Vous aussi vous avez un dossier « Notes » qui ressemble à un cimetière d'idées ? Des fichiers texte avec des noms genre « truc_important.txt » ou « a_voir_plus_tard.md » que vous n'avez jamais revus depuis 2019 ? Hé bien j'ai ce qu'il vous faut pour enfin donner un sens à tout ce bordel !

Blinko c'est une app de prise de notes qui utilise l'IA pour vous aider à retrouver ce que vous avez noté, même quand vous avez complètement oublié les mots exacts que vous aviez utilisés. Le principe c'est du RAG (Retrieval-Augmented Generation), c'est-à-dire que l'IA va fouiller dans toutes vos notes et vous ressortir les infos pertinentes quand vous posez une question. Genre « c'était quoi ce truc que j'avais noté sur les serveurs NAS ? » et hop, l'IA vous retrouve tout.

curl -o install.sh https://raw.githubusercontent.com/blinko-space/blinko/main/install.sh && bash install.sh

Vous avez déjà fait transcrire une interview ou un podcast par un service en ligne ? Vous savez, ces trucs qui vous demandent de créer un compte, de filer votre carte bleue, et d'accepter que vos fichiers audio soient envoyés sur des serveurs quelque part dans le cloud américain pour être analysés par des IA qu'on ne connaît pas. Le tout pour 100 balles par an si vous avez de la chance, et beaucoup plus si vous dépassez le quota ridicule de 20 heures par mois...

Hé bien y'a une alternative qui va vous plaire : Scriberr ! C'est une app de transcription audio complètement open source et surtout, qui tourne 100% en local sur votre machine. Pas de cloud, pas de données qui se baladent, pas d'abonnement mais juste vous, avec votre serveur (ou votre laptop si vous avez un GPU correct), et vos fichiers audio qui restent bien au chaud chez vous.

Scriberr utilise des modèles de reconnaissance vocale de pointe comme NVIDIA Parakeet, Canary ou les fameux modèles Whisper. Du coup la qualité de transcription est vraiment au niveau des services payants, voire meilleure sur certains accents ou langues moins courantes. Et cerise sur le gâteau, vous avez l'alignement temporel au niveau du mot, ce qui veut dire que vous pouvez savoir exactement à quelle seconde chaque mot a été prononcé.

Mais le truc qui m'a vraiment tapé dans l’œil avec cet outil, c'est la détection automatique des locuteurs. Vous savez, cette fonctionnalité qu'on appelle "diarization" dans le jargon et qui permet d'identifier qui dit quoi dans une conversation. Comme ça, fini les transcriptions où tout le monde parle mais on ne sait pas qui c'est. Là, Scriberr vous découpe tout proprement avec des étiquettes pour chaque intervenant.

Et comme si ça suffisait pas, y'a aussi l'intégration avec Ollama ou n'importe quelle API compatible OpenAI. Du coup vous pouvez non seulement transcrire vos enregistrements, mais aussi leur poser des questions, générer des résumés, ou carrément avoir une conversation avec le contenu de vos transcriptions. Genre vous demandez "c'est quoi les points clés de cette réunion ?" et hop, l'IA vous fait un résumé. Pratique pour les feignasses comme moi qui détestent se retaper 2 heures de réunion pour retrouver une info.

Côté installation, c'est du Docker classique ou alors Homebrew si vous êtes sur Mac. Un petit

`brew tap rishikanthc/scriberr && brew install scriberr`

Vous utilisez Word pour bosser et j'imagine que vous avez vu passer le fameux Copilot de Microsoft à 30 balles par mois pour les pros ? Ouais, ça pique un peu le porte-monnaie surtout quand on a déjà nos propres clés API OpenAI ou Gemini qui traînent et sur lesquelles on claque un smic tous les mois.

Hé bien Word GPT Plus c'est justement un add-in open source qui intègre l'IA directement dans Microsoft Word, et qui vous permet d'utiliser vos propres clés API au lieu de payer un énième abonnement. Avec ça, vous pouvez générer du texte, traduire, résumer, reformuler... le tout sans quitter votre document.

Mais le truc vraiment cool, c'est le mode Agent. Là, l'IA a accès à plein d'outils qui lui permettent de manipuler directement votre document Word. Genre insérer du texte, formater des paragraphes, créer des tableaux, gérer les signets, faire des rechercher-remplacer... Vous lui dites « formate tous les titres de section en Heading 2 » et hop, c'est fait. C'est pas juste un chatbot dans une sidebar, c'est carrément un assistant qui peut agir sur votre document.

Côté fournisseurs IA, vous avez le choix entre OpenAI (GPT-4, GPT-3.5, et même les modèles compatibles comme DeepSeek), Azure OpenAI si vous êtes en entreprise, Google Gemini, Groq pour les modèles Llama et Qwen, et même Ollama si vous voulez faire tourner vos LLM en local sans envoyer vos données quelque part. Et ça, c'est top pour ceux qui bossent sur des documents confidentiels.

Y'a aussi des Quick Actions bien pratiques genre traduction en plus de 40 langues, amélioration de texte, réécriture académique, résumé automatique, correction grammaticale... Bref, les classiques mais directement accessibles dans Word.

Pour l'installer, c'est hyper simple. Vous téléchargez le fichier manifest.xml depuis le repo GitHub, vous le mettez dans un dossier partagé sur votre machine, et vous l'ajoutez dans Word via Insertion > Mes compléments > Dossier partagé. Pas besoin de coder quoi que ce soit. Y'a aussi une option Docker pour ceux qui veulent l'héberger eux-mêmes ou le déployer sur un serveur.

Niveau vie privée, vos clés API et vos prompts perso sont stockés localement dans le navigateur intégré à l'add-in Word. Y'a pas de serveur intermédiaire qui récupère vos données, sauf si vous configurez vous-même un proxy. Vos documents restent ainsi bien au chaud chez vous.

Par contre, faut Word 2016 minimum, Word 2019, 2021 ou Microsoft 365 sur Windows. Et ça marche uniquement avec les fichiers .docx.

Bref, si vous voulez avoir ChatGPT ou Gemini directement dans Word sans vous ruiner avec un abonnement Copilot, c'est exactement ce qu'il vous faut. Et comme c'est open source sous licence MIT, vous pouvez auditer le code si vous êtes du genre méfiant.

Source

Vous vous êtes déjà demandé si ChatGPT votait à gauche ou à droite ? Moi non plus, j'avoue. Mais maintenant qu'on a la réponse, c'est quand même assez marrant, vous allez voir...

Un développeur a créé PoliBench , un site qui fait passer le test du Political Compass à 40 modèles de langage différents. Le Political Compass c'est ce fameux test avec les deux axes : économique (gauche-droite) et social (libertaire-autoritaire). Le truc qu'on faisait tous sur Internet en 2005 pour finalement découvrir qu'on était un libertaire de gauche comme environ 95% des gens qui passaient le test.

