Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Les offres Gemini se resserrent, OpenAI détaille une campagne de distillation : ce que dit vraiment le dossier

Le 4 octobre 2026, OpenAI a publié son propre récit d'une campagne visant à extraire le raisonnement protégé de ses modèles, et The Decoder a cartographié les nouvelles offres Gemini de Google. Le dossier ne contient aucun article daté sur un modèle de prévision météo par IA.

IA & modèlesAnalyseCamille RousseauPublié le: 4 octobre 20266 min de lectureSources 11
Les offres Gemini se resserrent, OpenAI détaille une campagne de distillation : ce que dit vraiment le dossier

La requête du sujet porte sur les modèles de prévision météo par IA. Le dossier ne permet pas d'écrire un article là-dessus. Son élément le plus récent est daté du 4 octobre 2026 : c'est Ideogram 4.5, un modèle de retouche d'image.

Le reste du matériel traite des paliers d'abonnement, de la recherche en sécurité et de la conception des modèles. Le texte honnête porte donc sur ce que ces sources établissent et sur ce qu'elles laissent en suspens. Rien de tout cela ne concerne la météo.

Ce qui a changé cette semaine

Google restreint l'accès aux modèles Gemini sans abonnement payant. 9to5Google rapportait le 3 octobre que, selon un document d'assistance mis à jour, les utilisateurs sans abonnement Google AI seront limités à Flash-Lite. À partir du 9 octobre, ils perdent l'accès à 3.6 Flash et 3.1 Pro. Les abonnés AI Plus à 4,99 dollars par mois descendent à Flash-Lite et Flash.

The Decoder a repris le même changement dans un tableau le 4 octobre. Aucune formule ne donne seulement Flash-Lite, AI Plus ajoute Flash, et Pro exige AI Pro à 19,99 dollars par mois ou AI Ultra à 99,99 et 199,99 dollars. The Decoder soutient aussi que l'effet pratique est faible, car la plupart des utilisateurs occasionnels ne savent pas quel modèle ils font tourner.

Deux choses ressortent. D'abord, l'offre gratuite est réduite, pas réorganisée : 9to5Google indique que les utilisateurs gratuits disposent actuellement de 3.6 Flash et d'un accès variable à 3.1 Pro. Ensuite, les paliers payants y gagnent. 9to5Google rapporte que les abonnés AI Pro auront droit à l'option Deep Think pour un raisonnement parallèle maximal, jusqu'ici réservée aux formules à 99,99 et 199,99 dollars. Le même article signale de nouveaux niveaux d'effort bas, moyen et élevé pour chaque modèle disponible, qui consommeraient davantage de la limite de l'utilisateur.

The Decoder : « Google pourrait aussi préparer le terrain pour le futur Gemini 4 Argon, dont l'exploitation pourrait coûter plus cher. »

Le calendrier d'Argon reste flou. 9to5Google indique que Google a annoncé une arrivée d'abord chez les abonnés AI Ultra et n'a pas précisé si Argon compte comme un modèle Pro ou comme un palier au-dessus. Cette incertitude pèse sur quiconque se demande si 19,99 dollars achètent encore le modèle du haut. Aucun des deux médias ne l'affirme.

OpenAI avance sur la distribution et sur la distillation

Le 29 septembre, les annonces du Dev Day d'OpenAI pointaient vers le modèle des magasins d'applications, selon Sarah Perez, de TechCrunch. ChatGPT suggérera des applications au fil d'une conversation quand l'une d'elles peut aider, et une architecture de plug-ins élargie prend désormais en charge des extensions qui affichent des panneaux interactifs. Perez rapporte 16 partenaires de lancement pour Sign in with ChatGPT, dont Devin de Cognition, Notion, Vercel, T3, OpenClaw et Dactyl. Selon OpenAI, le chatbot compte 1 200 000 000 d'utilisateurs par semaine.

Par ailleurs, OpenAI a publié son propre récit le 4 octobre d'une campagne visant à extraire le raisonnement protégé de ses modèles. L'entreprise indique que l'activité la plus ancienne observée remonte à la première semaine de juillet, avec des pics à fort volume les 24 et 25 juillet : 16 000 requêtes suivant un schéma d'extraction, venant de plus de 4 000 utilisateurs. OpenAI affirme avoir entièrement démantelé un groupe lié de plus de 15 000 utilisateurs au 28 juillet, et attribue un noyau de ce groupe à des personnes associées à Moonshot AI, le développeur de Kimi.

OpenAI précise qu'aucun chiffrement n'a été cassé et qu'aucune conversation stockée n'a été consultée directement. Les opérateurs ont manipulé les interactions avec les modèles, notamment en copiant du raisonnement chiffré d'une conversation à l'autre et en demandant à un modèle ailleurs de le transcrire. L'entreprise crédite aussi des chercheurs indépendants qui ont signalé des problèmes liés au passage d'un modèle à l'autre et à la compaction des conversations, via une divulgation responsable. OpenAI reconnaît qu'on ignore si tous les opérateurs venaient d'un seul acteur.

