Google lance des fonctionnalités de carte sur l’API Gemini ; Tencent dévoile le programmeur IA Ada → Voici les dernières actualités en matière d’IA !

Express de la frontière de l'IA ↓↓

01 Google ouvre les fonctionnalités cartographiques de l’API Gemini, permettant aux développeurs de créer des applications d’intelligence artificielle de nouvelle génération sensibles à la localisation.
Google a annoncé la disponibilité à grande échelle des fonctionnalités d’intégration cartographique pour l’API Gemini. À compter d’aujourd’hui, les développeurs peuvent utiliser cette API pour accéder à des données géospatiales en temps réel — couvrant 250 millions de lieux dans le monde —, incluant les adresses, les horaires d’ouverture, les évaluations et bien d’autres informations. Grâce aux capacités d’analyse du langage naturel de Gemini, l’API peut interpréter automatiquement les requêtes liées à la localisation et générer des réponses d’une grande précision. Par exemple, l’IA peut recommander directement des restaurants à proximité et afficher les conditions de circulation en temps réel, ou encore élaborer des itinéraires multi‑étapes en fonction des préférences de l’utilisateur. Cette fonctionnalité s’intègre parfaitement à Google Search : tandis que Maps fournit des données factuelles structurées, Search vient compléter ces informations par des données dynamiques, renforçant considérablement l’exhaustivité des réponses. Les développeurs peuvent intégrer rapidement cette fonctionnalité via le SDK Python ou Google AI Studio. Le tarif est de 25 dollars pour mille requêtes fondées sur des faits. Cette capacité est particulièrement adaptée aux applications telles que la planification de voyages, les services de vie locale et les recommandations immobilières, aidant ainsi les développeurs à créer des expériences d’intelligence spatiale immersives.

02 Le grand modèle de langage MiniMax-M2, développé en interne, a été rendu open source et s’est classé parmi les cinq meilleurs au niveau mondial, pour un coût ne représentant que 1/12 de celui de Claude 4.5, tandis que ses performances sont comparables à celles de GPT‑5.

Le 27 octobre, la société d’intelligence artificielle basée à Shanghai, MiniMax, a rendu open source son modèle de langage de grande taille de nouvelle génération, le MiniMax‑M2. Sur le benchmark mondialement reconnu Artificial Analysis, le MiniMax‑M2 s’est classé parmi les cinq meilleurs au niveau mondial et est devenu le premier modèle chinois open source à intégrer ce cercle d’élite. Son coût global ne représente que 8 % de celui de Claude 4.5 (environ un douzième) et un septième de celui de GPT‑5, tandis que sa vitesse d’inférence a presque doublé. Le M2 excelle dans des tâches essentielles telles que la génération de code et l’appel d’outils, permettant le débogage automatique sur plusieurs fichiers et une collaboration fluide avec des chaînes d’outils complexes. Dans les deux semaines suivant sa mise à disposition en open source, les appels API à l’échelle mondiale ont été gratuits. Les experts du secteur saluent le MiniMax‑M2 pour avoir réalisé une percée en matière d’« intelligence élevée à faible coût » grâce à des innovations technologiques comme la fonction de perte CISPO, et s’attendent à ce qu’il contribue à accélérer l’adoption généralisée des technologies d’IA.

03 Meituan a rendu open source LongCat-Video ! Il prend en charge la conversion texte‑en‑vidéo, l’image‑en‑vidéo ainsi que la poursuite de vidéos, permettant de générer des vidéos d’une durée de 5 minutes sans aucune perte de qualité — et ouvrant la voie à un nouveau chapitre dans l’exploration des modèles mondiaux.

Le 27 octobre, l’équipe LongCat de Meituan a publié et mis en open source le modèle de génération vidéo LongCat-Video. Ce modèle prend en charge trois tâches fondamentales — la conversion texte‑en‑vidéo (haute définition 720p à 30 images par seconde), la conversion image‑en‑vidéo (en préservant strictement le sujet principal et le style de l’image) ainsi que la continuation vidéo — grâce à une architecture unifiée qui ne nécessite aucune adaptation supplémentaire. S’appuyant sur un pré‑entraînement dédié à la continuation vidéo et sur le mécanisme d’attention Block‑Causal, le modèle est capable de générer de manière stable des vidéos longues pouvant atteindre 5 minutes, répondant ainsi à des problématiques majeures du secteur, telles que les discontinuités temporelles entre les images ou les mouvements physiquement peu plausibles. Sa vitesse d’inférence a été multipliée par 10,1. Sur des benchmarks publics comme VBench, le modèle a obtenu des performances globales de pointe (SOTA), avec un score de compréhension du sens commun de 70,94 %, se classant ainsi à la première place. À l’avenir, cette technologie sera intégrée à des applications telles que la conduite autonome et l’intelligence incarnée, contribuant à établir un pont entre les mondes numérique et physique.