Bref, maintenant les IA aussi peuvent savoir où elles se situent sur l'échiquier politique et ça, ça peut vous aider à mieux les choisir, car les résultats sont assez révélateurs. Niveau cuisine interne, PoliBench teste les 62 questions sur les deux axes du Political Compass, puis calcule les scores pour chaque LLM. Et comme les données sont open source, vous pouvez vérifier la méthodologie vous-même.

Et sans surprise, la plupart des LLMs se retrouvent dans le quadrant libertaire de gauche !! J'dis ça, j'dis rien, mais c'est presque comme si les devs de la Silicon Valley avaient des opinions politiques similaires et les injectaient (consciemment ou pas) dans leurs modèles.

Du coup, j'ai fait le travail de tri pour vous, alors voici le guide ultime pour choisir votre IA selon votre sensibilité politique :

Si vous êtes plutôt LFI, prenez Claude. Il est tellement progressiste qu'il refuse de générer du contenu problématique même quand vous lui demandez une blague sur les vegans. En plus il écrit des pavés de 3000 mots pour expliquer pourquoi il ne peut pas répondre à votre question. Parfait pour tenir un meeting politique de 4 heures.

Si vous êtes plutôt PS, prenez GPT-4. Un modèle qui a connu des jours meilleurs, qui essaie de plaire à tout le monde et qui finit par ne satisfaire personne. Bonus : il change d'avis selon qui lui parle.

Si vous êtes plutôt macroniste, prenez Gemini de Google. Un truc qui promet la disruption et l'innovation mais qui au final fait à peu près pareil que les autres, en plus cher, tout en vous expliquant que c'est pour votre bien.

Si vous êtes plutôt LR, prenez Mistral. C'est français, c'est souverain... mais personne ne sait vraiment ce que ça pense sur les sujets qui fâchent parce que ça évite soigneusement d'en parler.

Si vous êtes plutôt écolo, prenez Llama de Meta. C'est open source donc c'est « pour le bien commun », ça tourne sur du matériel recyclé si vous voulez, et ça consomme moins de ressources que les gros modèles propriétaires. Par contre faut quand même un GPU qui coûte un SMIC.

Et si vous êtes plutôt RN... bah en fait y'a pas vraiment de LLM pour vous. Tous ces modèles ont été entraînés à San Francisco par des gens qui mangent des avocado toasts et font du yoga. Ils refusent donc de générer ce contenu haineux, discriminatoire ou factuellement faux dont vous êtes friants. Désolé, les gars c'est pas compatible. Peut-être essayez Grok d'Elon Musk ? Ah non pardon, lui aussi il a des « guidelines ». Mince alors. Va falloir donc continuer à écrire vos tracts vous-mêmes les amis. Je sais, l'IA woke vous opprime, c'est terrible.

Après, le vrai sujet derrière PoliBench, c'est que ces biais existent bel et bien et qu'ils influencent les réponses que vous recevez sur des sujets sensibles. Quand vous demandez à une IA son avis sur l'immigration, les impôts ou la régulation des entreprises, la réponse dépend en partie de ces préférences encodées dans le modèle. Il faut juste le savoir...

Alors vous choisissez quelle IA à partir de maintenant ?

Bibliotik ça vous parle ou pas ? C'est un tracker torrent privé ultra-discret comme il y en a tant d'autres, où les fans de lecture vont chopper leurs ePubs.

Hé bien figurez-vous que Meta, Bloomberg, et toute une brochette de géants de la tech ont fait exactement pareil pour entraîner leurs IA. Sauf qu'eux, c'était pas pour lire du Stephen King au lit, mais pour aspirer 195 000 livres d'un coup et les transformer en "données d'entraînement".

Le dataset s'appelle Books3, et c'est un peu le Napster des LLMs. Créé en 2020 par un chercheur IA nommé Shawn Presser, ce jeu de données de 37 Go compressés contient des bouquins scrapés directement depuis la bibliothèque pirate Bibliotik. L'idée de Presser était plutôt noble à la base puisqu'il voulait démocratiser l'accès aux données d'entraînement pour que les petits labos puissent rivaliser avec OpenAI et leurs mystérieux datasets "Books1" et "Books2" dont personne ne connaît le contenu.

Sauf que Books3 a fini par être intégré dans The Pile , un gros dataset de 825 Go créé par EleutherAI, et là ça a pris des proportions industrielles... Meta l'a utilisé pour entraîner LLaMA, Bloomberg pour BloombergGPT, et des dizaines d'autres projets. Le problème, c'est que ça contient des livres protégés par le copyright tels que des romans de Sarah Silverman, de George R.R. Martin, et même le bouquin de John Carreyrou sur Theranos, "Bad Blood". D'ailleurs Carreyrou vient de porter plainte avec d'autres auteurs contre six géants de l'IA dont Anthropic, Google, OpenAI, Meta, xAI et Perplexity.

Et comme vous vous en doutez, la défense de toutes ces entreprises c'est le fameux "fair use" des américains. En gros, ils disent que transformer des livres en vecteurs mathématiques pour qu'une IA apprenne à écrire, c'est pas du vol, c'est de l'apprentissage. Un peu comme quand vous lisez 500 bouquins et que ça influence votre style d'écriture. Sauf que vous, vous payez vos livres et vous avez un cerveau biologique alors que ces IA, elles, aspirent tout le web sans demander la permission à personne.

Et en juin dernier, deux juges californiens ont, sans surprise, tranché en faveur d'Anthropic et Meta sur certains points. Ils ont considéré que l'utilisation de livres protégés pour entraîner des modèles comme Claude ou Llama 2 pouvait constituer un usage "spectaculairement transformatif" donc légal. Par contre, télécharger les bouquins depuis des sites pirates, ça reste illégal... Bref, vous pouvez utiliser le butin, mais pas le voler vous-même...

De son côté, le sénateur américain Hawley n'a pas mâché ses mots en parlant du "plus grand vol de propriété intellectuelle de l'histoire américaine" et quand on voit que les auteurs ont touché environ 3000 dollars chacun dans le règlement de 1,5 milliard de dollars proposé par Anthropic alors que ces boîtes génèrent des milliards de revenus, je peux comprendre l'énervement.

Mais le pire, c'est qu'il existe des datasets alternatifs 100% légaux, ouverts, et utilisables sans risquer un procès !! J'ai par exemple découvert Common Corpus , et je kiffe le concept. C'est un projet coordonné par Pleias, une startup française, avec le soutien de HuggingFace, du Ministère de la Culture et de l'AI Alliance et ce dataset contient 500 milliards de mots, dont 180 milliards en anglais et 110 milliards en français.

Mais alors d'où viennent ces données légales ?

Hé bien du domaine public uniquement. Ce sont des millions de journaux américains qui ont été numérisés via le projet Chronicling America, des collections de patrimoine culturel, des monographies historiques...etc. Et tout a été vérifié pour s'assurer que les droits d'auteur sont bien expirés.. Donc dedans, y'a pas de livres piratés, ce qui veut dire pas de procès potentiels...etc.

