De l'assistant vocal de 2017 aux agents IA, MCP et poids ouverts 80B-A3B : analyse pour les propriétaires d'entreprise et les équipes techniques
Alisa a débuté en 2017 comme un assistant vocal pour les commandes quotidiennes : mettre de la musique, connaître la météo, régler une minuterie. Fin 2026, elle est devenue un écosystème de réseaux neuronaux spécialisés et d'agents autonomes — avec une mémoire à long terme, la reconnaissance de schémas sur des photos, un navigateur cloud, des appels téléphoniques, une intégration CRM via le protocole MCP et des modèles ouverts sur Hugging Face sous licence Apache 2.0.
Le changement principal de 2026 s'énonce simplement : un réseau neuronal ne se mesure plus seulement à la qualité du texte — désormais il est évalué sur sa capacité à mener une tâche jusqu'au résultat. Le client a la possibilité de confier à l'assistant la recherche d'un prestataire, la comparaison des prix et la préparation d'une réservation, et l'entreprise peut automatiser le travail avec les documents, les appels et les systèmes comptables.
Pour le propriétaire d'une entreprise, trois questions pratiques se posent immédiatement : l'assistant IA pourra-t-il lire l'offre sur votre site sans distorsion ; quel processus interne est réellement rentable à transférer à un agent ; où transitent les données et quelles sont les exigences légales. Chez STARCODE PR, nous travaillons sur les deux aspects de ce défi : nous déployons des assistants IA et des intégrations, préparons les sites à la recherche IA, y compris Alice, et nous menons GEO-promotion de marque. Voici ci-dessous la chronologie de cette croissance, l'analyse de la nouvelle politique de la plateforme, les limitations techniques et le plan d'action pratique.
1. Comment tout a commencé et où en est la plateforme : deux tableaux principaux
Pour avoir une vision d'ensemble et ne pas confondre les anciennes représentations de l'assistant vocal avec l'écosystème actuel de Yandex, nous résumerons le parcours de développement et l'évolution des approches de la plateforme dans deux tableaux de synthèse.
Tableau 1. Chronologie de la croissance d'Alice : de l'assistant vocal de 2017 aux agents et aux poids ouverts
| Période / Date | Étape clé | Ce qui a changé pour les utilisateurs, les développeurs et les entreprises |
|---|---|---|
| 10 octobre 2017 | Lancement d'Alice | Assistant vocal dans l'application de recherche Yandex et version bêta pour Windows : recherche, météo, itinéraires et dialogue en direct (annonce de 2017). |
| 29 mai 2018 | Première Yandex Station et compétences | Présentation de la première enceinte intelligente lors de la conférence Yet Another Conference 2018 et développement de l'écosystème de compétences vocales tierces. |
| Mai 2023 | Introduction de YandexGPT | Alisa passe des réponses basées sur des scénarios à la génération de textes, d'e-mails et de plans. |
| Avril 2024 — Février 2025 | «Alisa nouvelle génération» et YandexGPT 5 Pro | Chat Web dialogue séparé, option « Pro » et augmentation de la qualité de raisonnement sur les modèles supérieurs. |
| Juillet — Octobre 2025 | Chat gratuit et relance dans «Alisa AI» | Les fonctions de base deviennent gratuites pour le grand public ; la marque est mise à jour en tant qu'assistant IA universel avec des scénarios d'agent. |
| 7 et 20 avril 2026 | Webmaster pour Alisa et le cas «Nornickel» | Sortie dans Yandex Webmaster rapport « Visibilité du site dans Alice AI » (07.04); programme d'agents et architecture hybride annoncés chez «Nornickel» (20.04, communiqué de presse). |
| Juin — 16 juillet 2026 | Mémoire à long terme, Live et ISO/IEC 42001 | Mise à jour du 25–26 juin : mémoire entre les dialogues, ajustement du style de communication et priorité à la finalisation des tâches ; le 16 juillet, la famille Alice AI passe l'audit ISO/IEC 42001 (message de Yandex). |
| 11, 21 et 24 septembre 2026 | Sortie en Open Source et version Pro d'entreprise | Ouverture des poids de pré-entraînement AliceAI-T5-35B-A0.6B (11.09, Hugging Face) et AliceAI-Foundation-80B-A3B-Base (21.09, Hugging Face) sous Apache 2.0 avec les benchmarks WikiWebFacts et HardMultiQA ; lancement d'Alice AI Pro pour les entreprises (24.09, annonce). |
