DeepSeek v4.1, Suno v6 : Cette semaine dans l’actualité IA

Certaines semaines en IA sont progressives. Ce n’était pas l’une d’elles. En l’espace de quelques jours, un système d’IA a aidé à résoudre un problème vieux de 90 ans du Millennium Prize, Google DeepMind a publié une carte de toutes les mutations possibles d’une seule lettre dans le génome humain, DeepSeek a rendu l’inférence de frontière beaucoup moins coûteuse, et Suno ainsi qu’un challenger de recherche ont tous deux réécrit ce que la musique IA peut faire.

Un récent résumé d’actualités sur l’IA a passé en revue plus de vingt versions en une seule session. Nous avons sélectionné les sources primaires et analysé celles qui comptent réellement — pour les chercheurs, les développeurs, et tous ceux qui décident où iront les dépenses en IA.

Points clés

• Le modèle interne d’OpenAI a produit une solution au problème du prix du millénaire Navier–Stokes — un essaim de ~10 000 agents a fonctionné pendant 88 heures, échangé 2,7 millions de messages et brûlé ~130 milliards de jetons de sortie pour prouver qu’un fluide lisse peut développer une singularité en temps fini. La démonstration a été formalisée dans Lean.
• AlphaGenome Atlas prédit l’effet de tous les ~9 milliards de variantes nucléotides simples possibles dans l’ADN humain — un jeu de données précalculé d’un pétaoctet avec un seul « score AVI » pour la priorisation des variantes.
• DeepSeek-V4.1-Flash est un MoE à 552B paramètres avec seulement 8B de paramètres d’entrée active / 16B de sortie active — battant DeepSeek-V4-Pro tout en réduisant le cache KV à 1/4 de l’HBM et 1/8 de l’empreinte SSD. V4-Pro est en cours de retrait dans ce système.
• L’IA Incarnée a connu une semaine de réaction : L’Isaac 0.5 open source de Perceptron a montré que l’extension de la vidéo générale à 1 million d’heures fait chuter les besoins en téléopération de ~5 900 à 28 heures — et Unitree a livré un modèle humanoïde 6B à corps entier.
• La musique IA est désormais une course frontière à deux : Suno v6 a livré trois modèles partenaires de l’industrie, tandis que le système de recherche ouvert YuE2 a devancé Suno v5 sur SongBench — avec une partition symbolique modifiable sous chaque chanson.

Le titre : L’IA vient d’aider à déchiffrer Navier–Stokes

Les équations de Navier–Stokes régissent le déplacement des fluides — modèles météorologiques, conception d’avions, circulation sanguine. Depuis 1934, nous savons que des solutions existent de manière générale ; la question de savoir si le mouvement fluide en 3D lisse peut se décomposer est restée ouverte pendant environ 90 ans, et en 2000, le Clay Mathematics Institute en a fait l’un des sept problèmes du Prix du Millénaire.

Le système interne d’OpenAI — un modèle qu’ils décrivent comme nettement plus performant que GPT-6 Astra, encore en formation — a produit une preuve analytique ainsi qu’une formalisation Lean montrant qu’un fluide initialement lisse peut développer une singularité dans un temps fini : un vortex qui spirale vers l’intérieur, s’allongeant comme des spaghettis tandis que son énergie reste finie. Cela résout les variantes « C » et « D » de l’énoncé officiel du problème — une réfutation de la lissure universelle.

Un vortex lisse qui spirale vers l’intérieur et s’étire — la géométrie de la singularité de Navier–Stokes.

La façon dont elle a été trouvée compte autant que le résultat :

• Le 1er septembre, OpenAI a dirigé des groupes d’agents coordinateurs pour chaque problème ouvert du Millennium Prize.
• ~10 000 agents concurrents travaillaient spécifiquement sur Navier–Stokes ; pour tous les problèmes, le système envoyait 4,9 millions de messages et utilisait ~300 milliards de jetons de sortie.
• Les agents sont arrivés à la résolution en ~88 heures ; La formalisation et la vérification Lean ont pris 17 heures supplémentaires via GPT-6 Astra.
• En prévision, ~100 agents ont résolu le problème de régularité d’Euler non forcée en environ 50 heures — un résultat qu’OpenAI n’avait pas demandé.

