On a tous déjà vu ça avec les intelligences artificielles : plus le texte est long, plus le modèle perd le fil. Au bout de quelques milliers de mots, la mémoire sature, le contexte se brouille, et les réponses deviennent approximatives. Pour les chercheurs du MIT, c’est un vrai plafond de verre. Leur solution tient en trois lettres : RLM, pour Recursive Language Model. L’idée est simple mais maligne. Plutôt que de charger un document entier dans la mémoire du modèle — ce qui l’étouffe — le texte reste stocké à l’extérieur. Le système ne transmet au modèle que les fragments utiles, au fur et à mesure. Un peu comme si l’IA feuilletait un énorme classeur au lieu d’essayer de tout mémoriser d’un coup.

Concrètement, le RLM reçoit d’abord une vue d’ensemble : nombre de sections, taille du document, structure générale. Ensuite, il génère du code pour aller chercher précisément les passages pertinents, les analyser un par un, puis assembler la réponse finale. Résultat : il garde le contexte global sans nécessiter de réentraînement. Les tests sont parlants. Sur des documents gigantesques, entre 6 et 11 millions de jetons, le RLM basé sur GPT-5 a extrait correctement 91 % des réponses attendues sur le benchmark BrowseComp-Plus. Le modèle standard, lui, n’a rien retrouvé. Sur des tâches de raisonnement complexe, il passe de presque zéro à 58 % de bonnes réponses. Et pour l’analyse de code, les performances doublent, de 24 % à 62 %.

Le système repose sur deux briques : un « modèle racine », chargé de planifier et d’orchestrer la recherche, et un « modèle travailleur », plus léger, qui traite chaque extrait. Alex Zhang, co-auteur au MIT CSAIL, compare ça à un programmeur qui ouvre un énorme fichier morceau par morceau pour éviter de faire planter son ordinateur. Compatible avec des techniques comme le RAG, le RLM peut s’intégrer sans changer l’interface habituelle. Et bonne nouvelle : le code est déjà disponible sur GitHub.

Github

Étude d'Alex Zhang

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Et si la prochaine révolution de l’intelligence artificielle ne venait pas d’un nouvel algorithme… mais d’une puce électronique repensée de fond en comble ? Au MIT, des ingénieurs viennent de présenter une architecture qui pourrait changer la donne. Leur idée : empiler directement les composants d’une puce les uns sur les autres, plutôt que de les étaler côte à côte. Un détail en apparence, mais qui bouleverse tout.

Jusqu’ici, la partie chargée des calculs et celle qui stocke les données étaient physiquement séparées. Résultat : les informations passaient leur temps à voyager d’un point à l’autre du circuit, consommant du temps… et surtout beaucoup d’énergie. En rapprochant ces deux fonctions, les chercheurs réduisent drastiquement ces allers-retours. Les échanges deviennent plus rapides et nettement moins gourmands en électricité. Un enjeu crucial à l’heure où l’IA explose. Pour y parvenir, l’équipe a mis au point un composant hybride : un transistor à mémoire. Autrement dit, un seul élément capable à la fois de calculer et de conserver des données. À l’échelle nanométrique, ce dispositif présente très peu de défauts électriques, ce qui améliore à la fois la vitesse d’exécution et l’efficacité énergétique, selon les chercheurs.

Ce type d’innovation arrive au bon moment. Les applications d’apprentissage profond et de vision artificielle se multiplient, et les centres de données engloutissent toujours plus d’électricité. L’Agence internationale de l’énergie estime même que leur demande pourrait presque doubler d’ici 2030. Or, une grande partie de cette consommation ne sert pas à calculer, mais simplement à déplacer des données à l’intérieur des puces. « Nous devons absolument réduire l’énergie utilisée par l’IA, ce modèle n’est pas soutenable », rappelle Yanjie Shao, auteur principal de l’étude. Techniquement, les chercheurs ont utilisé de l’oxyde d’indium, un matériau qui peut être déposé à basse température sans abîmer les autres couches. Ils y ont ajouté une fine mémoire ferroélectrique. Le transistor change d’état en dix nanosecondes et fonctionne à une tension plus faible que les technologies actuelles. Pour l’instant, le système n’a été testé que sur prototype. Mais l’intégration dans de vraies puces semble désormais à portée de main.

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Au programme :

La folie OpenClaw: Jarvis dans votre maison

Musk consolide son empire: SpaceX fusionne avec xAI

Résultats trimestriels: les infos intéressantes

Le reste de l’actualité

Infos :

Animé par Patrick Beja (Bluesky, Instagram, Twitter, TikTok).

Co-animé par Jérôme Keinborg (Bluesky).

Co-animé par Cédric de Luca (Bluesky).

Co-animé par Korben (site)

Produit par Patrick Beja (LinkedIn) et Fanny Cohen Moreau (LinkedIn).

Musique libre de droit par Daniel Beja

Le Rendez-vous Tech épisode 651 – Openclaw c’est un majordome, il connait la couleur de votre slip – Openclaw, SpaceX & xAI, résultats Q3, On This Day…

---

Liens :

🎧 L’Actu Tech (podcast daily): NotPatrick.com/#lactutech

😎 Soutien sur Patreon : Patreon.com/RDVTech

🤗 Communauté Discord : NotPatrick.com/discord

Par écrit :

📰 Newsletter : NotPatrick.com/newsletter

📰 Archives NL: NotPatrick.com/archivenl

📢 WhatsApp : NotPatrick.com/whatsapp

🐤 Veille Twitter : Twitter.com/RdvTech

En vidéo :

📹 Live : Twitch.tv/NotPatrick

📺 VOD : YouTube.com/NotPatrickPodcasts

📱 TikTok : Tiktok.com/@NotNotPatrick

💁 Tous les liens : NotPatrick.com

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.