| 5, 12, 13 et 16 novembre 2026 | Agent «Agir !», parole de nouvelle génération et catalogue MCP | Mise à jour d'Alice AI Pro (Git, fichiers jusqu'à 256 Mo, planning — 05.11) ; accès anticipé à l'agent « Agir ! » avec annonce du lancement public en décembre 2026 (12.11, actualité) ; Speech TTS Live et Realtime Max (13.11, version) ; catalogue bêta de plus de 20 plugins et MCP (16.11, communiqué de presse). |
Tableau 2. Comment la politique de Yandex, l'accès et les capacités technologiques ont changé
| Vecteur de changement | Comment c'était avant | Comment c'est organisé fin 2026 |
|---|---|---|
| Objectif principal de la réponse | Délivrer une référence, une citation ou un brouillon de texte. | Mener une tâche jusqu'au résultat : calculer un paiement, comparer des offres, passer un appel, organiser des fichiers, compiler une recherche avec des liens. |
| Architecture des modèles | Miser sur un seul grand LLM universel. | Équipe de modèles spécialisés (LLM, Search, VLM, ART), mémoire à long terme et orientation vers un routage intelligent vers un modèle de raisonnement unique (MRU). |
| Politique Open Source | Poids fermés et accès uniquement via le cloud. | Publication de modèles entraînés à partir de zéro sur Hugging Face sous licence commerciale Apache 2.0, accompagnée de rapports techniques et de benchmarks évaluant les connaissances sur la Russie. |
| Accès pour les utilisateurs (B2C) | Limitations sur les modèles complexes, modes pro payants. | Accès de base gratuit (texte, images, fichiers jusqu'à 100 Mo, sans connexion obligatoire sur le site ; mode Live de disponibilité gratuit sur Android) ; limites étendues, recherches approfondies et test précoce «Agir !» — dans «Alisa Plus» ou des boosts ponctuels. |
| Politique d'entreprise (B2B) | Compétences disparates dans Dialogues et API de base. | Séparation claire : « Alice AI pour les entreprises » (Yandex 360), « Alice AI Pro » (tâches planifiées, Git, fichiers jusqu'à 256 Mo, cloud / on-prem / hybride) et standard MCP unique avec plugins d'entreprise privés. |
| IA responsable et contrôle | Filtrage de base des requêtes dangereuses. | Principes publiés de l'« IA responsable », certification ISO/IEC 42001, marquage du contenu généré et contrôle séparé dans l'agent (transfert du navigateur lors de la connexion au compte + confirmation de l'achat/rendez-vous). |
2. Comment Alice AI est structurée à l'intérieur : famille de modèles, mémoire et recherche
Derrière une seule fenêtre de chat, ce n'est pas un seul immense réseau neuronal qui travaille, mais une division du travail entre des modèles spécialisés — chacun résout sa classe de tâches pour ne pas gaspiller de ressources inutiles là où une réponse rapide ou une analyse d'image est nécessaire :
- Alice AI LLM — principal modèle linguistique pour les raisonnements complexes, le code, le travail avec le contexte et l'adaptation à l'environnement russophone.
- Alice AI Search — modèle de recherche léger pour des réponses rapides directement sous la barre de recherche. Des coûts de calcul réduits permettent de gérer le trafic de recherche de masse sans inférence lourde pour chaque question.
- Alice AI VLM — modèle visuo-linguistique qui analyse les tableaux, graphiques, formules et schémas techniques sur les photographies ; l'utilisateur peut sélectionner un fragment spécifique de l'image et n'interroger que sur celui-ci.
- Alice AI ART — modèle de génération et de retouche d'images : remplacement d'arrière-plan, suppression d'objets, restauration de photos et travail avec des inscriptions en russe sur les images.
Depuis la mise à jour de juin 2026, l'assistant dispose de mémoire à long terme et réglage du ton. Alice mémorise les faits, les projets et les préférences des conversations passées (l'utilisateur peut dire explicitement «souviens-toi que…», voir les faits enregistrés ou désactiver la personnalisation), saisit le langage courant et passe au tutoiement si l'interlocuteur le fait.
