Du premier article à votre prochaine soumission

Votre compagnon de recherche scientifique

Comprenez les articles, suivez votre domaine et vérifiez vos références avant de soumettre.

Des résumés par IA, une veille scientifique et des outils conçus pour votre travail de recherche.

Pour commencer, gratuitement

Des outils de recherche prêts à l’emploi

Tous les outils de recherche
  • Résumés

    Les idées clés, les résultats et les limites de n’importe quel article, en 16 langues.

    Sans compte
  • Discuter avec les articles

    Posez une question à un ou plusieurs articles, avec des réponses tirées du texte.

    Sans compte
  • Digest quotidien

    Les nouveaux articles de vos domaines chaque matin, avec des résumés courts.

    Gratuit avec un compte
  • Lettres hebdomadaires

    Chaque semaine, les articles qui comptent dans votre domaine, mis en perspective.

    Sans compte
  • Sujets qui montent

    Les sujets en hausse sur arXiv, bioRxiv et medRxiv, domaine par domaine.

    Sans compte
  • Recherches enregistrées

    Sauvegardez une recherche et recevez ses nouveaux articles par email ou RSS.

    Gratuit avec un compte

Votre prochain rendez-vous avec la science

La recherche à suivre, directement dans votre boîte mail

Découvrez les nouveaux articles avec le digest, puis prenez du recul avec les lettres hebdomadaires. Un domaine, deux formats complémentaires.

Gratuit avec un compte

Commencez avec une sélection de catégories de votre domaine, puis affinez votre digest quand vous le souhaitez.

2. Choisissez vos lectures par email

Vos choix sont conservés pendant votre inscription ou votre connexion. Désinscription à tout moment.

Ce que vous recevrez

Exemples réels et récents du domaine « Intelligence artificielle ».

Digest quotidien Intelligence artificielle
  1. cs.CLContextual Linear Activation Steering of Language ModelsBrandon Hsu, Daniel Beaglehole, Adityanarayanan Radhakrishnan, Mikhail Belkin

    Pour modifier le comportement d’un modèle de langage, on peut ajouter à ses calculs une direction associée à un concept, mais cette méthode applique généralement la même intensité à chaque situation. Les auteurs proposent de faire varier cette intensité selon …

  2. cs.AIWMIP: A Working-Memory-Inspired Programmable Probe of Cumulative State Tracking in Large Language ModelsDengzhe Hou, Lingyu Jiang, Deng Li, Zirui Li, Fangzhou Lin, Kazunori D Yamada

    Les auteurs créent un test qui vérifie si des modèles de langage savent suivre une suite de changements numériques et répondre sur l’état obtenu. Sur 18 modèles, les résultats montrent que réussir un calcul simple ne garantit pas de suivre …

  3. cs.AIOn Discovering Algorithms for Adversarial Imitation LearningShashank Reddy Chirra, Jayden Teoh, Praveen Paruchuri, Pradeep Varakantham

    L’apprentissage par imitation apprend à reproduire les décisions d’un expert, mais les méthodes existantes peuvent être instables. Les auteurs utilisent un processus guidé par un modèle de langage pour découvrir comment convertir les comparaisons entre expert et apprenant en récompenses, …

Chaque jour de semaine, les nouveaux articles de vos catégories, chacun avec un court résumé. Voir un digest complet →

Lettre hebdomadaire Intelligence artificielle · 2 novembre 2026 · 5 min de lecture
Intelligence artificielle cette semaine : ce que les bons scores ne disent pas

Des fonds marins aux robots, ces prépublications interrogent les conditions qui rendent un résultat fiable, transférable et réellement utile.

6 articles mis en perspective

  1. Cartographier la mer sans se laisser tromper par le découpage des données
  2. Un calcul plus exact peut casser un modèle
  3. Le texte généré gagne surtout les marges du Web
  4. Filtrer les vidéos peut changer le mouvement que l’on mesure
Lire toute la lettre →
Les recevoir dans mon domaine

Découvrez les possibilités

Des résultats concrets pour avancer

Aperçus illustratifs fondés sur un article publié. Ouvrez un résumé disponible ou configurez votre veille pour essayer les outils.

01 / Comprendre

Attention Is All You Need

Vaswani et al. · 2017 · arXiv:1706.03762

La question
L’attention seule peut-elle permettre un modèle performant de transformation de séquences ?
L’idée principale
Le Transformer remplace la récurrence et la convolution par l’attention. L’article l’évalue sur des tâches de traduction.
Un point à vérifier
Les résultats sur ces tests ne démontrent pas les performances pour toutes les langues ou toutes les tâches.

Exemple de lecture rédigé à partir de l’abstract. Lire la source ↗

Ouvrir un résumé IA déjà disponible →

02 / Vérifier les références

Une prépublication a été publiée

Votre référence

Vaswani et al., 2017
arXiv:1706.03762

Publication à consulter

Advances in Neural Information Processing Systems 30 (2017)

Consultez la publication et mettez à jour votre bibliographie si nécessaire.

Vérification illustrative, confirmée dans les actes de la conférence. Fiche de publication ↗

Découvrir Bibliography Check → Premium

Pour votre recherche au quotidien

Allez plus loin avec Premium

Tous les outils de recherche
Premium+

Explorer une question de recherche

Posez une question. Obtenez 15 à 30 articles fondateurs et récents, regroupés par approche, avec une synthèse qui les cite.

Revue de littérature

Partir d’une question
Premium

Surveiller les travaux proches

Décrivez votre projet. Recevez un email lorsque de nouveaux articles arXiv, bioRxiv ou medRxiv recoupent vos travaux.

Scoop Watch

Découvrir Scoop Watch

Vérifiez votre bibliographie, trouvez les travaux proches absents de votre manuscrit et surveillez les publications liées à votre projet.

  • Scoop Watch et une veille classée selon votre recherche
  • Notre modèle le plus performant, sans limite quotidienne de résumés
Devise de facturation

9 $ US / mois

Voir les outils Premium

Résiliable à tout moment en un clic
Paiements gérés par Stripe

Ancré dans la littérature scientifique

Des articles scientifiques, avec leurs sources

arXiv · Revues via DOI · bioRxiv · medRxiv · HAL · OSF · PubMed

Lorsque la licence le permet, les résumés s’appuient sur le texte intégral. Sinon, ils utilisent l’abstract et le précisent. L’IA est un point de départ : consultez l’article original pour vos décisions de recherche.