OpenAI précise clairement qu’il n’a pas l’intention de revendiquer le Prix du Millénaire — il s’agit d’un rapport d’avancement sur la capacité du modèle. Mais la méta-leçon est difficile à manquer : les essaims d’agents à l’échelle de 10 000 agents sont désormais un véritable instrument de découverte mathématique, et des travaux humains simultanés (la résolution forcée d’Euler d’Alpöge et Buckmaster) suggèrent que le domaine était déjà proche.

AlphaGenome Atlas : toutes les mutations possibles, pré-calculées

Seuls ~2 % du génome humain code pour des protéines ; les 98 % restants ont été largement opaques. L’AlphaGenome Atlas de Google DeepMind utilise le modèle AlphaGenome pour pré-calculer l’impact réglementaire des 9 milliards de variantes mononucléotides possibles — un jeu de données d’un pétaoctet que les chercheurs peuvent interroger au lieu de lancer de nouvelles expériences.

L’Atlas introduit le score d’impact du variant AlphaGenome (AVI), un chiffre unique combinant des prédictions entre régions codantes et non codantes. Premiers résultats : le Broad Institute a utilisé des scores AVI pour aider à résoudre un cas non résolu de maladie rare (un variant critique du site de splice dans le gène DNM1), et une analyse UK Biobank de 54 000+ participants a révélé 22 % d’associations génétiques non codantes en plus que les méthodes standards.

Pour la découverte de médicaments et la recherche sur les maladies rares, cela modifie l’économie de la première étape : au lieu de « lequel des millions de variants pourrait compter », les chercheurs partent d’une liste classée.

DeepSeek-V4.1-Flash : la frontière bon marché est devenue plus abordable

La nouvelle sortie de DeepSeek est le plus petit modèle de sa nouvelle famille d’architectures — et elle retire l’ancien modèle phare :

• MoE à 552B paramètres avec une nouvelle architecture Encodeur-Décodeur Causal : seulement 8B paramètres actifs pour l’entrée, 16B pour la sortie.
• Des benchmarks en avance sur les modèles phares comme DeepSeek-V4-Pro — qui est en cours d’abandon : à partir du 14 septembre, toutes les requêtes API deepseek-v4-pro seront acheminées vers la V4.1-Flash à des débits V4.1-Flash.
• Le cache KV nécessite seulement 1/4 du stockage HBM et 1/8 du SSD de la génération précédente — une réduction directe des charges cache-hit qui dominent les charges de travail des agents.
• Le support multimodal natif est actif sur l’API deepseek-flash, avec des tarifs de pointe/hors pointe (hors pointe à 50 %) et un support d’inférence open source promis.

Empreinte du cache KV, génération précédente vs V4.1-Flash. Source : DeepSeek, septembre 2026.

Pour quiconque dirige des pipelines d’agents, voici la nouvelle la plus pratique de la semaine : le plancher de coût de l’inférence de classe frontière vient de bouger à nouveau.

La semaine de l’IA incarnée : modèles de fondation ouverte et une loi de mise à l’échelle

Isaac 0.5 (Perceptron) — un modèle open source clairsemé de 36 Ko paramètres couvrant la compréhension vidéo, le raisonnement incarné et le contrôle robotisé — est arrivé avec des points de contrôle, du code d’entraînement et du code d’inférence via LeRobot. Entraîné sur 35+ systèmes robotiques, 100 000 heures d’expérience robotique, 1 million d’heures vidéo et 3 T tokens. La conclusion principale est une loi d’échelisation échangeant vidéo générale contre des données de téléopération : pour atteindre la même perte d’action calibrée, un modèle entraîné sur 1 000 heures de vidéo nécessite ~ 900 heures de téléop — un modèle entraîné sur 1 million d’heures en nécessite 28.