À l'intérieur de la recherche, cela est étayé par IA-blender (construction de la réponse à partir de dizaines de types de blocs — liens, médias, cartes, cotations) et le mode «Explorer», qui établit un plan, parcourt des dizaines de sources, lance si nécessaire du code pour des calculs et prépare un rapport structuré avec des liens. Parallèlement, l'accès de base au chat et à l'analyse de fichiers jusqu'à 100 Mo est gratuit, un mode vocal Live d'assistance gratuit a été lancé sur Android pour les malvoyants, et la priorité aux heures de pointe, l'historique étendu, les recherches approfondies, l'utilisation commerciale d'images et les boosts ponctuels sont intégrés à l'option «Alice Plus».
3. «Agis !» : passage des conseils aux actions et limites du contrôle
Différence entre un chatbot ordinaire et Agent IA fondamentalement simple : le chatbot donne un conseil, tandis que l'agent accède aux outils, exécute une chaîne d'étapes et vérifie la réaction de l'environnement extérieur. Mais en pratique, c'est là que réside le piège principal de l'implémentation : la phrase de l'assistant « j'ai tout noté » et l'enregistrement effectif dans le CRM sont deux choses différentes. Tout scénario d'agent ne doit être évalué que par l'état du système cible.
Lancé 12 novembre 2026 mode «Agir !» (ouvert au démarrage en accès anticipé pour plusieurs milliers d'utilisateurs actifs avec l'option «Alice Plus») a combiné quatre mécanismes en une seule mission (annonce officielle de Yandex):
- Navigateur Yandex Cloud sur un ordinateur virtuel isolé. Si la réponse dans la recherche est insuffisante, l'agent ouvre une session de navigateur cloud séparée pour l'utilisateur, étudie les pages des sites, compare les conditions et remplit les formulaires.
- Appels téléphoniques avec le consentement de l'utilisateur. L'assistant appelle lui-même une organisation ou un prestataire — par exemple, pour préciser la disponibilité d'un créneau dans une clinique ou les conditions de livraison, — et une transcription textuelle en direct du dialogue s'affiche dans le chat.
- Collecte et systématisation des fichiers. Une consigne peut concerner la messagerie et le stockage : trouver des billets, des reçus ou des réservations et les classer dans des dossiers sur Yandex Disk.
- Appel de services et plugins connectés. Outre l'écosystème Yandex et ses partenaires, le travail avec le catalogue de plugins et les outils externes a été ajouté le 16 novembre.
Scénario illustratif : l'utilisateur demande : «Trouve trois cliniques dentaires dans le quartier souhaité, compare la composition des services et les prix publiés avec des liens vers les sources, précise les créneaux disponibles et prépare des options, ne confirme pas encore la prise de rendez-vous». Il s'agit d'un exemple de définition de tâche, et non d'un test propre à STARCODE ; si les prix ne figurent pas sur le site ou si la clinique ne répond pas au téléphone, le comportement correct de l'agent est de noter la lacune, et non d'inventer la condition.
Selon la description officielle de Yandex, voici ce qui fonctionne deux mécanismes de contrôle différents, qu'il ne faut pas mélanger :
- si nécessaire se connecter à un compte personnel sur le site, un navigateur cloud transfère le contrôle de la page à l'humain lui-même ;
- avant d'effectuer achat, commande ou réservation l'agent s'arrête et demande une confirmation explicite dans le chat.
Cependant, la présence de l'option « Alice Plus » ne signifie pas en soi que le mode « Agir ! » est déjà activé sur un compte spécifique : en novembre 2026, l'agent fonctionne en mode accès anticipé (et le catalogue de plugins est en bêta), tandis que le lancement public ouvert de « Agir ! » est prévu pour décembre 2026.