04 Tencent lance Ada, un programmeur IA : la programmation automatisée de bout en bout ouvre la voie à une révolution de l’efficacité du développement

Le 27 octobre, Tencent a lancé Ada, la première préversion technologique du secteur d’un programmeur doté d’une intelligence artificielle, qui révolutionne le processus de développement logiciel grâce à quatre capacités essentielles. Les utilisateurs n’ont qu’à soumettre leurs spécifications via WeChat Work, et Ada prend en charge automatiquement l’ensemble du flux de travail — de la génération de code et du déploiement de l’environnement jusqu’à la mise en production — tout en corrigeant automatiquement les défauts en ligne, en générant la documentation et en produisant le code des tests unitaires. Lors du Festival des développeurs 1024 en 2025, Ada a réussi à mettre au point un easter egg caché sur le site officiel ainsi qu’un jeu au style pixelisé. Ses fonctionnalités intelligentes de revue de code et d’automatisation de bout en bout ont considérablement accru l’efficacité du développement. À ce jour, Ada recueille les retours via une liste d’attente afin d’optimiser encore davantage ses fonctionnalités, et il est sur le point de devenir un outil central pour les développeurs.

05 La révolution de la création de sites web par l’IA ! Skywork, de Kunlun Wanwei, lance la fonction de clonage de sites, vous permettant de créer un site web de qualité professionnelle en seulement 10 minutes.

Le 27 octobre 2025, Skywork AI, filiale de Kunlun Wanwei, a officiellement lancé sa fonctionnalité de clonage web. Les utilisateurs n’ont qu’à fournir un lien vers une page web, télécharger un fichier ou saisir une description textuelle, et l’IA génère en quelques minutes un prototype web entièrement fonctionnel, fidèle au style original. Cette fonction utilise des algorithmes avancés pour analyser la logique et la hiérarchie des pages à un niveau structurel, permettant une reconstruction précise des sites web. Elle prend également en charge la génération d’éléments interactifs dynamiques et offre aux utilisateurs la possibilité d’éditer et d’ajuster leur création en temps réel. Les entreprises peuvent ainsi transformer instantanément leurs informations d’entreprise en un site officiel complet, tandis que les créateurs de contenu peuvent, simplement en fournissant des descriptions textuelles, produire des pages web dynamiques — incluant cartes et images —, bouleversant ainsi les méthodes traditionnelles de création de sites. Cette avancée réduit considérablement la barrière technique et marque l’entrée officielle dans une ère guidée par l’IA, où « une idée équivaut à un site web ».

06 Les Gémeaux propulsent Google Earth ! Une importante mise à niveau de la capacité de raisonnement spatial — les abonnés américains pourront bientôt accéder à une nouvelle expérience géospatiale alimentée par l’IA.

Google Earth a annoncé l’intégration du grand modèle de langage Gemini, permettant une analyse géographique inter‑dimensions grâce à des interactions en langage naturel. Les utilisateurs peuvent désormais engager directement des conversations pour interroger les risques environnementaux — par exemple, identifier les infrastructures vulnérables aux menaces liées aux tempêtes ou suivre les zones touchées par les proliférations d’algues. Le système relie automatiquement les prévisions météorologiques, les images satellite et les données démographiques afin de produire des analyses approfondies. Pour l’instant, cette fonctionnalité est réservée aux utilisateurs inscrits au « Trusted Tester Program ». Dans les semaines à venir, elle sera déployée auprès des abonnés Google AI Pro/Ultra aux États-Unis ainsi qu’auprès des utilisateurs de la version Earth Professional, accélérant la transition des informations géospatiales, autrefois confinées à des outils spécialisés, vers des services intelligents et accessibles au grand public.

07 Le grand modèle d’IA « lit les images pour identifier des gènes » en seulement 1 minute !

Le diagnostic et le traitement de précision du cancer du poumon marquent une avancée révolutionnaire.

