité pour le protocole de contexte de modèle (Model Context Protocol), afin de résoudre les problèmes de compatibilité protocolaire et de risques de sécurité des données lors des interactions multimodales, du traitement de textes longs et des appels multiplateformes impliquant de grands modèles d'IA.

marsbit03/26 03:35

Le Ministère de l'Industrie et des Technologies de l'Information sollicite des avis sur 121 normes sectorielles, dont le « Protocole de contexte pour les modèles d'intelligence artificielle »