Mémoire à long terme et routage des modèles (Alice AI LLM / Search / VLM) pour choisir les outils appropriés
Ordinateur virtuel isolé : lecture HTML, tableaux de prix et balisage JSON-LD
La connexion au compte est transférée à une personneDans «Deystvuy!» — appel avec le consentement du client et transcription dans le chat ; dans le B2B (Speech TTS Live / Realtime Max) — réaction aux interruptions
Conditions ouvertes sans secret médicalDans «Deystvuy!» — catalogue de plugins, e-mail et Yandex Disk ; dans le périmètre d'entreprise — Yandex 360 et passerelle CRM
Accès strictement limité selon le rôle de l'employéPause avant l'achat, la commande ou le rendez-vous : vérification du montant, de la date et du destinataire dans le chat
Vérification de l'identifiant réel de l'enregistrement dans le CRM ou la base de données au lieu de se fier au texte de la réponse
4. Comment organiser un processus d'agent avec vérification du résultat
Yandex ne divulgue pas le code source fermé de l'orchestrateur de l'Alice utilisateur. Mais si votre entreprise conçoit son propre agent IA pour traiter les demandes, préparer des offres commerciales ou vérifier des sites, une architecture de projet fiable se construit en cinq étapes contrôlées :
- Tâche et droitsRequête avec rôle et limites d'employé
- Lecture des donnéesRecherche dans la base de connaissances, tarifs et documents
- Passerelle serveurVérification des schémas, des montants et des opérations autorisées
- Contrôle de l'étapeConfirmation humaine avant modification des données
- Vérification du statutLecture de l'ID depuis le CRM et journal d'audit
Trois règles d'ingénierie sans lesquelles le périmètre de l'agent commence à causer des problèmes au lieu de faire des économies :
- Confirmation factuelle : l'employé ou le client ne confirme pas un « continuer » abstrait, mais des paramètres concrets — à qui le message est envoyé, à quelle date le rendez-vous est fixé, quel montant est débité.
- Protection contre les doublons (idempotence) : en cas de délai réseau, une nouvelle tentative de l'outil ne doit pas créer une deuxième demande, une facture en double ou un double prélèvement.
- Vérification de l'état cible : l'intégration doit lire l'identifiant confirmé et le statut de l'opération depuis le CRM ou la base de données, et non se fier à la sortie textuelle du réseau de neurones.
5. Alice d'entreprise : Yandex 360, «Alice AI Pro» et le cas «Nornickel»
Au niveau des entreprises, Yandex distingue le mode grand public et la plateforme business. Les noms sont similaires, mais les objectifs, les droits et les options d'hébergement diffèrent (carte des versions Yandex B2B Tech):
| Besoin de l'entreprise | Produit Yandex adapté | Ce qu'il faut vérifier avant le lancement |
|---|---|---|
| Mission personnelle : appeler les entreprises, trouver des billets | Alisa AI («Agir !») | Disponibilité de l'accès au compte, autorisations et limitations du scénario. |
| Assistant prêt à l'emploi pour le personnel de bureau | Alisa AI pour les entreprises (Yandex 360) | Tarif, liste des sources mail et disque connectées, droits d'administrateur. |
| Intégrations profondes et choix du contour | Alisa AI Pro pour les entreprises (AI Studio, annonce du 24.09) | Connexions aux CRM et 1C, modèles, droits d'accès et conditions d'hébergement cloud, hybride ou on-premise. |
| Propre robot vocal ou service interne | Plateforme Yandex AI Studio (API) | Coût des jetons et de la synthèse vocale, intégration de la téléphonie et maintenance. |
| Pile totalement indépendante sur poids ouverts | Modèles ouverts + votre propre structure | Licence, compatibilité de l'inférence, budget pour les GPU et sa propre équipe. |
Dans mises à jour de novembre d'« Alice AI Pro » deux fonctions utiles non seulement aux développeurs, mais aussi aux processus métier réguliers, sont sorties immédiatement :
- Travail avec les dépôts et les pièces jointes volumineuses (05.11.2026) : l'intégration avec Git est apparue dans le panneau de fichiers (
git diffpour les changements staged et unstaged, l'historique des commits et les branches — si Git est installé et que le dépôt est présent dans l'espace de travail), et la limite par fichier est augmentée à 256 Mo avec un chargement jusqu'à 20 pièces jointes par message (historique des modifications). - Tâches planifiées : une tâche répétitive est lancée automatiquement à l'heure définie, et le résultat est enregistré dans le chat même si l'onglet est fermé (documentation AI Studio). Cela permet de traiter en arrière-plan les synthèses matinales, la surveillance des mentions ou le résumé des demandes — sous réserve de restrictions strictes sur les droits d'un tel agent.