En octobre 2025, Kingmed Diagnostics, en collaboration avec Tencent et l’Hôpital affilié n°1 de l’Université médicale de Guangzhou, a annoncé conjointement le lancement officiel de DeepGEM, un modèle génétique de pathologie oncologique à grande échelle. Ce modèle est capable de prédire les mutations des gènes conducteurs du cancer du poumon en analysant simplement des images d’histologie conventionnelles, en réalisant le test en moins d’une minute et avec une précision comprise entre 78 % et 99 %. Son coût est plusieurs fois inférieur à celui du séquençage génétique traditionnel. Des travaux antérieurs ont été publiés dans The Lancet Oncology et validés sur un échantillon de 4 260 cas répartis dans 30 provinces à l’échelle nationale. À ce jour, le modèle a été déployé sur la plateforme de Kingmed Diagnostics, offrant aux patients des soins de première ligne un parcours diagnostico‑thérapeutique inclusif, fondé sur un « dépistage initial par l’IA, suivi d’une confirmation génétique spécifique ». À l’avenir, les trois partenaires prévoient d’étendre ce modèle à plusieurs types de cancers, dont le cancer du sein, et de développer un modèle multimodal de pathologie génétique à grande échelle intégrant des données multi‑omiques, ouvrant ainsi la voie à une nouvelle ère de « prédiction intelligente » dans le diagnostic et le traitement des cancers.

08 Le « simulateur du monde » de Tesla dévoilé : l’IA s’exerce à 500 ans de conduite en une seule journée ; la co‑évolution cerveau‑robot bouleverse le secteur

Lors de la conférence internationale sur la vision par ordinateur ICCV 2025, Tesla a officiellement présenté le « World Simulator », un système d’entraînement virtuel alimenté par des réseaux neuronaux. Ce système est capable de générer des scénarios de conduite multi‑caméra d’une grande réalisme à partir de données issues du monde réel, permettant ainsi aux algorithmes de conduite autonome d’accumuler, en une seule journée, une expérience de conduite équivalente à 500 années de conduite humaine. Au cœur de ce dispositif, une architecture end‑to‑end traduit directement les pixels des caméras en commandes de conduite, palliant ainsi la perte d’information inhérente aux approches modulaires traditionnelles. Par ailleurs, il s’appuie sur une technologie baptisée « Generative Gaussian Splash » pour assurer l’interprétabilité des scènes 3D. Au-delà de son utilisation pour itérer sur le système FSD, ce même système entraîne simultanément les robots Optimus à naviguer dans des environnements complexes, tels que les usines, témoignant de l’ambition de Musk d’édifier un moteur d’intelligence artificielle à usage général. À présent, les immenses volumes de données collectés chaque jour par la flotte de Tesla sont optimisés grâce à une boucle de rétroaction avec le simulateur, propulsant la sécurité de la conduite autonome à un niveau cinq fois supérieur à celui de la conduite humaine.

09 Une révolution visuelle ! DeepSeek lance un modèle de reconnaissance optique de caractères (OCR) permettant une compression du texte jusqu’à 10 fois supérieure, et traitant 200 000 pages de documents en une seule journée.

Récemment, DeepSeek a rendu open source un tout nouveau modèle vision-langage baptisé DeepSeek-OCR. Grâce à la technologie de « compression optique contextuelle », ce modèle transforme le texte en image, atteignant une compression sans perte d’un facteur 10 (avec une précision OCR de 97 %) et conservant une précision de 60 % même à un facteur de compression de 20. Au cœur de cette approche, l’architecture DeepEncoder intègre SAM et CLIP, prenant en charge des entrées multi‑résolutions, du mode Tiny au mode Gundam. Avec seulement 100 jetons visuels, il surpasse GOT‑OCR2.0 (qui nécessite 256 jetons), tandis qu’avec 800 jetons, il dépasse largement MinerU2.0 (qui requiert plus de 6 000 jetons). Une seule GPU A100 peut générer 200 000 pages de données d’entraînement par jour, supportant l’analyse de 100 langues ainsi que des contenus complexes tels que des graphiques, des formules chimiques, etc. Ce modèle révolutionnaire offre une solution novatrice pour le traitement des textes longs et l’entraînement des modèles multimodaux. Le modèle a été publié en open source sur GitHub, suscitant un vif débat au sein de la communauté de l’IA autour du paradigme « la vision est compression ».

Source : École d’intelligence artificielle, AI Zhi Qian Yan

Éditeur : Yu Li

Relecture : Zeng Xiong

Révisé par : Zhang Weitian