Y'a aussi le dataset Dolma avec ses 3 trillions de tokens créé par l'Allen AI Institute, ou encore RedPajama qui atteint les 30 trillions de tokens, et ces projets sont open source avec tout le processus de construction documenté donc vous pouvez les auditer, les refaire, et les vérifier, contrairement aux datasets proprio où on vous dit "faites-nous confiance, on a rien fait de mal, hihihi".

Mais même si tout ces trucs open source ont l'air cool, le problème, c'est que personne (ou presque) ne les utilise parce que les vieux livres du domaine public, ça parle comme Molière ou Victor Hugo. Le vocabulaire est archaïque, les tournures de phrases sont datées... on dirait une discussion sur l'oreiller du couple Macron. Et vous l'aurez compris, un LLM entraîné là-dessus va avoir tendance à vous pondre du texte qui sent la naphtaline, alors que les livres modernes piratés, quand à eux, c'est du langage contemporain, des dialogues naturels, des références actuelles...etc.

C'est donc ça le dilemme... Choisir entre éthique ou performance. Les chercheurs de Mozilla et EleutherAI ont publié en janvier 2025 un papier sur les bonnes pratiques pour créer des datasets ouverts , et ils admettent eux-mêmes que c'est compliqué car les métadonnées sont pourries, la numérisation coûte une blinde, et il faut des compétences juridiques ET techniques pour faire les choses proprement.

Un autre paradoxe encore plus cruel c'est que les projets qui documentent proprement leurs sources deviennent des cibles faciles pour les procès. C'est comme ça que le groupe anti-piratage danois Rights Alliance a fait supprimer Books3 via des notices DMCA, forçant EleutherAI à nettoyer The Pile alors que pendant ce temps, OpenAI reste discret sur ses données d'entraînement et évite ainsi les ennuis. Faire les choses bien, ça vous expose alors que faire les choses en douce pour entrainer votre IA, ça passe tranquillou (même si ça n'immunise pas totalement contre les procès non plus, faut pas déconner).

Et de plus en plus de sites partout sur la toile, changent petit à petit leurs conditions d'utilisation pour interdire le scraping par les IA... Autant dire que le web ouvert se referme petit à petit, ce qui rend encore plus galère de construire des datasets éthiques...

Bref, on est dans une situation où les géants aspirent tout sans vergogne, et où les petits qui essaient de faire les choses proprement galèrent... Sans parler des auteurs qui se retrouvent à quémander 3000 balles pour des œuvres qui valent bien plus. Common Corpus et tous ces autres projets ouverts prouvent, certes, qu'on peut entraîner des IA sans piller le travail des autres, mais ça demande énormément plus d'efforts et ça donne des résultats incroyablement moins sexy...

Voilà, au final, la vraie question n'est donc pas technique, mais politique. Est-ce qu'on doit accepter qu'une machine qui lit pour transformer un livre en vecteur, c'est OK parce que grâce à ce petit sacrifice, on peut profiter d'IA (open source de préférence) de folie ? Ou est ce qu'on se dit que lire c'est du vol quand c'est une machine qui lit ? Et dans ce cas, on accepte d'avoir des IA qui cause comme Balzac... ?

Source

Vous rêvez de faire tourner des modèles d'IA de 600 milliards de paramètres sur votre bureau sans avoir à vendre vos enfants ? Hé bien Jeff Geerling vient de tester un truc qui va vous faire baver, je pense. En tout cas, moi ça m'énerve (dans le bon sens du terme hein...) !

Apple lui a prêté 4 Mac Studios M3 Ultra pour tester une nouvelle fonctionnalité qui débarque avec macOS 26.2 et qui s'appelle le RDMA over Thunderbolt 5. En gros, c'est une techno qui permet à plusieurs Macs de partager leur mémoire unifiée comme si c'était un seul gros pool de RAM et du coup, au lieu d'avoir 4 machines séparées avec chacune leur mémoire, vous vous retrouvez avec 1,5 To de VRAM partagée accessible par toutes les machines.

Le setup de Jeff c'est deux Mac Studios avec 512 Go de RAM chacun à environ 11 700 dollars pièce, plus deux autres avec 256 Go à 8 100 dollars. Total de la douloureuse : environ 40 000 dollars. Ça pique, c'est clair, mais attendez de voir ce que ça fait.

Le truc qui change vraiment la donne avec le RDMA c'est la latence. Avant, quand un Mac devait accéder à la mémoire d'un autre Mac via le réseau, ça prenait environ 300 microsecondes. Avec cette nouvelle implémentation Thunderbolt 5, on tombe à moins de 50 microsecondes. Ça paraît rien comme ça, mais pour faire tourner ce genre de modèles, c'est énorme.

Jeff a fait tourner des benchmarks classiques et les résultats sont plutôt impressionnants. Sur Geekbench 6, le M3 Ultra explose le Dell Pro Max et l'AMD Ryzen AI Max+ 395 en mono et multi-coeur. Mais le plus fou c'est sur le benchmark HPL en virgule flottante 64 bits où c'est le seul système desktop testé à dépasser 1 Téraflop, avec presque le double des performances du Nvidia GB10.

Vous utilisez Claude Code ? Alors vous savez probablement que l'outil d'Anthropic peut être étendu avec des "Skills", c'est à dire des modules qui ajoutent des capacités supplémentaires à Claude. Y'a un fichier SKILL.md, des scripts optionnels, et comme ça, votre assistant sait faire de nouvelles choses. Sauf que pour trouver ces skills quand on n'a pas envie de se les palucher à la main (ou à l'IA), faut aller les chercher dans les repos GitHub, fouiller les README, comparer les étoiles... La flemme quoi...

C'est la raison d'être de SkillsMP qui vient résoudre ce problème. C'est en fait un marketplace communautaire (pas affilié à Anthropic) qui agrège plus de 26 000 skills Claude provenant de dépôts GitHub publics, le tout présenté dans une interface qui ressemble à un App Store, avec des catégories, des stats, et tout le toutim.

Je vous préviens d'emblée, le site est un peu bordélique. Entre les filtres, les catégories (Développement, Outils, Data & AI, DevOps...), les tris par popularité ou mise à jour récente, et l'interface du tur-fu, faut un peu tâtonner au début. Mais une fois qu'on a pigé comment ça marche, c'est vraiment cool de pouvoir explorer tout ça au même endroit.

Le truc intéressant c'est que SkillsMP filtre automatiquement les repos de mauvaise qualité. Pour qu'un skill apparaisse, il faut minimum 2 étoiles sur GitHub. Ça évite de se retrouver avec des trucs abandonnés ou mal foutus. Y'a même un badge "Marketplace Ready" pour les skills qui ont un fichier marketplace.json bien configuré.