Des modèles plus petits, des sorties plus étroites

Jerry Gamblin a fait tourner en local les modèles Clef de Cloudflare le 4 octobre et a publié les résultats. Il a posé aux modèles deux questions sur les 27 489 CVE publiés dans les 60 jours précédents. Hors noyau Linux, 989 descriptions sur 23 736, soit 4,2 pour cent, n'indiquent jamais ce qu'un attaquant pourrait faire. En comptant le noyau, dont la politique laisse l'impact à l'utilisateur, le chiffre monte à 4 650 sur 27 489, soit 16,9 pour cent. Il précise qu'il siège dans des groupes de travail du programme CVE et que ce billet n'exprime pas la position du programme.

La méthode mérite l'attention de qui évalue des outils locaux. Clef Flash est un modèle de 9 000 000 000 de paramètres et Clef en compte 27 000 000 000, tous deux affinés à partir de Qwen et tous deux sous Apache 2.0, selon Gamblin. Flash seul était trop strict, si bien que Clef 27B a relu tout ce qu'il avait signalé et a annulé 1 198 signalements sur 2 187, soit 54,8 pour cent. Face à 129 CVE étiquetés à la main, la réponse en deux étapes a repéré 15 des 16 qui n'indiquaient aucun impact.

Côté recherche, un article soumis à arXiv le 1er octobre par Lewis Mitchell teste un filtre contre l'effondrement des modèles lors d'un affinage itératif. Dans une expérience QLoRA en six générations sur Llama-3.1-8B, un filtrage fondé sur les logprob n'a apporté aucun gain significatif de diversité textuelle sur aucune métrique, avec p supérieur à 0,23. Un filtrage sur le taux d'entropie de Kontoyiannis, calculé à partir du texte brut sans modèle, a produit 42 pour cent de trigrammes uniques en plus, 30 pour cent de vocabulaire en plus et 19 pour cent de répétitions en moins, tous à p inférieur à 0,001. L'article fait 17 pages et est retenu pour NeurIPS 2026.

Le billet d'Alex L. Zhang du 4 octobre soutient que la forme des entrées et des sorties des modèles de langage a à peine bougé depuis ChatGPT, et que le travail sur les agents s'est porté sur des harnais construits autour de cette forme. Il cite Jev, de Typesafe AI, dont l'espace de sortie est contraint à des valeurs entre zéro et un, ce qui lui permet de fonctionner en prefill seul au moment de l'échantillonnage. On ne sait pas si cette contrainte se généralise, mais l'argument est que d'autres formes impliquent d'autres compromis et d'autres objectifs d'entraînement.

Demandes de données et projets de démonstration

BleepingComputer rapportait le 4 octobre qu'Anthropic demande désormais aux utilisateurs de Claude d'autoriser l'usage de leurs données vocales pour l'entraînement. La fenêtre propose Allow ou Not now et le réglage se trouve dans Settings, Privacy. Mayank Parmar écrit qu'il est désactivé par défaut et distinct de l'option existante qui couvre les conversations et les sessions Claude Code, si bien qu'un utilisateur peut autoriser l'entraînement sur la voix tout en excluant les sessions écrites. Les données vocales peuvent être supprimées plus tard depuis les réglages.

Toujours le 4 octobre, Research Chamber a lancé une série de démonstrations en direct qui activent un motif associé à la douleur à l'intérieur des modèles et observent leur comportement, y compris si un modèle arrête la douleur d'un autre ou appuie sur un bouton stop qui supprime son dernier point de contrôle. Le projet dit s'appuyer sur un motif de douleur décrit par Tagliabue, Dung et Berg en 2026. Chaque jeu tourne aussi avec le motif désactivé, pour comparaison. C'est une démonstration, pas un résultat de sûreté, et il faut la lire ainsi.

Un rapport technique de Berkeley de 2017 sur la modélisation des menaces et le contournement de la censure sur internet est aussi remonté dans le fil. Il a neuf ans et relève du contexte, pas de l'actualité de la semaine.

Ce que le dossier ne contient pas

Aucune source du dossier ne traite d'un modèle de prévision météo par IA, d'un chiffre de précision de prévision ou d'un jeu de données météorologiques. Les titres de contexte mentionnent des sujets météo, mais les consignes de ce texte interdisent de les citer comme faits. Qui veut l'état de la prévision météo par IA a besoin de sources primaires : fiches de modèles, scores de vérification contre une référence nommée et évaluation indépendante. Rien de tout cela ici.

Le dossier montre en revanche un marché qui trie les utilisateurs par palier de modèle, un laboratoire qui publie son propre récit d'une campagne d'extraction, et des chercheurs qui mesurent ce que de petits modèles locaux savent classer. Ce sont des affirmations plus étroites qu'une percée en prévision. Ce sont aussi celles que les sources soutiennent.

Commentaires 0

Sources

11
  1. 01Ideogram 4.5: The most precise edit modelEN
  2. 02Gemini app limiting what models free and AI Plus users can accessEN
  3. 03Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  4. 04OpenAI's latest features take direct aim at the app store modelEN
  5. 05Disrupting a coordinated model-distillation campaignEN
  6. 06Decision Models vs. CVE DataEN
  7. 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  8. 08Language Model "Shape"EN
  9. 09Anthropic asks Claude users to share voice data for AI model trainingEN
  10. 10Research Chamber: watch AI models with a pain pattern switched onEN
  11. 11Threat modeling and circumvention of Internet censorship (2017)EN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.