Les 3 articles les plus chauds de la veille du 22 octobre 2026. 🔥

🔥 Top 3

1. LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data

Entraîner un modèle à raisonner sur des dizaines de milliers de tokens sans lui donner un seul document. C’est ce que propose LongZero, une méthode déposée sur arXiv le 21 octobre.

Le contexte long, c’est la capacité d’un LLM à digérer un dossier entier (rapport annuel, revue de presse) sans perdre le fil. On l’améliore en général par apprentissage par renforcement : le modèle reçoit une récompense quand sa réponse est juste. Sauf qu’il faut pour cela des questions longues et vérifiables. L’annotation humaine coûte cher, et les corpus externes finissent par manquer.

LongZero inverse l’ordre. Le modèle invente d’abord une question, sa réponse et les preuves nécessaires, le tout sous forme compacte. Il gonfle ensuite ces preuves en un faux dossier de plusieurs documents. Il se fabrique ainsi des tâches de raisonnement à plusieurs sauts, où il faut recouper l’information d’un document à l’autre, et des tâches de recherche en plusieurs tours.

L’entraînement repose sur GRPO, une variante d’apprentissage par renforcement popularisée par DeepSeek. Sur deux modèles et cinq benchmarks de contexte long, LongZero devance l’entraînement sur des données synthétisées à partir de corpus externes.

Le point intéressant : le modèle corrige ses propres exercices, et cela fonctionne mieux qu’un professeur extérieur. Reste à savoir combien de temps cette auto-évaluation tient quand les tâches deviennent réellement difficiles.

🔗 arXiv

2. Harness Engineering for Self-Improvement

Ce qui fait la force de Claude Code ou de Codex, ce n’est pas seulement le modèle. C’est le harness, ce système qui entoure le modèle et décide comment il réfléchit, appelle des outils, garde la mémoire de son travail et vérifie ses résultats.

L’idée remonte à 1965 : I. J. Good imaginait une machine assez intelligente pour concevoir de meilleures machines qu’elle-même. Lilian Weng relie cette boucle, l’auto-amélioration récursive, à une discipline bien plus concrète : l’ingénierie du harness.

Un harness, c’est un peu comme un système d’exploitation. Il cache une logique complexe derrière une interface simple. Trois schémas reviennent dans les agents récents.

Premier : une boucle de travail explicite. Le modèle planifie, exécute, observe, corrige, et recommence jusqu’à l’objectif. Le prompt statique ne suffit plus.

Deuxième : le système de fichiers comme mémoire persistante. Les logs, les diffs de code, les traces d’erreur dépassent vite la fenêtre de contexte. Les stocker sur disque plutôt que dans le contexte permet de reprendre après une interruption.

Troisième : des sous-agents en parallèle. Le parent lance plusieurs pistes, inspecte les logs, annule les échecs, fusionne les résultats. À condition que tout soit écrit quelque part, sinon l’information disparaît avec le fil de conversation.

Le message de fond : la couche entre le modèle brut et le monde réel pèse autant que le modèle lui-même. Reste à savoir si les labos sauront standardiser ces interfaces avant que chaque équipe réinvente son propre runtime.

🔗 lilianweng.github.io

3. Not knowing SQL should not mean guessing a warehouse number.

When the data team shares the logic for a metric, I save i…

Un agent qui trouve un chiffre n’a pas vérifié ce chiffre. C’est la phrase la plus utile du fil, et elle tient en une ligne.

Le problème de départ est banal : on demande un chiffre au agent, il interroge l’entrepôt de données (le warehouse, là où l’entreprise stocke ses tables), et il rend un nombre. Sauf qu’il ne sait pas ce que “revenu net” veut dire chez vous. Il devine.

La solution décrite dans le fil ne touche pas au modèle. Elle touche à la documentation. Quand l’équipe data explique la logique d’une métrique, cette définition est enregistrée en fichier texte dans l’espace de travail de l’agent. Il récupère le contexte de la requête, sait quelle table regarder, et répond en langage naturel.

L’outil s’appelle kstack, présenté comme un espace de travail open source pour les équipes growth et paid media qui utilisent des agents. Chaque projet garde ses objectifs, ses décisions et ses définitions de métriques dans des fichiers simples. Compatible avec Claude Code, Codex, Cursor et Gemini CLI.

Reste la partie que personne ne veut entendre : l’auteur vérifie encore la table, la date et la définition à chaque fois. L’agent accélère la recherche, pas la validation.

Combien de métriques de votre entreprise existent uniquement dans la tête de quelqu’un ?

🔗 x.com

📦 Le reste de la veille