IA 2026 07 19 | News Makertronic

Agents IA avec mémoire persistante sans base vectorielle (Google Cloud Always-On Memory)

Date : 06/02/2026
Catégorie : Agent IA / Automatisation / Méthode
Résumé technique : Google Cloud publie une implémentation de référence (generative-ai) qui résout le problème de l'oubli contextuel des agents IA. Contrairement aux architectures classiques, cet agent fonctionne 24h/24 en arrière-plan via Google ADK et Gemini 3.1 Flash-Lite. Il n'utilise ni base vectorielle ni embeddings : un LLM lit, structure et consolide activement la mémoire dans SQLite. Un orchestrateur gère trois sous-agents (Ingest, Consolidate, Query) qui ingèrent 27 formats de fichiers, synthétisent les liens sémantiques toutes les 30 minutes, et répondent aux requêtes avec citation des IDs de mémoire. 30
Pourquoi c’est intéressant : Élimine la complexité et le coût des RAG/Vector DB tout en offrant une mémoire évolutive et auto-consolidante. Idéal pour construire des assistants personnels, des agents de support ou des assistants de recherche qui apprennent continuellement sans intervention utilisateur. Réduit drastiquement la latence et le coût d'inférence pour les agents longs.
Angle possible pour une vidéo YouTube : "Fini les agents IA qui oublient : créer une mémoire persistante et active en SQLite (sans Vector DB)"
Source originale : Google Cloud / MarkTechPost
URL directe :

Date : 05/02/2026
Catégorie : Outil / Automatisation / Agent IA
Résumé technique : NVIDIA sort DeepStream 9.1, ajoutant deux compétences agentic (MV3DT et AutoMagicCalib) directement consommables par des agents de code (Claude Code, Cursor, Codex). MV3DT fusionne les détections de plusieurs caméras dans un espace 3D partagé pour maintenir un ID d'objet unique via MQTT. AutoMagicCalib calibre automatiquement les réseaux de caméras (intrinsèques/extrinsèques) à partir de vidéos existantes, supprimant les grilles de calibrage manuelles. Tout se déploie via un prompt naturel en ligne de commande. 28
Pourquoi c’est intéressant : Démocratise le déploiement industriel de la vision par IA. Les développeurs n'ont plus à gérer des fichiers YAML complexes ou des calibrations terrain. Ouverture directe vers la robotique, la logistique, la sécurité et les villes intelligentes avec une pipeline prête pour Kafka/OSD/BEV.
Angle possible pour une vidéo YouTube : "Déployer un système de vision par IA multi-caméras en une seule phrase grâce aux agents"
Source originale : NVIDIA Developer Blog / MarkTechPost
URL directe :

Date : 06/02/2026
Catégorie : LLM / Agent IA / Automatisation
Résumé technique : OpenAI lance GPT-5.3 Codex, le premier modèle agentic conçu pour s'aider à lui-même dans le processus de développement. Entraîné et servi entièrement sur infrastructure NVIDIA Blackwell/GB200 NVL72, il fusionne les capacités de codage de GPT-5.2-Codex et les raisonnement de GPT-5.2, avec une accélération de 25%. Il bat les records sur SWE-Bench Pro, Terminal-Bench et OSWorld, prouvant une autonomie croissante dans des environnements terminal/GUI réels. 29
Pourquoi c’est intéressant : Marque un tournant vers l'IA auto-améliorante en ingénierie logicielle. La dépendance explicite à l'infrastructure NVIDIA (GB200) met en lumière la course à l'échelle matérielle pour les cycles de pré/post-entraînement. Pour les entreprises, cela signifie une réduction drastique du temps de développement et un passage de l'assistante au co-pilote autonome.
Angle possible pour une vidéo YouTube : "GPT-5.3 Codex : Le premier modèle de code IA qui se construit tout seul et bat les records SWE-Bench"
Source originale : OpenAI Blog / MarkTechPost
URL directe :

Date : 06/02/2026
Catégorie : LLM / Tendance / Conseil d’usage
Résumé technique : Trois modèles chinois dominent désormais les classements open-weight. Kimi K3 (2,8T paramètres, MoE latent) atteint 57 sur l'Intelligence Index d'Artificial Analysis (top 3 mondial), mais reste API-only jusqu'au 27/07. DeepSeek V4 Pro (1,6T, 49B actifs) est sous licence MIT, téléchargeable immédiatement, et leader absolu du coût ($0,04/tâche). GLM-5.2 (744B) est le plus rapide (~168 tokens/s), directement auto-hébergeable et très compétitif en codage. Tous intègrent des contextes de 1M tokens. 31
Pourquoi c’est intéressant : Redéfinit le compromis coût/performance/auto-hébergement pour les équipes IA. DeepSeek pour le volume économique, GLM-5.2 pour le déploiement local rapide, Kimi K3 pour la performance brute. Stratégique pour choisir son stack d'inférence avant l'explosion des workloads agents/coding.
Angle possible pour une vidéo YouTube : "Face au GPT-5.3 : les 3 nouveaux géants open-source chinois qui basculent l'échiquier (Coût vs Performance vs Self-hosting)"
Source originale : MarkTechPost / Artificial Analysis
URL directe :

Date : 05/02/2026
Catégorie : Méthode / Workflow / Outil
Résumé technique : NVIDIA publie un workflow complet via NeMo AutoModel permettant d'adapter automatiquement des recettes de fine-tuning (LoRA/PEFT) pour des environnements à ressources limitées (ex: Google Colab single-GPU). Le système patche dynamiquement la précision (bf16/fp32), les tailles de batch, le checkpointing et les schedulers via des fichiers YAML. Il intègre ensuite NeMoAutoModelForCausalLM pour conserver une API compatible Hugging Face tout en profitant des chemins d'exécution optimisés NVIDIA. 32
Pourquoi c’est intéressant : Réduit le fossé entre les experiments de recherche distribuées et le déploiement en production ou en edge. Permet aux développeurs indépendants et PME de fine-tuner des modèles récents (Qwen3, Llama, etc.) sans réécrire des centaines de lignes de config. Gain de temps et reproductibilité garantie.
Angle possible pour une vidéo YouTube : "Fine-tuner des LLMs en quelques lignes sur un seul GPU avec NVIDIA NeMo AutoModel (Tutoriel complet)"
Source originale : NVIDIA AI Blog / GitHub
URL directe :