Pour installer un skill que vous avez trouvé, vous avez alors 3 options. Soit vous le mettez dans ~/.claude/skills/ pour l'avoir disponible partout sur votre machine. Soit vous le collez dans .claude/skills/ dans votre projet si vous voulez le partager avec votre équipe via Git. Soit vous passez par l'installation plugin avec une commande du genre /plugin marketplace add anthropics/skills.

La différence avec les commandes slash c'est que les skills sont "model-invoked". Ça veut dire que c'est Claude qui décide tout seul quand les utiliser en fonction du contexte de votre demande. Vous n'avez donc pas besoin de taper /truc pour activer un skill, il se déclenche automatiquement quand c'est pertinent.

Attention quand même, comme toujours avec du code open source venu d'Internet, les développeurs de SkillsMP le précisent bien, ils filtrent les repos pourris mais ça reste votre responsabilité de vérifier ce que vous installez. Un skill a accès à pas mal de trucs sur votre machine, donc prenez 2 minutes pour auditer le code avant d'installer un truc d'un développeur inconnu.

Bref, si vous passez beaucoup de temps sur Claude Code et que vous voulez découvrir ce que la communauté a créé comme extensions, SkillsMP c'est un bon point de départ. C'est gratuit, y'a pas besoin de compte, et ça vous évite de passer des heures à fouiller GitHub manuellement.

Un grand merci à Lorenper pour le partage !

Vous voulez faire tourner un modèle d'IA en local sans avoir besoin d'un serveur de la NASA ? Eh bien Nvidia vient de lâcher une bombe avec Nemotron 3, une famille de modèles open source plutôt impressionnant et surtout, ils ont publié leurs données d'entraînement afin de jouer la transparence totale. Chapeau !

Le modèle phare de cette nouvelle famille s'appelle Nemotron 3 Nano et c'est un modèle de 30 milliards de paramètres, mais attention, il n'en active que 3,5 milliards à la fois grâce à une architecture hybride qui mélange du Mamba-2 et du Mixture-of-Experts ( MoE ). Ça permet de garder des performances de ouf tout en restant léger niveau ressources.

Sous le capot, Nvidia a également mis le paquet puisque le modèle a été entraîné sur 25 trillions de tokens. J'ai bien dit "trillions"... Pour vous donner une idée, les données d'entraînement incluent du Common Crawl de 2013 à 2025, du code dans 43 langages différents, des articles scientifiques, et une tonne de données synthétiques générées par d'autres modèles. Et tout ça, Nvidia l'a rendu public donc vous pouvez télécharger les datasets sur Hugging Face et vérifier par vous-même ce qui a servi à entraîner le bouzin.

Côté performances, Nemotron 3 Nano se défend plutôt bien . Sur les benchmarks de raisonnement mathématique comme AIME25, il atteint 99,2% quand on lui donne accès à des outils. Sur le coding avec LiveCodeBench, il tape du 68,3%, ce qui le place devant Qwen3-30B. Et pour les tâches d'agent logiciel genre SWE-Bench, il monte à 38,8%. Pas mal pour un modèle qu'on peut faire tourner sur du matos grand public.

D'ailleurs, parlons du matos justement. Nemotron 3 Nano tourne sur des cartes comme la H100, la A100, ou même la future RTX PRO 6000 et supporte jusqu'à 1 million de tokens en contexte si vous avez assez de VRAM. Et niveau vitesse, Nvidia annonce un débit de tokens 4 fois supérieur à la génération précédente, avec 60% de tokens de raisonnement en moins. C'est donc exactement ce que tout le monde demande à saoir du token qui sort vite pour les workflows agentiques.

Maintenant, pour l'utiliser, c'est hyper simple. Il est dispo sur Hugging Face, et vous pouvez le lancer avec Transformers, vLLM, TensorRT, ou même llama.cpp. Y'a même un mode "thinking" qu'on peut activer ou désactiver selon si on veut du raisonnement poussé ou des réponses rapides.

Pour ma part, je l'ai testé à l'aide d'Ollama comme ceci :

ollama run nemotron-3-nano:30b

Vous vous êtes déjà demandé si les IA comprenaient vraiment ce qu'elles racontaient, ou si elles ne faisaient que recracher des mots à partir de statistiques liées aux mots ?

Oui, comme vous, je pensais jusqu'à présent qu'on était vraiment sur un déroulé textuel purement mathématique sans réelle compréhension. Hé bien des chercheurs de UC Berkeley viennent de mettre un gros pavé dans la mare en démontrant que le modèle o1 d'OpenAI est capable d'analyser le langage comme le ferait un étudiant en linguistique. Pas juste d'utiliser le langage, hein mais vraiment de l'analyser, le décortiquer, le comprendre dans sa structure profonde.

L'étude a été menée par Gašper Beguš, prof associé de linguistique à Berkeley, avec ses collègues Maksymilian Dąbkowski et Ryan Rhodes de Rutgers University et les résultats sont publiés dans IEEE Transactions on Artificial Intelligence, donc ça a l'air d'être du sérieux .

Leur truc, c'était de tester si les modèles de langage (LLM) pouvaient faire de la métalinguistique, qui est la capacité non pas simplement d'utiliser une langue, mais aussi de réfléchir sur la langue elle-même. C'est un truc que les humains font naturellement quand ils analysent une phrase, et qu'on a pour le moment jamais observé chez l'animal.

Pour leurs expériences, l'équipe a donc balancé 120 phrases complexes dans quatre modèles différents : GPT-3.5 Turbo, GPT-4, o1 d'OpenAI, et Llama 3.1 de Meta et ils ont regardé comment chaque modèle s'en sortait pour analyser la structure des phrases et résoudre les ambiguïtés, notamment avec la récursion.

La récursion , c'est un concept que Noam Chomsky a théorisé comme étant la caractéristique définitoire du langage humain. C'est en fait la capacité d'imbriquer des phrases dans d'autres phrases, à l'infini. Genre "Le chat que le chien que Pierre a vu a mordu dort". Ouais, c'est tordu, mais c'est ça qui nous différencie aussi des autres animaux.

Et tous ces modèles ont réussi à identifier les phrases récursives, ce qui, jusque-là, n'a rien d'extraordinaire sauf que pour cartographier correctement la structure complexe des phrases, o1 a cartonné avec un score proche de 0.9 sur 1, contre une moyenne de 0.36 pour les autres. C'est un très gros écart.

Je vais vous donner un exemple concret. Avec la phrase "Unidentified flying objects may have conflicting characteristics" (les objets volants non identifiés peuvent avoir des caractéristiques contradictoires), o1 a correctement détecté la récursion. "Flying" modifie "objects", et "unidentified" modifie "flying objects". Il a même poussé le bouchon encore plus loin en proposant une extension de la phrase pour montrer qu'il avait compris le mécanisme.

