OpenAI lance GPT-Rosalind : premier LLM vertical dédié aux sciences de la vie
OpenAI déploie GPT-Rosalind, un modèle spécialisé combinant les capacités agentiques de GPT-5.5 avec une expertise en chimie médicinale, génomique et découverte de médicaments, disponible via Amazon Bedrock avec des plugins bioinformatiques intégrés, accompagné d'une initiative de biodéfense.
La verticalisation des grands modèles par secteur, après le droit et la finance, touche désormais les sciences de la vie, ce qui impose aux formations scientifiques et médicales d'intégrer ces outils spécialisés dans leurs cursus de recherche et d'enseignement. Les laboratoires universitaires en biologie et pharmacologie doivent anticiper une évolution de leurs méthodes de découverte et de validation scientifique. Cela pose aussi la question de la souveraineté des données de santé confiées à des modèles propriétaires étrangers.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Google Gemini Omni Flash arrive dans l’API, la génération vidéo conversationnelle entre en production
Disponible depuis le 2 juillet via Google AI Studio et l'API Gemini, Gemini Omni Flash accepte texte, images, audio et vidéo en entrée et peut générer ou éditer des vidéos à partir d'instructions en langage naturel, avec synchronisation audio native grâce à Veo 3. Le tarif annoncé est de 0,10 dollar par seconde de vidéo générée.
Les grandes labs recrutent des philosophes pour savoir si leurs IA peuvent souffrir
Anthropic, Google DeepMind et Meta ont constitué des équipes de philosophes, neuroscientifiques et spécialistes du bien être pour étudier une éventuelle conscience de leurs modèles. Dario Amodei affirme que Claude montre des signes d'anxiété, tandis que DeepMind a recruté le philosophe Henry Shevlin sur ce sujet.
Google DeepMind publie "From AGI to ASI" : quatre trajectoires officielles vers la superintelligence
Dans un article publié sur arXiv, Google DeepMind formalise le passage conceptuel de l'AGI à l'ASI et identifie quatre trajectoires possibles : le scaling, les ruptures algorithmiques, l'auto amélioration récursive et la formation de collectifs d'agents.