Dr. Salim Khazem, Dr. Sami Khalfaoui
Le Model Context Protocol (MCP) standardise la façon dont les agents LLM accèdent à des outils et données externes, leur permettant ainsi de dépasser leurs limites contextuelles et d’agir de manière plus autonome, cohérente et sécurisée.
Dr. Salim Khazem, Dr. Sami Khalfaoui
Le protocole Agent-to-Agent (A2A) de Google, pose les bases d’un Internet des agents en normalisant la manière dont des intelligences artificielles autonomes, souvent issues d’écosystèmes différents, peuvent se découvrir, dialoguer et coopérer efficacement.
Dr. Ahmad Chamma
Cet article explore dans quelle mesure les grands modèles de langage peuvent distinguer les langues naturelles des langues dites « impossibles » et quelles sont les conséquences sur notre compréhension du langage humain.
Dr. Gabrielle Suchaud
Cet article examine comment l’intégration de la recherche en sciences de gestion couplée à l’intelligence artificielle permet aux entreprises de mieux gérer les risques ESG et de transformer leur performance globale dans un contexte réglementaire en mutation.
Dr. Salim Khazem et Dr. Sami Khalfaoui
L’IA change d’échelle : fini l’agent solitaire, place aux collectifs intelligents orchestrés pour résoudre les défis les plus complexes.
Dr. Joachim Jehl
Les chatbots psychologues, entre promesse d’accessibilité et enjeux éthiques, s’imposent comme de nouveaux alliés – ou défis – pour la santé mentale.
Dr. Sophie Fayad et Dr. Laurent Cervoni
Face aux tensions internationales et aux restrictions sur l’accès aux données, la France et l’Europe doivent renforcer leur stratégie en IA, avec un enjeu crucial : favoriser la collaboration public-privé pour garantir une recherche ouverte, éthique et compétitive.
Dr.Arnaud Deleruyelle et Dr. Steve Bellart
Bien que moteur d’innovation et de collaboration, l’open source présente des défis économiques et éthiques, et soulève des enjeux majeurs dans le développement et l’accessibilité de l’intelligence artificielle.
Dr. Mohamad Al Assaad
Cet article décrit le pipeline d’ingestion dans un système RAG, un processus clé qui collecte, segmente, transforme et stocke des données externes afin d’optimiser leur récupération et d’améliorer la précision des réponses générées par les modèles de langage.
Dr. Salim Khazem
L’apprentissage auto-supervisé (SSL) émerge comme une alternative prometteuse à l’apprentissage supervisé, permettant aux modèles d’apprendre des représentations sans annotations coûteuses, avec des avancées majeures en vision par ordinateur et en traitement du langage naturel.