Ce que démontre réellement le cas de « Nornickel »
Yandex et « Nornickel » ont décrit un programme de développement et de déploiement d'agents IA pour plus de 30 processus industriels et corporatifs en utilisant la plateforme Yandex AI Studio (message conjoint du 20 avril 2026). Le détail technique principal du projet est architecture hybride avec canal de communication physique dédié aux modèles cloud de Yandex, isolés de l'internet public. Selon la société, des dizaines de systèmes étaient déjà en phase de test et de pilotage, et dans certains scénarios analytiques, le délai d'exécution des tâches a pu être réduit de 30 jours à quelques heures.
Pour les entreprises de taille moyenne, la conclusion sobre est importante : il s'agit d'un vaste programme de transformation par étapes, et non d'une solution « clé en main pour implémenter l'IA en une soirée ». Mais le principe même d'un canal hybride et le recours à une infrastructure dédiée est déjà devenu une référence opérationnelle pour les grands clients russes.
6. Agents IA vocaux : du modèle de parole à l'enregistrement dans le CRM
Il ne faut pas confondre le mode grand public « Agis ! » (où Alice appelle au nom du client) et les modèles vocaux de plateforme Yandex B2B Tech présentés 13 novembre 2026 pour les centres de contact et les sociétés de services (version officielle) :
- Speech TTS Live — synthèse vocale en streaming en temps réel, qui analyse le contexte du texte, place des pauses logiques et choisit un rôle adapté au scénario (ton confiant pour les ventes, doux pour le support, intonation spécialisée pour les cliniques médicales).
- Speech Realtime Max mise à jour — modèle pour les appels complexes en plusieurs étapes via l'API Realtime. Amélioration technologique clé — réaction correcte aux interruptions: si le client interrompt le robot en milieu de phrase, l'agent se tait instantanément, s'adapte à la réplique de l'interlocuteur et ne fixe dans l'historique du dialogue que la partie de la réponse effectivement prononcée, afin de ne pas se référer à des phrases que le client n'a pas écoutées.
Exemple de projet pour une clinique : le patient appelle le soir, alors que l'administrateur n'est plus en ligne. L'agent vocal répond aux questions types sur les horaires et le tarif publié, vérifie via la passerelle autorisée du système d'information médical/CRM les créneaux disponibles du spécialiste souhaité, crée une demande et obtient une confirmation de rendez-vous — ou transfère la conversation à un administrateur avec transmission du contexte. Il ne faut pas inclure automatiquement la collecte des symptômes et les recommandations médicales dans un tel projet pilote : c'est une zone de responsabilité distincte avec des restrictions strictes liées au secret médical.
Cinq métriques du premier projet pilote d'agent vocal
7. Catalogue de plugins et MCP : bus unifié sans illusions sur la sécurité
Sorti 16 novembre 2026 bêta-catalogue d'Alice AI (plus de 20 plugins au lancement) et support du standard ouvert Model Context Protocol (MCP) ferment le problème principal des bots d'entreprise des années précédentes — les connecteurs disparates à usage unique (communiqué de presse de Yandex). Via MCP, l'entreprise peut décrire ses sources internes — 1C, Bitrix24, amoCRM, entrepôt ou gestionnaire de tâches — dans un format lisible par machine, compréhensible par l'agent, y compris via des plugins privés réservés aux employés.
Il est toutefois important de ne pas confondre le protocole de connexion et le système de sécurité. La spécification MCP publiée prévoit des schémas de description d'outils et des mécanismes d'autorisation pour les connexions HTTP (spécification des outils et autorisation dans MCP), par conséquent, dire qu'«il n'y a aucune protection dans le MCP» est incorrect. Mais le transport lui-même n'est pas responsable de l'exactitude de la logique métier et ne bloque pas prompt injection — une situation où une instruction malveillante est cachée dans le texte d'une demande client ou d'une page web tierce.