La loi d’échelle Isaac 0.5 : données vidéo bon marché qui remplacent la téléopération coûteuse. Source : Perceptron.

Autour, une pile de sorties secondaires :

• UnifoLM-WLA-1.0 (Unitree) — un modèle vision-langage-action 6B coordonnant 64 tâches corporelles sur des pinces et des mains habiles à cinq doigts, entraîné sur ~2 500 heures de données réelles de robots ; son modèle de raisonnement compagnon mène des entrées open source sur sept benchmarks incarnés.
• UMR — reciblage de mouvement unifié humain-humanoïde via la correspondance nuage de points apprise, abandonnant les mappages de points clés fabriqués à la main qui rendaient le reciblage spécifique aux robots.
• Show-Harness (NUS Show Lab) — permet aux VLM de frontière de « jouer » aux robots sans aucun coup à travers un petit vocabulaire sémantique d’action (MV_LEFT, GRASP, DONE), et adapte de petits VLM ouverts pour un contrôle 12–33 Hz avec quelques heures GPU d’ajustement fin.
• LingBot-World-Infinity (Robbyant d’Ant Group) — un modèle de monde explorable qui reste cohérent pendant des heures, permet la direction multi-utilisateurs (un joueur, un « réalisateur »), et cible une simulation incarnée au-delà des scènes de type jeu.

Médias génératifs : profondeur, squelettes et déconstruction de la scène

• Marigold v2 (Huawei/Bayer Lab) — revisite les transformateurs de diffusion pour l’estimation de la profondeur monoculaire, avec une démo en direct de Hugging Face.
• UniMate — un transformateur de diffusion unifié qui anime des squelettes arbitraires à partir d’un asset 3D riggé et d’une invite texte — bipèdes, quadrupèdes, serpents, même des objets rigides articulés — avec montage zéro-plan, entre-deux et expansion de mouvement, entraînés sur le nouveau jeu de données UniML3D.
• WorldSculpt (Alaya Lab / U. Tokyo) — reconstruit des scènes encombrées de centaines d’objets en maillages complets par objet — chaque élément modifiable indépendamment — et peut mesifier des mondes 3D générés comme le Marbre de World Labs.
• Fire3D (UIUC/Cornell) — reconstitution de scène en avance en moins d’une minute à partir d’une photo non segmentée ou d’une vidéo informelle : il prédit le nombre d’objets, les masques et les poses 6-DoF, puis produit des éléments texturés prêts pour la simulation.

Le fil conducteur : le pipeline des « pixels » vers les « assets 3D modifiables » s’est replié d’une chaîne d’outils en modèles uniques.

Musique et discours : Suno v6 affronte un challenger ouvert

Suno v6 propose trois modèles fabriqués avec Warner Music Group, BMG et Believe : v6 (flagship, Pro/Premier), v6-wild (exploration) et v6-mini (version gratuite). De nouvelles fonctionnalités incluent le montage d’une partie d’une chanson en langage simple (« changer le refrain pour qu’il soit chanté par une chorale gospel »), des mashups multi-sources, un échantillonnage d’un riff dans un nouveau beat, des mises à jour de paroles uniques, et la création à partir de texte, audio, images ou vidéo. Les modèles précédents sont retirés à mesure que la v6 arrive — et Suno développe des expériences payantes par les artistes en plus.

YuE2 suit une autre voie : composer en symboles, jouer en audio. Le modèle du ~3,59B permet d’écrire d’abord une partition éditable — mélodie, rythme, accords que vous pouvez inspecter et modifier — puis rend l’audio complet de la chanson avec des voix. Sur WildSongBench, YuE2 (meilleur des 8) a obtenu 6,9632 contre 6,8721 pour Suno v5 sur SongBench. Il prend en charge la création, les reprises et l’édition interactive conversationnelle — et c’est une publication de recherche, pas un jardin clos.