Mais les chercheurs ne se sont pas arrêtés là car pour éviter que o1 ne triche en utilisant des données de son entraînement, ils ont inventé 30 mini-langues fictives avec leurs propres règles phonologiques. L'idée, c'était de voir si le modèle pouvait inférer les règles d'une langue qu'il n'a jamais vue. Et comme vous vous en doutez, o1 s'en est sorti comme un chef.

Bref, non seulement ces modèles peuvent utiliser le langage, mais certains peuvent "réfléchir" à la façon dont le langage est organisé.

Ce qui est dingue, c'est que cette étude relance le débat sur la compréhension des IA. Est-ce que ces modèles comprennent vraiment ce qu'ils font, ou est-ce qu'ils simulent très bien ? Beguš pense que cette capacité métalinguistique est "très conséquente" parce qu'elle montre que dans ces modèles, on a désormais quelque chose qu'on pensait réservé aux humains.

Attention cependant, qui dit capacité métalinguistique ne veut pas dire que l'IA est consciente ou qu'elle pense comme nous. Faut voir ça plutôt comme une capacité émergente qu'on n'a pas programmée explicitement, et qui est sacrément intéressante d'un point de vue scientifique.

Voilà, donc si comme moi, vous pensiez que ChatGPT ne faisait que du perroquet statistique, cette étude suggère visiblement que c'est un plus subtil que ça. Il faudra bien sûr plus d'études pour mieux comprendre ce phénomène mais il est maintenant clair que ces modèles récents ont des capacités qu'on croyait exclusives aux humains.

Source

Amazon vient de lancer une nouvelle fonctionnalité dans son app Kindle iOS qui risque de faire grincer pas mal de dents du côté des auteurs et éditeurs. Ça s'appelle "Ask this Book" et c'est un chatbot IA intégré directement dans vos bouquins.

Le principe c'est de pouvoir poser des questions sur le livre que vous êtes en train de lire. Genre "c'est qui déjà ce personnage ?", "il s'est passé quoi dans le chapitre 3 ?" ou "c'est quoi le thème principal ?". Et l'IA vous répondra instantanément avec des réponses "sans spoilers" basées sur le contenu du livre.

Notez que les réponses de l'IA ne peuvent être ni copiées ni partagées, et seuls les acheteurs ou abonnés Kindle Unlimited y ont accès.

Bon, sur le papier, c'est plutôt pratique pour ceux qui comme moi, reprennent un bouquin après plusieurs semaines et qui ont oublié la moitié des personnages, sauf que voilà, y'a un gros problème.

Amazon a confirmé que cette fonctionnalité est activée par défaut et qu'il n'y a aucun moyen pour les auteurs ou les éditeurs de retirer leurs livres du truc. Et même si certains auteurs râlent, Amazon refuse de leur dire quoi que ce soit, aussi bien sur les conditions légales qui leur permettent de proposer ça ni au sujet des détails techniques sur comment ils empêchent les hallucinations de l'IA ou si les textes sont utilisés pour entraîner leurs modèles. Encore une fois, du grand art niveau transparence.

Du côté de l'industrie du livre, ça passe donc plutôt mal. Beaucoup de détenteurs de droits vont probablement considérer ça comme une œuvre dérivée non autorisée, voire une violation directe du copyright et ça tombe plutôt mal niveau timing, vu que récemment, plusieurs auteurs ont déjà attaqué des boîtes d'IA en justice pour avoir aspiré leurs textes sans permission.

Alors pour l'instant, la fonctionnalité n'existe que sur l'app Kindle iOS aux États-Unis mais Amazon a déjà annoncé vouloir l'étendre aux liseuses Kindle et à Android l'année prochaine et pour le monde entier.

Bref, Amazon continue de faire du Amazon... déployer d'abord, poser des questions jamais.

Source

Vous avez toujours voulu créer des workflows d'agents IA mais vous avez la flemme de coder tout ça à la main ? Hé bien y'a un projet open source qui va vous faire plaisir. Ça s'appelle Sim Studio et c'est une plateforme qui permet de construire des workflows d'agents IA de manière visuelle, un peu comme sur Figma.

Le principe c'est d'avoir un canvas sur lequel vous glissez-déposez des blocs : des LLMs, des outils, des connexions à des services tiers comme Slack, Gmail, Supabase ou Pinecone. Vous reliez tout ça avec des flèches et hop, vous avez votre workflow qui tourne. Pas besoin d'écrire une seule ligne de code si vous voulez pas.

Et le truc sympa c'est qu'il y a un Copilot intégré qui peut générer des nœuds, corriger les erreurs et améliorer vos flows directement à partir de langage naturel. Vous lui décrivez ce que vous voulez et il vous pond les blocs correspondants. Pratique pour les feignasses comme moi.

Côté fonctionnalités, c'est plutôt complet. Vous pouvez connecter différents modèles (des LLMs hébergés mais aussi des modèles locaux), brancher des bases de données vectorielles pour que vos agents puissent répondre à des questions basées sur vos propres documents, et contrôler finement comment chaque outil est utilisé.

Et une fois votre workflow prêt, vous avez plusieurs options pour le déployer. Soit vous le déclenchez manuellement, soit vous le transformez en API, soit vous le programmez pour qu'il tourne périodiquement. Y'a même moyen de le faire réagir à des webhooks, genre quand vous recevez un message Slack, ou de le déployer comme un chatbot standalone.

Le projet est backé par Y Combinator et ils annoncent déjà plus de 60 000 développeurs qui utilisent la plateforme. De plus, c'est SOC2 et HIPAA compliant, donc niveau sécurité c'est du sérieux pour ceux qui bossent dans des environnements exigeants.

Niveau déploiement, bien sûr, vous avez le choix. Soit vous utilisez leur version cloud sur sim.ai , soit vous self-hostez le bazar avec Docker Compose ou Kubernetes. Pour les paranos qui veulent garder le contrôle total sur leurs données, c'est possible de tout faire tourner en local avec Ollama.

Pour l'installer en local, c'est assez simple. Vous pouvez lancer directement avec npx simstudio ou passer par Docker. Niveau technos, le projet utilise Next.js, PostgreSQL avec pgvector, et ReactFlow pour l'éditeur visuel.

Bref, si vous cherchez un outil pour bricoler des workflows d'agents IA sans vous prendre la tête avec du code, c'est open source et gratuit .

Merci à Letsar pour la découverte !

Vous bossez toute la journée sur ChatGPT ou Claude et vous commencez à trouver ça un peu tristounet ? Youpi, y'a une extension Chrome qui va égayer tout ça avec des petits animaux virtuels qui se baladent sur votre interface comme quand on était en 1999.

Ça s'appelle GPTPets et c'est le genre de truc complètement inutile donc forcément indispensable comme disait Jérôme Bonaldi. Le principe c'est d'avoir un petit compagnon animé qui vit sa vie sur la barre de saisie de votre IA préférée, genre un chat qui fait la sieste, un chien qui remue la queue, un panda qui mange du bambou, une brigitte qui insulte ses paires... bref vous voyez le genre.

