L’Observatoire AI NeoMundi est notre programme de recherche public dédié à l’évaluation continue, transparente et reproductible des systèmes d’IA générative.
Nous publions régulièrement des cartographies thermodynamiques et des observations approfondies, dont le Baromètre des IA NeoMundi, qui suit dans le temps des profils de modèles dé-identifiés sur plusieurs dimensions : stabilité, validité factuelle, densité informationnelle, signaux de risque factuel, variation sémantique et efficience coût. Ces publications mettent en évidence des tendances comportementales et des changements de régime silencieux que les benchmarks traditionnels ponctuels ne peuvent pas détecter.
L’ensemble de nos travaux repose sur des méthodologies ouvertes et des données publiques. Les scripts de génération, les protocoles de scoring et les jeux de données bruts sont publiés sur GitHub, permettant aux chercheurs, développeurs et à la communauté AI d’auditer, reproduire et s’appuyer sur nos observations.
NeoMundi a le plaisir d’annoncer son acceptation au sein du programme NVIDIA Inception. Développer une couche indépendante de mesure runtime NeoMundi rejoint NVIDIA Inception afin d’accélérer le développement de ControlTower, notre infrastructure de mesure, d’auditabilité et de gouvernance runtime des systèmes d’IA. À mesure que les organisations déploient massivement des IA en production, la question […]
Note de lecture — 15 octobre 2026. Cette publication restitue une campagne de juin–juillet 2026. Les chiffres décrivent les signaux enregistrés par la chaîne de mesure de l’époque, et non des taux d’erreurs vérifiés ou une évaluation générale de la fiabilité des modèles. Toute comparaison temporelle exige de vérifier les protocoles, les versions des évaluateurs
Dans le cadre des travaux de l’Observatoire IA de NeoMundi, nous publions aujourd’hui une contribution de James Moore, fondateur de Nova Jema AI Systems et spécialiste de la gouvernance des systèmes d’intelligence artificielle en conditions réelles d’exécution. Il a eu la gentillesse de nous transmettre une réflexion précise sur un sujet souvent négligé : une
Tous les Baromètres IA Construire une baseline Pour construire ce premier baromètre, il a fallu constituer une baseline publique . Celle-ci a été construite sur 3 vagues d’exécution × 12 systèmes désidentifiés × 4 questions fixes × 100 répétitions , soit 14 400 observations finalisées . Cette baseline constitue la référence de cette série de
Contributeur scientifique / Data Scientist – Observatoire IA NeoMundi La plupart des discussions sur la gouvernance de l’IA commencent trop tard. Nous pensons que la mesure doit venir en premier. Nous avons développé ControlTower, un instrument d’observation et de traçabilité des réponses IA dans des conditions d’exécution documentées. ControlTower sert à conduire des campagnes de
Cette publication porte sur une campagne de 2026 et sur la configuration de mesure utilisée à cette date. Ses résultats ne sont pas automatiquement comparables à ceux des versions ultérieures de l’instrument. Rapport de l’audit indépendant réalisé par Pape Malick DIOP, Data Scientist et Chercheur en Machine Learning, le 10 juin 2026. Chez NeoMundi, nous
Cette publication porte sur une campagne de 2026 et sur la configuration de mesure utilisée à cette date. Ses résultats ne sont pas automatiquement comparables à ceux des versions ultérieures de l’instrument. 1. Chez les IA, prix, stabilité et exactitude ne vont pas toujours ensemble Nous avons mesuré 12 grands systèmes d’IA générative selon un
Cette publication porte sur une campagne de 2026 et sur la configuration de mesure utilisée à cette date. Ses résultats ne sont pas automatiquement comparables à ceux des versions ultérieures de l’instrument. NeoMundi Recherche publie une version publique et expurgée d’une revue méthodologique indépendante de son approche de mesure en temps réel de la stabilité
1. MURMURATION – Recherche sur la stabilité collective runtime Les systèmes autonomes distribués savent aujourd’hui coordonner des trajectoires, répartir des tâches et maintenir des formations dynamiques à grande échelle. Mais une question critique reste largement non résolue : comment mesurer la stabilité collective d’un système multi-agent avant qu’une rupture systémique de cohésion n’émerge ? Les