SongBench signifie sur WildSongBench (192 prompts). Source : page du projet YuE2, évaluation de septembre 2026.

AuK complète l’audio : un modèle de base open source 1,5B où une instruction en langage naturel pilote la génération et l’édition de la voix — entraînée sur ~1,95 million d’heures de supervision réparties sur cinq familles de tâches. Son frère distillé, AuK-Flash, exécute une inférence en 4 étapes à une vitesse murale de 4,5 ×. Le code et les poids sont publiés.

Également sur le radar

• ChatGPT pour les services financiers (OpenAI) — une expérience professionnelle personnalisée ChatGPT construite avec Morgan Stanley et Evercore : GPT-6 Astra ainsi que des données intégrées Daloopa, PitchBook, LSEG News et Crunchbase avec des citations détaillées vers les tables sources.
• MiniCPM5-2B (OpenBMB) — un modèle dense 2B intégré à l’appareil atteignant un SOTA open source de classe 2B (LiveCodeBench v6 : 69.1) avec une fenêtre contextuelle de 131K et la publication complète de ses ensembles de données d’entraînement UltraData.
• Edge0 — un cadre d’inférence MoE en streaming open source (offload expert SSD, Recover-LoRA, prédiction du prérouteur) plus un modèle de prévisualisation 35B-A3B — une nouvelle poussée pour faire tourner de gros MoEs sur du matériel modeste.
• RealSWE (Spécifique) — un benchmark de modèles frontières sur des bases de code de production privées sous licence avec des faisceaux natifs : 8 configurations modèle/faisceau, 10 tâches, 640 déploiements notés. Correction nécessaire aux benchmarks construits sur des problèmes publics sur GitHub.

Ce que cela signifie

Deux schémas se relient cette semaine. Premièrement, l’ère des agents consomme elle-même la recherche : le résultat de Navier–Stokes n’était pas un modèle répondant à une consigne — c’était ~10 000 agents coordonnés faisant 88 heures de calculs. Deuxièmement, l’efficacité s’accumule : DeepSeek coupant le cache KV 4–8×, Edge0 diffusant des experts MoE sur les SSD, Isaac échangeant la téléopposition contre la vidéo, MiniCPM5 atteignant SOTA à 2B — le coût de la capacité Frontier tombe sur tous les axes à la fois.

Pour les équipes qui développent des produits sur cette pile, la fenêtre entre « résultat de recherche » et « fonctionnalité API » se mesure désormais en jours. La question pratique n’est pas de savoir si ces capacités atteignent la production — c’est de savoir si votre architecture peut les absorber quand elles le feront.

Sources

• Vidéo de résumé des actualités IA — Recherche IA
• OpenAI : Sur le problème du prix du millénaire Navier–Stokes
• Google DeepMind : présentation d’AlphaGenome Atlas
• DeepSeek : Présentation de DeepSeek-V4.1-Flash
• Perceptron : Présentation d’Isaac 0.5
• Suno : Présentation de la v6
• YuE2 : Musique de frontière avec planification symbolique
• AuK : modèle fondamental open source pour la génération et l’édition de la parole
• OpenAI : ChatGPT pour les services financiers
• MiniCPM5-2B sur Hugging Face
• UniMate · WorldSculpt · Fire3D · Show-Harness · UMR · UnifoLM-WLA-1.0 · LingBot Monde 2 · Edge0 · RealSWE · Démo Marigold v2

• AI news
• DeepSeek V4.1-Flash
• AlphaGenome Atlas
• Navier-Stokes
• OpenAI
• Suno v6
• YuE2
• Isaac 0.5
• humanoid robots
• AI music
• AI automation
• business automation