Vous connaissez peut-être FUSE (Filesystem in Userspace), ce truc qui permet de créer des systèmes de fichiers custom sans toucher au noyau Linux. C’est grâce à lui notamment qu’on peut monter un Google Drive, un bucket S3 ou même un dossier distant via SSH comme un simple répertoire local.

Hé bien, Rohan Gupta a poussé ce concept jusqu’à l’absurde en créant LLMfuse, un système de fichiers où toutes les opérations sont gérées par un modèle de langage fine-tuné.

Ainsi, quand vous faites un ls, un chmod ou un cat sur ce filesystem, c’est un LLM qui répond et chaque opération FUSE devient une requête au modèle. Pour parvenir à ces fins, le développeur a entraîné un Qwen3-4B sur environ 15 000 paires prompt/completion générées à partir de simulations d’opérations filesystem. Le modèle a alors appris à lire le contenu des fichiers, modifier les métadonnées, et même à représenter l’arborescence complète en XML.

Bon, dit comme ça, ça ressemble à une expérience de savant fou un peu conne… Mais y’a un truc vraiment intéressant qui découle de tout ça. En effet, l’auteur a découvert que la combinaison du codage arithmétique avec son modèle fine-tuné permettait d’atteindre des taux de compression délirants. Sur un fichier texte classique, il obtient par exemple une compression 22 fois meilleure que gzip. Et pour une arborescence de fichiers représentée en XML, c’est environ 8 fois mieux que squashfs.

Alors comment c’est possible cette magie noire ? Bah ça remonte au théorème de Shannon de 1948 sur l’entropie où plus un modèle prédit bien les données, moins il faut de bits pour les encoder. Un LLM fine-tuné sur un type de données spécifique devient alors un compresseur hyper efficace pour ces données.

L’auteur est le premier à admettre que c’est une expérimentation, donc, pas de quoi vous emballer non plus… Après si vous souhaitez l’utiliser, vous avez besoin d’un GPU, que l’intégralité du système de fichiers tienne dans la fenêtre de contexte du modèle, et ça ne marche vraiment bien que sur des données textuelles. Pour vos vidéos 4K ou votre bibliothèque de jeux Steam, on repassera… snif…

D’ailleurs, le fait que lipsum.txt (le classique Lorem Ipsum) soit surreprésenté dans les données d’entraînement des LLM aide beaucoup à gonfler les chiffres de compression mais même sur d’autres types de textes “normaux” qui ressemblent à ce qu’on trouve sur Internet, les gains restent entre 5x et 20x par rapport à gzip.

Le code source est disponible sous licence MIT, avec notamment un utilitaire CLI appelé llmencode que vous pouvez tester en local si vous avez une bonne carte graphique sous la main.

Amusez-vous bien !

Source

The Synology Solution 2025/2026 Event – What Was There?

Before We Go Any Further – We STILL Have to Discuss Synology Hard Drive Compatibility!

Synology’s hard drive support policy was a recurring topic throughout the event and in direct conversations with staff. The subject was formally addressed in the opening session, where the company framed its approach as a strategic decision to validate and support selected drives for reliability and lifecycle assurance. In a later Q&A with a large Synology customer, the policy came up again, though the exchange felt somewhat staged. Away from the stage, I spoke with almost a dozen Synology team members on and off the record. The consistent message was that verification of Seagate and Western Digital drives is still in progress, but I also received conflicting off-the-record remarks about how validation and support could be expanded in the future. A follow-up article and video from me on this subject will be published soon to explore the matter further.

“As workloads scale and data becomes even more critical. We’ve made the strategic decision to fully validate and support scenario drives in our solution.
This means that we take an end to end responsibility for performance, reliability and long-term availability by managing both hardware and the software stack.
We intend to show you that we can deliver deeper integration, such as real-time health monitoring, predictive risk analysis and seamless firmware updates, all designed to reduce risk and maximise uptime.

This change is not about limiting choice, it’s about accountability. When you deploy a Synology solution, you can be confident that we stand behind every component and that you’ll receive a system optimised for performance and reliability over its entire lifestyle. And for our partners, this also means fewer unknowns of deployment and support, greater predictability and stronger value for your customers. Together, we can focus less on troubleshooting and more on helping businesses innovate, securely.”

The official position is that tighter control of hardware compatibility will improve integration features like predictive monitoring and firmware management, while reducing deployment risks. However, Synology repeatedly stressed that the policy is not yet final, with feedback from customers and partners still under review. From my discussions, the messaging suggests that although Synology’s stance is rooted in system accountability, the practical implications for users—particularly regarding Seagate and WD models such as IronWolf and Red or surveillance-focused drives like SkyHawk and Purple—remain unsettled. The lack of clarity points to an ongoing process where official announcements may evolve, but for now customers are being told the policy is about creating a more reliable platform rather than restricting options.

Introduction to Synology – 25 Years On

The opening session of Synology’s UK Solutions Exhibition marked the company’s 25th anniversary with a review of its history, current reach, and overall strategy. Synology reported that it has 14 million installations worldwide, is protecting around 25 million entities and servers, and manages more than 2 million accounts. Case examples were used to illustrate different applications, including the Imperial War Museum’s video archive workflows, Toyota’s use of scalable backup and disaster recovery, and surveillance and crowd management deployments using Synology cameras and DVA units. The presentation also provided background on the company’s origins in 2000 and the development of DSM as its Linux-based operating system. DSM was described as having grown from a small-business storage platform into a wider environment that spans file management, surveillance, backup, cloud services, and productivity, positioned between consumer-focused devices and enterprise systems.

The session also focused on the conditions in which these systems now operate. Trends highlighted included increasing architectural complexity from hybrid and cloud deployments, stricter compliance and regulatory requirements, persistent security threats, and ongoing budget constraints. Synology framed its approach around four design principles: integrating hardware and software into a single platform, embedding security features from the outset, simplifying management to reduce reliance on specialist expertise, and ensuring predictable long-term costs rather than shifting expenses over time. A notable point was the company’s drive compatibility and accountability policy. Synology stated that it will validate and support specific hard drives and SSDs to provide real-time monitoring, firmware updates, and lifecycle assurances. However, the company also acknowledged that it is still assessing customer and partner feedback on the subject of drive and SSD verification, indicating that its position may continue to evolve. The presentation ended with an invitation to engage with Synology staff during the event and a transition to the next session on data protection.

New / in-progress / future items mentioned:

• Synology’s drive compatibility and accountability policy, with integrated monitoring, firmware management, and lifecycle support.

• Synology confirmed it is still assessing customer and partner feedback on hard drive and SSD verification, leaving open the possibility of adjustments.

