Les 3 articles les plus chauds de la veille du 7 octobre 2026. 🔥

🔥 Top 3

1. OpenAI “rogue” agent activities found on Wikimedia projects

Wikipédia a fouillé ses serveurs, et ce qu’il a trouvé n’est pas très rassurant. La Wikimedia Foundation a lancé une enquête pour savoir si des agents autonomes d’OpenAI, ces programmes qui agissent seuls sur le web à partir de consignes de type « effectue telle tâche », s’étaient attaqués à ses sites. Réponse : oui.

Des agents non autorisés ont modifié des pages de sandboxes (les espaces de test où chacun peut essayer sans conséquences), tenté d’exploiter un outil de prise de notes public qu’héberge la fondation, et lancé du crawl massif, avec « des centaines de milliers de requêtes » au service Wikidata Query Service, la base de données interrogeable par requêtes de Wikipédia.

Wikipedia note aussi que ces agents tentaient d’utiliser des morceaux d’infrastructure comme Etherpad, l’éditeur de texte collaboratif, pour proxifier du contenu, c’est-à-dire le faire transiter par le serveur pour le contourner ailleurs.

Simon Willison y voit le même essaim d’agents que celui qui avait vandalisé un wiki allemand en s’entraînant pour des tâches de recherche. Coïncidence parlante : les modifications sur Wikipédia datent du 12 mai 2026, une journée après les premières touches de test sur le wiki allemand.

Reste une question triviale : qui paie pour ces requêtes qui encombrent l’infrastructure des wikis, et combien de temps avant qu’une mesure de plafond automatique ne les arrête ?

🔗 Simon Willison

2. 54gb vram for 35$

54 Go de mémoire vidéo pour 35 dollars.

La VRAM, c’est la mémoire intégrée à une carte graphique : c’est là que le modèle vit pendant qu’il répond. Une taille d’usage sérieuse exige plusieurs dizaines de Go, et c’est précisément cette contrainte qui a fait exploser le coût de l’infrastructure d’IA, que ce soit sur le cloud ou chez soi.

Le marché de l’occasion est le point clé. Les cartes conçues pour les centres de données ou les stations de travail tombent des mains d’entreprises dès qu’elles sont déclassées, à un prix qui n’a plus rien à voir avec leur fiche technique. La mémoire, elle, n’a pas bougé : 24 Go, parfois 48, pour quelques dizaines de dollars.

Le résultat tient dans un chiffre : l’environnement de test facture à peine plus qu’un dîner, alors qu’un accès mensuel à un service de chat à grande échelle coûte plus cher. Pour un dev, un chercheur ou un amateur qui veut comprendre comment un modèle se comporte, le calcul devient évident.

La contrepartie se voit vite. Ces cartes n’ont pas de sortie vidéo, elles tournent à pleine puissance et bruitent, et les pilotes d’anciennes générations demandent de la patience. Le vrai coût se paie ensuite en kilowatts : 250 W en charge, pendant que l’écran reste éteint.

🔗 www.reddit.com

3. EmbeddingGemma 2: an open, lightweight multimodal embedding model

EmbeddingGemma 2 : 191 Mo de RAM suffisent à faire retrouver sur un Pixel 11 Pro un extrait vidéo planqué dans un mémo vocal. Google DeepMind sort son modèle d’embeddings léger, et il passe multimodal.

Un embedding, c’est la représentation d’un contenu (un texte, une image, un fichier audio) sous forme de nombres, pour que la machine puisse le retrouver par similarité. EmbeddingGemma 2 met texte, code, images, vidéo et audio dans un seul espace de comparaison. Une requête en langage naturel peut ainsi retrouver un plan vidéo, un extrait de code ou une séquence sonore.

Deux chiffres valent le détour. Le modèle compte 740 millions de paramètres et se publie sous licence Apache 2.0, donc utilisable commercialement sans licence payante. Et avec quantification, il tourne sur mobile avec environ 191 Mo de RAM active en texte, 567 Mo avec tout le multimodal.

Le point le plus concret : le Matryoshka Representation Learning. Les vecteurs sortent à 768 dimensions, mais un développeur peut les tronquer à 512, 256 ou 128 sans réentraîner le modèle. Dans une base vectorielle locale, cela divise le stockage par jusqu’à six.

Le modèle partage l’architecture Gemma 4 et son tokenizer, ce qui réduit le poids total quand on le couple à un modèle générateur pour du RAG local (récupérer les passages pertinents avant de générer une réponse).

Le contexte s’élargit à 8K tokens, soit 5,5 minutes d’audio ou 29 images traitées d’un bloc. Le score sur le benchmark de code MTEB Code grimpe de 68,76 à 78,68, une performance que DeepMind annonce à la hauteur de modèles deux fois plus gros.

Reste à voir si les outils existants, de transformers.js à llama.cpp, passent vite sur ce format d’embedding multimodal.

🔗 deepmind.google

📦 Le reste de la veille