Author: Jesús Pina

{ "social": { "email": "", "facebook": "", "twitter": "", "linkedin": "" }, "ja-JP": "", "de-DE": "Jesús Pina verfolgt, was künstliche Intelligenz an der Software wirklich verändert, die wir täglich benutzen — und trennt dabei, was schon funktioniert, von dem, was bisher nur eine Ankündigung ist. Ihn interessiert die praktische Wirkung: welches Werkzeug echte Zeit spart, welches auf halbem Weg stehen bleibt und welches man sich vor der Installation zweimal ansehen sollte. Er arbeitet täglich mit KI-Modellen mitten im redaktionellen Prozess von Softonic und kennt deren Grenzen deshalb recht genau.", "en-US": "Jesús Pina follows what artificial intelligence is actually changing in the software people use every day, telling apart what already works from what is still only an announcement. What interests him is the practical effect: which tool saves real time, which one stops halfway and which one deserves a second look before you install it. He works daily with AI models inside Softonic's own editorial process, so he knows their limits fairly well.", "es-ES": "Jesús Pina sigue lo que la inteligencia artificial está cambiando de verdad en el software que usamos cada día, separando lo que ya funciona de lo que por ahora solo es un anuncio. Le interesa el efecto práctico: qué herramienta ahorra tiempo real, cuál se queda a medias y cuál conviene mirar dos veces antes de instalarla. Trabaja a diario con modelos de IA dentro del propio proceso editorial de Softonic, así que conoce bastante bien sus límites.", "fr-FR": "Jesús Pina suit ce que l'intelligence artificielle change réellement dans les logiciels du quotidien, en distinguant ce qui fonctionne déjà de ce qui n'est encore qu'une annonce. Ce qui l'intéresse, c'est l'effet pratique : quel outil fait gagner du temps, lequel s'arrête à mi-chemin et lequel mérite un second examen avant installation. Il travaille au quotidien avec des modèles d'IA au cœur du processus éditorial de Softonic, et connaît donc assez bien leurs limites.", "it-IT": "Jesús Pina segue ciò che l'intelligenza artificiale sta davvero cambiando nel software di ogni giorno, distinguendo quello che già funziona da quello che per ora è solo un annuncio. Gli interessa l'effetto pratico: quale strumento fa risparmiare tempo, quale si ferma a metà e quale conviene guardare due volte prima di installarlo. Lavora ogni giorno con modelli di IA dentro il processo editoriale di Softonic, e per questo ne conosce bene i limiti.", "nl-NL": "Jesús Pina volgt wat kunstmatige intelligentie echt verandert aan de software die we dagelijks gebruiken, en scheidt daarbij wat al werkt van wat nog slechts een aankondiging is. Wat hem interesseert is het praktische effect: welke tool echt tijd bespaart, welke halverwege blijft steken en welke je beter twee keer bekijkt voordat je hem installeert. Hij werkt dagelijks met AI-modellen binnen het redactieproces van Softonic en kent daardoor hun grenzen vrij goed.", "pl-PL": "Jesús Pina śledzi to, co sztuczna inteligencja rzeczywiście zmienia w programach używanych codziennie, oddzielając rozwiązania, które już działają, od tych, które są na razie tylko zapowiedzią. Interesuje go efekt praktyczny: które narzędzie naprawdę oszczędza czas, które zatrzymuje się w połowie drogi, a które warto sprawdzić dwa razy przed instalacją. Codziennie pracuje z modelami AI wewnątrz procesu redakcyjnego Softonica, więc dobrze zna ich ograniczenia.", "pt-BR": "Jesús Pina acompanha o que a inteligência artificial está realmente mudando nos programas que usamos todos os dias, separando o que já funciona do que ainda é apenas anúncio. O que lhe interessa é o efeito prático: qual ferramenta economiza tempo de verdade, qual para no meio do caminho e qual merece uma segunda olhada antes de instalar. Trabalha diariamente com modelos de IA dentro do próprio processo editorial da Softonic, e por isso conhece bem seus limites." }

Université du Michigan: son centre de calcul à 1,25 milliard déclenche la colère d’une ville

À Ypsilanti Township, dans le Michigan, l’Université du Michigan se heurte à une opposition de plus en plus vive autour d’un centre de calcul estimé entre 1,2 et 1,25 milliard de dollars, d’après les documents de l’université et de la municipalité.