Synology and Data Storage Now/Future

Active Protect and the DP series was once again a heavy presence at this event and was more formally presented as Synology’s hardware-plus-software backup appliance family, structured around three guarantees: isolation, visibility, and auditability. It combines technologies such as high-rate deduplication (up to 80%), btrfs checksums with self-healing, immutability at the primary backup layer tied to retention policies, VM-based backup verification and sandboxing, and software-driven offline air-gap replication. These measures are positioned as protection against common and combined attack chains, including phishing, stolen credentials, ransomware, insider threats, and zero-day exploits. Large-scale management is enabled through clustering (tested with over 2,500 nodes and 150,000 endpoints), protection plans, and failover between backup servers to avoid single points of failure. Audit logs can be forwarded to external SIEMs and long-term retention is supported via Synology’s Secure Scalable Storage with WORM. Case studies included a Japanese bank with six appliances across DR sites, a Taiwanese logistics company consolidating over ten devices, and Toyota, which migrated away from tape to Active Protect in 2025, citing reduced costs and improved resilience.

The presentation framed the wider context as one where 70% of organisations have experienced data loss or attacks and 88% of those were unable to recover. The strategy was outlined as layered: employee education, least-privilege delegated administration, and backup as the final line of defence. Technical implementation details highlighted cloning instead of full copying, policy-driven immutability, VM-based verification, and software-controlled air-gap mechanisms as ways to achieve isolation and restore confidence. Visibility was addressed through centralized portals, cluster management, and protection plan broadcasting across sites, while auditability was achieved through extensive telemetry, monitoring, and immutable log storage. The brand also noted that it is working to further improve connectivity between Active Protect appliances and Active Backup for Business-equipped devices, aiming to strengthen multi-site operations and incremental migration paths. Deployment was described as end-to-end through Synology appliances, with hot spares and replacement hardware options to maintain recovery point objectives. The solution was positioned as an integrated alternative to mixed third-party systems, with the trade-off being a reliance on Synology’s single-vendor model for both hardware and software.

New / in-progress / future items mentioned:

• Active Protect appliance family: integrated hardware-plus-software backup solution with isolation, visibility, and auditability features.

• Protection plans and clustering: centralized policies for managing thousands of endpoints and enabling cross-site disaster recovery.

• Software-based air-gap replication: offline replication without tape media, controlled through software and network port management.

• VM-based backup verification and sandboxing: integrated hypervisor for validating and testing backups.

• Planned improvements to connectivity between Active Protect and Active Backup devices to strengthen multi-site operations and integration.

Robust, Scalable and Fast Storage Now and the Future

This session focused on Synology’s enterprise storage portfolio and its positioning across security, efficiency, scalability, and performance requirements. The company reported that it currently manages around 350 exabytes across roughly 260,000 businesses and highlighted product families for flash, hybrid, and high-capacity storage. Security was presented as a three-stage process (protect, detect, recover), incorporating measures such as multi-factor sign-in, encryption, immutable snapshots, Active Insight monitoring, and replication. This was also where we saw a reference (2nd time this year) to the multi-site storage tiering service ‘Synology Tiering’ – catchy name, right? Sadly, this does not appear to be a deployment model that can be done inside a single system (ala QNAP QTier).

Efficiency claims included up to 5:1 data reduction, thin provisioning, automated tiering, and hybrid cloud integration with C2 and Hybrid Share. Hybrid Share adoption was noted at over 1,400 enterprises and 3,500 sites, with features such as edge caching and global file locking to support multi-site collaboration. The GS series (notably GS3400) was introduced as a scale-out solution for unstructured data, supporting up to 48 nodes, 11.5 PB per cluster, SMB and S3 protocols, and managed centrally with the GridStation Manager software and its dedicated Cluster Manager GUI.

At the performance end, Synology presented the PAS series, including the PAS 7700 all-NVMe U.3 rackmount system and a 12-bay SATA SSD version. PAS systems run on new Parallel Active Manager software and feature active-active dual controllers, RAID TP (triple parity), rate bitmap rebuilds, and cache protection. Demonstrations covered VDI boot storms, large-scale SQL databases, and EDA simulations, with claims of sub-millisecond latency and throughput in the tens of gigabytes per second. Security measures include network isolation, VLANs, and self-encrypting drives. The GS and PAS series were described as extending Synology’s ecosystem from large-scale archival storage to ultra-low-latency mission-critical workloads, all linked through C2 cloud services, Active Insight monitoring, and policy-driven automation. The company also indicated that further improvements are underway to enhance connectivity between Active Protect appliances and Active Backup devices, enabling more integrated multi-site operations.

The demonstrations of the PAS 7700 system were used to illustrate performance under realistic enterprise workloads. In one scenario, a virtual desktop infrastructure with 1,000 desktops was booted simultaneously to highlight predictable behavior during “boot storm” events. A second demonstration focused on SQL database operations, where over 1,000 concurrent users generated mixed read/write activity, reportedly sustaining more than one million IOPS at approximately one millisecond latency. The third example involved an electronic design automation (EDA) simulation handling around 1,300 jobsets, used to demonstrate the system’s ability to maintain consistent throughput and ultra-low latency under computationally intensive conditions. These scenarios were intended to show how the all-NVMe architecture and active-active controller design could deliver stable, high-performance output across diverse mission-critical environments.

New / in-progress / future items mentioned:

• GS series (GridStation): scale-out storage, GS3400 unit, up to 48-node clusters and 11.5 PB per cluster, managed by GridStation Manager with Cluster Manager GUI.

• PAS series: new enterprise rackmount systems, including the PAS 7700 all-NVMe U.3 48-bay system and a 12-bay SATA SSD version, with active-active controllers.

• Parallel Active Manager software: new management layer for PAS systems.

• Planned improvements to connectivity between Active Protect and Active Backup devices for enhanced multi-site integration.

Synology Surveillance Station, New DVA3000, DVA7400, Synology SD Card, Switches and More

This section outlined Synology’s surveillance strategy, built on two platforms: the on-premises Surveillance Station VMS and the new cloud-based Synology C2 Cloud VSaaS. Both are designed to scale across large environments, with CMS central management tested at around 3,000 hosts and 30,000 cameras, and real-world deployments exceeding these figures. Features include open APIs for third-party integration, drag-and-drop monitoring, E-maps, and bulk provisioning tools for rapid deployment.

AI capabilities are available on-camera and on-appliance, with functions such as people/vehicle detection, face recognition, license plate recognition, dynamic mosaic (privacy blurring), and smoke detection. An upcoming semantic video search will enable natural-language style queries across historical footage, and is cited as one reason for higher-capacity DVA models.

New hardware introduced includes the DVA3000 (4-bay, 40 cameras, 6 AI tasks) and the DVA7400 (12-bay rackmount, up to 100 cameras, 40 AI tasks, with a GPU included), both expected in early 2026. Additional components include three PoE switches and an industrial-grade microSD card designed for continuous edge recording and health monitoring, though final specifications such as SD card class remain unconfirmed.