Cinq règles obligatoires pour connecter MCP sur le serveur de l'entreprise
8. Modèles ouverts de Yandex : est-il possible d'installer Alice sur son propre serveur ?
À l'automne 2026, Yandex a franchi une étape atypique pour une grande entreprise informatique russe : publier sur Hugging Face sous une licence commerciale conviviale Apache 2.0 deux modèles de base propriétaires, entièrement entraînés à partir de zéro sans emprunter les poids de base d'autrui :
| Modèle | Architecture et échelle | Contexte et apprentissage | Destination et licence |
|---|---|---|---|
| AliceAI-Foundation-80B-A3B-Base 21 septembre 2026 (fiche de modèle) |
MoE hybride : 80B paramètres au total, 3B actifs par jeton (10 sur 512 experts + 1 commun). | Pré-entraînement sur 17,5 billions de jetons, extension du contexte à 262 144 jetons, étape de reasoning avec données d'agent. | Fondation expérimentale du futur modèle de raisonnement unifié (ERM). Checkpoint de base sous Apache 2.0 (rapport technique sur Habr). |
| AliceAI-T5-35B-A0.6B Search Pretrain, 11 septembre 2026 (fiche de modèle) |
Encoder-decoder MoE : 34,35B de paramètres uniques, environ 0,6B actifs par jeton. | Contexte de 128 000 jetons, 512 experts dans les couches MoE ; une version fermée affinée fonctionne dans les réponses rapides de la recherche. | Recherche et inférence RAG/recherche rapide. Version de base sous Apache 2.0 (fichier LICENSE, description de l'équipe). |
Il est important ici de dissiper immédiatement deux idées fausses courantes. Premièrement : modèle de base ouvert (-Base) — ce n'est pas une Alice grand public prête à l'emploi. Elle est entraînée pour continuer le texte et a accumulé des connaissances, mais ne contient pas d'interface de dialogue, de navigateur cloud, de téléphonie, de recherche ou de plugins. Pour la transformer en assistant d'entreprise, il faut un réglage fin (SFT/alignement), des instructions système, du RAG et des tests.
Le mythe du « petit modèle de 3B paramètres pour smartphone »
Lorsque dans les communiqués on entend « 80B paramètres, dont 3B actifs », la tentation est grande de croire qu'il s'agit d'un réseau neuronal compact de niveau 3B–4B, qui tiendra facilement sur un VDS faible ou même sur un téléphone. En pratique, tout fonctionne différemment — il est important de distinguer volume de calcul et stockage des poids:
- Calculs (3B active) : pour chaque jeton généré, seuls 10 experts sélectionnés et une couche commune fonctionnent, grâce à quoi la réponse est calculée nettement plus rapidement qu'avec un modèle dense de taille comparable.
- Mémoire (80B total) : environ 163 Go de poids en BF16 (~2 octets par paramètre) doivent quand même être stockés quelque part. Dans la fiche Foundation pour un lancement complet, ils visent un serveur avec quatre accélérateurs de niveau 80 Go ; même avec une compression 4 bits idéale, les poids seuls nécessitent environ 40–50 Go de mémoire vidéo, sans compter la mémoire pour le contexte 256K, les KV-caches et les utilisateurs simultanés.
- Qu'en est-il du petit modèle et du mode hors ligne sur les enceintes : l'AliceAI-T5-35B-A0.6B ouverte (35B / 0,6B actifs) en représentation 4 bits occupe environ 21 Go — c'est le niveau d'une station de travail ou d'un ordinateur portable avec GPU discret, mais pas d'un smartphone. La seule chose qui fonctionne déjà localement hors ligne chez l'utilisateur à domicile est la reconnaissance des commandes vocales de base de la maison intelligente Zigbee sur le processeur neuronal de la « Station 3 » et « Midi », et non une LLM complète intégrée.
Ce que montrent réellement les benchmarks et pourquoi ce n'est pas une « victoire absolue »
Avec le modèle, Yandex a ouvert deux jeux de données russes spécialisés avec des références et un protocole d'évaluation : WikiWebFacts (faits courts vérifiables basés sur des encyclopédies et des requêtes populaires sur la Russie) et HardMultiQA (requêtes complexes anonymisées adressées à Alice concernant le droit, la médecine, l'IT et la recherche de bugs). Il s'agit d'une réponse forte au problème des benchmarks anglo-centrés, qui évaluent mal la connaissance des spécificités russes.
