journal
Blog
2025-11-21·9 min de lecture
Knowledge Extraction on Semi‑Structured Content : toujours utile pour le Question Answering à l’ère des LLMs ?
Pourquoi l’extraction de connaissances reste clé pour le QA à l’ère des LLM : résultats, gains via triples et apprentissage multi-tâches, conseils RAG.
2025-11-18·8 min de lecture
ReasoningBank : quand un agent arrête (enfin) de répéter ses erreurs
ReasoningBank transforme l’expérience en mémoire de raisonnement: avec MaTTS, les agents apprennent de leurs succès et échecs pour mieux décider, plus vite.
2025-11-16·8 min de lecture
EmbeddingGemma : des représentations texte puissantes… et étonnamment légères
Découvrez EmbeddingGemma, un modèle d’embeddings texte léger et puissant : SOTA, MRL et quantization, avec des usages RAG, recherche sémantique et on-device.
2025-11-11·9 min de lecture
RAG Security & Privacy : formaliser la menace et cartographier la surface d’attaque
Guide clair sur la RAG security : modèle de menace, surface d’attaque, fuites et défenses pour vos systèmes IA, avec exemples concrets.
2025-11-09·9 min de lecture
Brainprint‑Modulated Target Speaker Extraction : quand votre cerveau devient le chef d’orchestre du son
EEG + brainprint personnalisée pour doper la target speaker extraction : BM-TSE isole en temps réel la voix que vous écoutez, plus précis et robuste, vraiment.
2025-11-08·8 min de lecture
Super-Linear : un cocktail de linéaires qui met la gifle aux gros modèles de séries temporelles
Super-Linear, un modèle léger de mixture d’experts linéaires, booste la prévision de séries temporelles : rapide, interprétable et prêt pour la prod, en edge.
2025-11-02·7 min de lecture
Détecter la reine… sans ouvrir la ruche : capteurs « météo » + TinyML au cœur de la colonie
Détection de reine dans les ruches avec TinyML : fusion température-humidité-pression sur microcontrôleur, >99% d'exactitude, edge computing sobre et pratique.
2025-11-01·8 min de lecture
MMORE : faire rentrer 8 000 PDF, 2 000 vidéos et 500 tableurs dans la tête d’un LLM ?
MMORE explique comment ingérer, indexer et interroger des données hétérogènes avec un RAG multimodal open source pour booster la précision des LLM fiables.
2025-10-25·9 min de lecture
UDE : un « foundation model » pour séries temporelles qui voit le temps en 2D
UDE : un « foundation model » pour séries temporelles qui voit le temps en 2D parce que parfois, pour mieux comprendre le temps… il faut le mettre à plat. Pourquoi ce papier m’a accroché Si vous avez…