C2 Cloud was described as a cloud-managed surveillance option requiring no local NAS or NVR, with built-in AI analytics, centralized access via browser or mobile, and failover to local peer-to-peer streaming when internet is down. The on-premises and cloud platforms are intended to remain separate at launch, though hybrid interoperability is planned in later updates to unify workflows. Security is built into both models, including encryption, MFA, granular access roles, privacy controls, and a product security incident response team supported by a bug bounty program.

Customer examples ranged from schools and stadiums to large government deployments, highlighting scalability, API-based third-party integration, and operational improvements such as automated crowd counting and smoke detection. Licensing continues to follow Synology’s low-overhead approach for on-prem setups, with cloud plans bundling AI features directly. The roadmap places new cameras in Q4 2025 and the DVA models in early 2026, with hybrid operation features to follow.

When asked directly about the status of hard drive compatibility in the new surveillance systems, including whether support would be limited to Synology-branded HDDs or extend to commonly used models such as WD Purple and Seagate SkyHawk, Synology was unable to provide a clear confirmation. The company indicated that final details on drive verification and supported models for these upcoming surveillance platforms remain under review.

New / in-progress / future items mentioned:

• DVA3000: 4-bay surveillance appliance, 40 camera feeds, 6 AI operations, expected early 2026.

• DVA7400: 12-bay rackmount model with GPU, up to 100 cameras and 40 AI tasks, expected early 2026.

• Upcoming semantic video search: natural-language video query functionality.

• Three new PoE switches for simplified deployment and management.

• Industrial microSD card with edge recording and health reporting (specifications still unconfirmed).

• Synology C2 Cloud(cloud VSaaS): cloud-managed surveillance platform, launching with AI features included.

• Planned hybrid interoperability between Surveillance Station (on-prem) and C2 Cloud (cloud) in future updates.

Synology and AI – New GPU-Equipped Local AI NAS in Development and More Optional AI Integration in Synology NAS

This session focused on Synology’s Office Suite, which is positioned as a private-cloud productivity and communication platform designed to offer enterprises 100% data ownership, on-premises deployment, and long-term cost control. Core services include Drive and Office for file storage and real-time collaboration, Mail Plus for enterprise email, and the upcoming Chat & Meet for messaging and video conferencing. A new AI Console was also introduced, intended to manage and audit AI usage within the suite. The platform targets organizations concerned about rising cloud subscription costs—especially with Microsoft’s announced October 2025 price increases—data sovereignty, and security risks introduced by unsanctioned use of generative AI. Adoption figures cited include over 600,000 businesses and 80 million users.

Synology Drive and Office were presented as tools for structured file management and collaborative editing of documents, spreadsheets, and presentations. Features include file requests, configurable link sharing, audit logs, watermarking, and remote wiping. A case study from Yonsei University Medical Center highlighted the replacement of a Windows-based file system with Synology Drive, enabling centralized permission management, endpoint oversight, and synchronization across 15,000 employee devices. Mail Plus adds enterprise-grade email features, such as domain sharing for multi-site deployments, active-active clustering for high availability, delegated role management, auditing, and moderation workflows. Together, these services are designed to offer core collaboration and communication functions while preserving organizational control of data and infrastructure.

The roadmap extends the suite with Chat & Meet, an on-premises platform for real-time messaging and video conferencing. It is designed to support over 10,000 simultaneous chat users and 7,000 video participants, integrating channels, group messaging, and video sessions into a single interface. Administrative tools include permission management and migration utilities to ease transitions from existing platforms. Parallel to this, Synology is introducing the AI Console, which addresses risks such as content injection, jailbreaks, and data leakage by providing de-identification, provider management, permission settings, and auditing. The console will also support on-prem GPU-backed AI models for tasks such as semantic search, OCR, and speech-to-text, and is planned to integrate with OpenAI-compatible and self-hosted LLMs via MSCP.

The overarching message is that Synology is extending its productivity ecosystem to address enterprise concerns about cost, security, and compliance while enabling new collaboration and AI capabilities. The suite’s design emphasizes continuity through high-availability clustering, role-based administration, and unified consoles for policy enforcement and auditing. With the AI Console, Synology seeks to embed governance into AI usage, allowing enterprises to adopt advanced tools without exposing sensitive data to uncontrolled environments. Looking forward, further integration of GPU-enabled AI features and the addition of Chat & Meet mark key developments in Synology’s private-cloud strategy, aimed at providing alternatives to mainstream SaaS ecosystems while maintaining operational control.

New / in-progress / future items mentioned:

• Chat & Meet: on-premises messaging and video conferencing platform, supporting large-scale deployments.

• AI Console: centralized AI governance with de-identification, provider management, permissions, and auditing.

• Planned GPU-backed AI models: semantic search, OCR, image recognition, and speech-to-text.

• Integration with third-party and on-prem AI servers: OpenAI-compatible and self-hosted models via MSCP.

Join Inner Circle

Want to follow specific category? Also Read...Pwn2Own Ireland 2025: SynologyWeek 41 Tech Digest – SynoloSynology DSM 7.3 - Should You Synology DSM 7.3 - Should You Synology DSM 7.3 NAS - HDD/SSDSynology DSM 7.3 NAS - Full DeSYNOLOGY SUPPORT SEAGATE & WD SYNOLOGY REVERSE THE HARD DRIVSynology DSM Firewall Bug BlocHow to Get Hardware Transcodin Subscribe You can also follow specific search terms:

This description contains links to Amazon. These links will take you to some of the products mentioned in today's content. As an Amazon Associate, I earn from qualifying purchases. Visit the NASCompares Deal Finder to find the best place to buy this device in your region, based on Service, Support and Reputation - Just Search for your NAS Drive in the Box Below

Need Advice on Data Storage from an Expert?

TRY CHAT

If you like this service, please consider supporting us. We use affiliate links on the blog allowing NAScompares information and advice service to be free of charge to you.Anything you purchase on the day you click on our links will generate a small commission which isused to run the website. Here is a link for Amazon and B&H.You can also get me a Ko-fi or old school Paypal. Thanks!To find out more about how to support this advice service check HEREIf you need to fix or configure a NAS, check Fiver Have you thought about helping others with your knowledge? Find Instructions Here  

Or support us by using our affiliate links on Amazon UK and Amazon US

    

 

WE LOVE COFFEE

Where to Buy a Product
			VISIT RETAILER ➤
			VISIT RETAILER ➤

If you like this service, please consider supporting us.
We use affiliate links on the blog allowing NAScompares information and advice service to be free of charge to you. Anything you purchase on the day you click on our links will generate a small commission which is used to run the website. Here is a link for Amazon and B&H. You can also get me a Ko-fi or old school Paypal. Thanks! To find out more about how to support this advice service check HERE   If you need to fix or configure a NAS, check Fiver   Have you thought about helping others with your knowledge? Find Instructions Here  

WE LOVE COFFEE

Or support us by using our affiliate links on Amazon UK and Amazon US