Actualités IA du 23 septembre 2026

AWS Strands Harness : framework open-source pour agents IA à bas coût

Date : 06/02/2026
Catégorie : Agent IA / Automatisation
Résumé technique : 30 Le team AWS Strands a publié un harness généraliste sous licence Apache 2.0, disponible en Python et TypeScript. Il encapsule la boucle d'agent, la gestion du contexte, la mémoire à long terme et l'appel d'outils (shell, fichiers, web). L'architecture intègre des règles de compactage automatiques à 85% d'utilisation contextuelle, une tronction des outputs >1 500 tokens, et une récupération in-loop en cas de débordement. Compatible avec Bedrock, Anthropic, OpenAI, Google, Ollama ou LiteLLM via une seule fonction create_harness().
Pourquoi c’est intéressant : Résout le problème récurrent des agents qui deviennent prohibitifs ou instables suite à une accumulation contextuelle. Les benchmarks montrent un coût 28% inférieur aux alternatives sur 6 épreuves, et jusqu'à 77% de réduction face à Claude Code sur Terminal-Bench 2.1 sans perte de précision. Déployable localement ou en cloud avec génération automatique de configs AWS/GCP/Azure/Modal.
Angle possible pour une vidéo YouTube : "Comment je réduis mes coûts d'agents IA de 77% sans perdre en précision (Test Strands Harness)"
Source originale : MarkTechPost / AWS Strands Agents Blog
URL directe :

Date : 06/02/2026
Catégorie : Méthode technique / Agent IA
Résumé technique : 31 Extension MIT open-source développée conjointement par NVIDIA, NTU et MIT. Au lieu d'optimiser le modèle, une boucle de recherche automatique (auto-research loop) a testé 152 directions sur 535 environnements pour optimiser la couche "harness" de l'agent Pi. Quatre mécanismes ont survécu : Action Fusion (fusion edit+test en un seul appel), Online Context Compact (compression dynamique selon les étapes restantes), ObservationPack (archivage local des logs >10 Ko avec handles réutilisables), et Evidence-Preserving Reducer (résumé déterministe par un modèle moins cher pour les logs de build/test). Réduit le trafic token de 44,7 à 49% et les coûts API d'~33%.
Pourquoi c’est intéressant : Démonstration concrète que l'efficacité des agents longs repose sur l'orchestration, pas uniquement sur la puissance du LLM. L'extension est prête pour la production (compatible Pi 0.85.1+), open-source et transférables entre backends (testé sur GPT-5.6 Sol et Opus 5). Gain financier immédiat pour les workflows de développement assisté.
Angle possible pour une vidéo YouTube : "NVIDIA & MIT ont trouvé comment rendre les agents code 3x moins chers (Sans toucher au LLM)"
Source originale : MarkTechPost / NVlabs GitHub
URL directe :

Date : 05/02/2026
Catégorie : LLM / Modèle IA (Vision & Génération)
Résumé technique : 32 Alibaba Qwen a publié une version unifiée de son pipeline d'images, compressant l'architecture initiale (20B + checkpoint edit séparé) en un seul DiT de 7B couplé à un encodeur VL Qwen3-VL de 8B. L'attention "mixed-granularity" permet un cache KV partagé : les tokens texte et images de référence sont calculés une seule fois, puis réutilisés à chaque étape de débruitage. Supporte l'output RGBA natif, jusqu'à 10 références pour l'édition, résolution 2K native (2048x2048) et ratios jusqu'à 2752x1536. Score 60,28 sur Qwen-Image-Bench (premier modèle open-weight classé).
Pourquoi c’est intéressant : Réduction drastique de la VRAM requise tout en unifiant génération et édition multi-références. Le mécanisme de réutilisation du cache KV accélère significativement l'inférence, idéal pour les créateurs, designers ou pipelines de virtual try-on. Déployable via Diffusers, ComfyUI, vLLM-Omni ou SGLang, avec support AMD ROCm et FlagOS.
Angle possible pour une vidéo YouTube : "Générer et éditer des images 4K avec transparence sur un GPU moyen (Test Qwen-Image-2.1)"
Source originale : MarkTechPost / Hugging Face
URL directe :

Date : 05/02/2026
Catégorie : LLM / Agent IA
Résumé technique : StepFun a lancé son flagship sparse MoE de ~600B paramètres, n'en activant que ~27B par token (~4,5%). Architecture "narrow-deep" (92 couches) conçue pour allonger les chemins de raisonnement implicite, cruciale lors du traitement de longs contextes agentic (recherche web, exécution code, lecture logs). Contexte de 1M tokens, support texte/image/vidéo, intégration Claude Code via Step Plan. Pricing API agressif : $1.00/1M input (cache miss), $0.05/1M cache hit, $2.70/1M output. Poids ouverts prévus pour octobre 2026.
Pourquoi c’est intéressant : Positionne clairement le modèle sur le front "coût/intelligence" pour les tâches agentic longue durée. L'architecture profonde favorise la cohérence contextuelle sans élargir la largeur du réseau, réduisant la charge VRAM. Prix bien en dessous des leaders fermés pour un rendement proche sur DeepSWE et ProgramBench, idéal pour les startups ou studios indépendants orchestrant des swarms d'agents.
Angle possible pour une vidéo YouTube : "L'IA MoE à 600B qui coûte 5x moins cher que les leaders pour les agents longue durée"
Source originale : MarkTechPost / StepFun Blog
URL directe :

Date : 04/02/2026
Catégorie : Automatisation / Conseil d’usage / Workflow
Résumé technique : 34 Architecture no-code détaillant la mise en place d'un système de veille informationnelle assisté par IA. Utilise Make.com pour l'agrégation RSS et le parsing web, l'API Mistral AI (mistral-large-latest) pour la synthèse structurée (titre, 3 bullet points, keywords, traduction conditionnelle), et Google Sheets pour l'historisation temporelle. Le prompt système impose une sortie stricte sans mise en forme superflue, avec injection dynamique de la variable Text du module précédent. Gestion des quotas gratuits Make (1000 ops/mois) et synchronisation planifiée quotidienne.
Pourquoi c’est intéressant : Montre comment industrialiser une tâche chronophage avec des outils accessibles, tout en respectant les contraintes techniques (gestion des tokens, structuration implicite JSON via prompt, limitation des opérations no-code). Exemple concret de déploiement rapide pour freelances, rédacteurs tech ou petites équipes nécessitant un flux d'informations filtré et actionnable sans surcoût API.
Angle possible pour une vidéo YouTube : "Automatise 10h de veille IA par semaine avec ce workflow Make + Mistral (Tuto pas à pas)"
Source originale : ActuIA / Community Tech Blog
URL directe :