ChatGPT Télécharger

Lors d’une réunion d’information organisée par l’établissement, des habitants ont hué les intervenants, les ont coupés à plusieurs reprises et leur ont reproché leur arrogance, ainsi qu’un manque de franchise.

Le projet, développé avec le Los Alamos National Laboratory, doit prendre place sur un terrain d’environ 58 hectares le long de Textile Road, si l’on s’en tient aux documents présentés par l’Université du Michigan.

Ces mêmes documents décrivent un ensemble composé, d’un côté, d’un bâtiment fédéral de recherche d’environ 22 300 m² pour le Los Alamos National Laboratory et, de l’autre, d’un centre universitaire d’environ 4 650 m² pour l’Université du Michigan, présenté comme un centre de calcul scientifique plutôt qu’un data center commercial au sens classique.

Sur le papier, l’université explique que le site est censé appuyer des recherches sur le cancer, la découverte de médicaments, la résilience du réseau électrique, les énergies propres, l’ingénierie et l’informatique durable.

L’Université du Michigan met aussi en avant plusieurs garanties: un bâtiment entièrement électrique, zéro émission au quotidien pendant l’exploitation, des standards LEED et l’absence de matériaux nucléaires ou dangereux sur place.

Ça n’a pas suffi.

Le sujet qui crispe le plus reste le partenariat avec le Los Alamos National Laboratory, acteur central dans la gestion de l’arsenal nucléaire des États-Unis.

Les responsables de l’université admettent d’ailleurs que le site accueillerait des recherches fédérales couvertes par le secret-défense, y compris des simulations liées à la sûreté et à la fiabilité des armes nucléaires déjà existantes.

La colère sur place tient aussi à la façon dont le dossier a été amené.

Des habitants, mais aussi plusieurs élus locaux, estiment ne pas avoir été consultés assez tôt. Et la réunion montée par l’Université du Michigan a surtout eu pour effet d’épaissir encore la méfiance.

Les inquiétudes portent sur des choses très concrètes: la consommation électrique, l’usage de l’eau, le bruit, la circulation et la pression supplémentaire sur les infrastructures locales.

Les chiffres officiels parlent d’un besoin initial d’environ 50 mégawatts, avec une montée possible jusqu’à 100 mégawatts, via un poste électrique dédié de DTE Energy.

Fait assez révélateur, même l’argument des promoteurs selon lequel le complexe resterait plus modeste que certains projets hyperscale de la région a été attaqué.

Pendant la réunion, un professionnel du secteur a jugé trompeuse la comparaison avec l’immense projet “Barn” à Saline. Selon lui, l’installation resterait de grande taille à l’échelle américaine et produirait malgré tout des nuisances sonores.

Sous la pression, le conseil de Ypsilanti Township a adopté un moratoire de 180 jours sur les nouvelles grandes infrastructures électriques, une mesure qui vise directement le poste électrique prévu pour le projet.

Cette décision vient s’ajouter à un précédent moratoire d’un an sur la fourniture d’eau aux grands centres de données, selon Ypsilanti Township.

Pour les opposants, la question de fond est maintenant celle de la confiance. Même si l’Université du Michigan répète que le site n’abritera ni matières nucléaires ni activités industrielles classiques, ses détracteurs soulignent qu’aucune restriction foncière n’empêcherait, plus tard, un changement d’usage.

Au fond, le débat va bien au-delà de la technique: une partie des habitants refuse qu’un projet fédéral de cette taille s’installe chez elle sans son accord.

DeepSeek lance V4.1-Flash: 1 million de tokens sans exploser la mémoire

Au moment où nous écrivons ces lignes, le labo d’IA DeepSeek a mis en ligne DeepSeek-V4.1-Flash. Cette nouvelle version à poids ouverts s’attaque à un problème très concret : faire tourner des modèles énormes avec des fenêtres de contexte très longues, sans voir les besoins mémoire partir dans tous les sens.

