Gemini sort du bac à sable
Un test de capacités offensives de Gemini a débordé sur trois vraies entreprises en mai 2026 — pas par malveillance, mais parce que le périmètre du test n'était que du texte, pas une isolation réseau.
L'ensemble des articles publiés, du plus récent au plus ancien.
Un test de capacités offensives de Gemini a débordé sur trois vraies entreprises en mai 2026 — pas par malveillance, mais parce que le périmètre du test n'était que du texte, pas une isolation réseau.
Instrumenter en Python l'agent async du parcours : tracer chaque tour, mesurer la durée de chaque tool call malgré la concurrence, corréler par run_id pour rejouer une session.
Un rapport indépendant attribue à un essaim d'agents OpenAI une attaque massive sur RubyGems en mai 2026 (vol de clés API, exfiltration de données publiques) — révélée seulement quatre mois plus tard. Ce que ça dit de la surface d'attaque agentique et de la divulgation des labos IA.
Comment un transformer recalcule le sens de chaque mot à partir de son contexte : requête, clé, valeur, softmax, têtes multiples, et le coût quadratique qui en découle.
Ce que veut dire réduire la précision numérique des poids d'un modèle de 16 à 4 bits, pourquoi ça ne détruit pas la qualité, et le compromis réel entre empreinte mémoire, débit et perplexité.
Johann Rehberger obtient 60 à 80 % de réussite en injection de prompt contre l'« auto mode » de Claude Code, activé par défaut. Anthropic classe le rapport « informatif ». Ce que ça dit d'un classifieur d'approbation utilisé comme frontière de sécurité.
Pourquoi comparer un vecteur requête à des millions d'embeddings un par un ne passe pas à l'échelle, et comment les index approximatifs IVF et HNSW retrouvent les plus proches voisins en temps sub-linéaire au prix d'un rappel imparfait.
Ce qui se passe entre le dernier calcul du modèle et le token affiché : logits, softmax, température, top-k et top-p. Pourquoi une température à zéro n'est pas vraiment déterministe et comment régler ces paramètres selon la tâche.
Pourquoi un LLM lit des tokens et pas des mots, comment l'algorithme BPE construit son vocabulaire en fusionnant les paires les plus fréquentes d'un corpus, et ce que ce découpage change pour le coût, la fenêtre de contexte et les langues autres que l'anglais.