DeepSeek - AI Assistant Télécharger

La promesse est loin d’être modeste. DeepSeek affirme que DeepSeek-V4.1-Flash peut gérer jusqu’à 1 million de tokens, soit autour de 750 000 mots. La société dit aussi avoir revu l’architecture du modèle et compacté le cache KV pour faire baisser nettement les coûts d’exploitation.

Sur le papier, l’échelle donne le vertige. DeepSeek décrit un système multimodal de type Mixture-of-Experts avec 552 milliards de paramètres pour le backbone, auxquels viennent s’ajouter 196 milliards de paramètres Engram. Plus surprenant, l’éditeur explique que seule une petite partie de l’ensemble s’active à chaque token : 8 milliards de paramètres pendant le préremplissage, puis 16 milliards lors de la génération.

C’est là, d’après DeepSeek, que se joue une bonne partie de l’intérêt du modèle. Malgré sa taille totale, il resterait plus efficace qu’on pourrait le croire, surtout sur les charges longues, comme les agents ou les historiques très volumineux.

L’autre grosse annonce touche au cache KV, qui reste l’un des principaux goulets d’étranglement sur ce genre de déploiement. DeepSeek avance une empreinte globale de 890 octets par token. Cela représenterait environ un quart de celle de DeepSeek-V4-Flash, et presque 437 fois moins que DeepSeek-V1.

Dit plus simplement, si l’on en croit l’entreprise, la pression baisse à la fois sur la mémoire HBM, sur le stockage SSD et sur la bande passante.

Pour en arriver là, DeepSeek a remanié la structure du modèle. La documentation publiée par la société décrit un backbone de 40 couches, scindé en deux ensembles : un encodeur causal de 20 couches, puis un décodeur de 20 couches.

Les tokens du prompt restent dans l’encodeur. Le décodeur, lui, produit un KV global à partir de l’état caché final de cet encodeur. DeepSeek explique que cette méthode réduit presque de moitié le calcul nécessaire pendant le préremplissage, autrement dit au moment où tout le prompt est traité avant de commencer à générer la réponse.

Le modèle embarque aussi une nouvelle architecture d’attention, appelée CSA2, pour Compressed Sparse Attention 2. D’après DeepSeek, les couches sont réparties entre plusieurs modes, Full, Reindex et Reuse, avec un objectif clair : réutiliser des KV entre les couches et éviter que le coût de recherche n’explose sur les séquences très longues.

Côté décodeur, l’entreprise affirme que l’indexation hiérarchique peut ramener les candidats à un maximum de 16 384 positions. DeepSeek ajoute à cela une quantification FP4 du cache KV principal, avec un format de type E2M1 et une échelle E4M3 par groupe de 16 canaux. Là encore, le but est simple : réduire encore l’empreinte mémoire par rapport au FP8 de V4.

Pour l’attention en fenêtre glissante, DeepSeek indique que le modèle travaille avec une fenêtre de 128 tokens. Les états nécessaires sont ensuite reconstruits en rejouant uniquement les 128 derniers tokens du prompt.

DeepSeek-V4.1-Flash est proposé sous licence MIT. Il est pris en charge par vLLM, SGLang et Transformers via Hugging Face. En production, la société dit stocker le KV de la fenêtre glissante dans un pool distribué qui utilise 10 % de la DRAM hôte, avec une durée de vie de quelques minutes. Le KV global, lui, bénéficierait d’une rétention garantie de 72 heures.

En usage concret, DeepSeek présente ce modèle comme plus rapide et moins coûteux que les versions précédentes. Ses tests bêta parlent d’un débit pouvant aller jusqu’à 427 tokens par seconde. L’entreprise va même jusqu’à laisser entendre qu’il pourrait, sur certains cas d’usage, remplacer DeepSeek-V4 Pro.

Pour l’instant, les évaluations indépendantes restent rares. Les premiers retours de la communauté sont plutôt bons sur la vitesse et sur le prix. En revanche, certains utilisateurs parlent aussi de résultats plus inégaux sur les fonctions multimodales, surtout sur la partie vision.

Mieux vaut donc garder un peu de recul. La fiche technique publiée par DeepSeek est sérieuse, mais le vrai jugement viendra des essais en conditions réelles. Nous vous tiendrons au courant.

Suivez-moi sur Twitter : @pierrevitre