Les chiffres clés sont rassemblés ci-dessous depuis son propre rapport technique et la fiche du développeur (fiche Foundation, rapport technique sur Habr) — STARCODE n'a pas effectué de reproduction indépendante de ces tests :
| Benchmark / Protocole | AliceAI 80B-A3B Base | Qwen3.5 35B-A3B Base | Nemotron 3 Super 120B-A12B Base | DeepSeek V4 Flash Base |
|---|---|---|---|---|
| WikiWebFacts, 5-shot (faits russes) | 86,5 | 62,4 | 72,8 | 83,2 |
| HardMultiQA, 5-shot (requêtes expertes) | 67,9 | 47,2 | 54,5 | 65,4 |
| Coupe « Médecine » (rapport technique) | 63,6 | — | — | 60,7 |
| Coupe « Droit » (rapport technique) | 49,6 | — | — | 40,5 |
| HMMT, février 2026 (mathématiques olympiques) | 96,9 | 87,9 | — | — |
| LiveCodeBench v5–6, pass@1 (code) | 50,5 | 50,4 | — | 38,1 |
| BigCodeBench, implémentation Yandex, 1-shot, pass@1 | 48,3 | 43,5 | 48,8 | 49,1 |
Points d'attention pour le directeur technique dans ce tableau :
- Le contexte et les connaissances russes sont un réel avantage. Sur les segments WikiWebFacts, HardMultiQA, médical et juridique, AliceAI devance nettement ses concurrents, y compris DeepSeek V4 Flash Base et NVIDIA Nemotron 3 Super 120B-A12B Base (fiche de modèle NVIDIA).
- Le gagnant universel n'existe pas. Dans notre propre implémentation de BigCodeBench dès la première tentative (
pass@1) le modèle de Yandex (48,3) a légèrement cédé face à Nemotron (48,8) et DeepSeek V4 Flash (49,1). Et les métriques avec de multiples tentatives commepass@8ne doit pas être reporté en attendant un code parfait dès une première requête de l'utilisateur.
9. Agent IA propre sur serveur : la compatibilité est plus importante que la mode
Avant de concevoir un agent local en 2026, la première étape n'est pas de choisir un beau framework dans un chat, mais de vérification de la compatibilité du moteur d'inférence avec une architecture de poids spécifique:
- pour AliceAI-Foundation-80B-A3B-Base les instructions de lancement via sont publiées dans la fiche
TransformersetvLLM(y compris la version nightly et le mode MTP), mais en raison de l'architecture hybride de l'attention, elle peut ne pas fonctionner «dès la sortie de la boîte» sur des builds de bureau classiques comme Ollama ou LM Studio ; - pour la recherche AliceAI-T5-35B-A0.6B l'équipe prévient séparément : l'inférence est accessible aux utilisateurs externes via
Transformers, et le runtime de production optimisé reste au sein de Yandex.
Par conséquent, la séquence de travail pour construire votre propre agent ressemble à ceci (schéma de projet pour un environnement fermé) :
- InterfaceCabinet web interne de l'employé avec rôles
- Recherche RAGRecherche dans les documents avec vérification des droits d'accès
- InférenceModèle compatible et révision fixe des poids
- Passerelle MCP / APIValidation des paramètres, limites et prévisualisation diff
- ApplicationRapport vérifiable, demande et journal d'audit
Scénario de projet : pour le site ou le département numérique de l'entreprise, il est possible de configurer un périmètre local sur un serveur isolé, qui collecte les métriques techniques des pages, vérifie le statut des formulaires, compare les formulations avec la réglementation 152-FZ et transmet à un spécialiste un rapport prêt à l'emploi ou un projet de corrections pour validation.
Il est important de vérifier tout le cheminement des données: interface web, embeddings, index vectoriel, LLM, logs et sauvegardes. Si la base locale sur votre serveur envoie des fragments de documents trouvés vers une API cloud ou si la correspondance se fait via une messagerie externe classique, ce contour n'est déjà plus totalement fermé.
10. Cloud, serveur propre ou hybride : comment calculer correctement l'économie
Le choix de l'architecture se heurte presque toujours à deux idées fausses extrêmes : «le cloud est toujours moins cher» ou «nous achèterons un ordinateur et remplacerons complètement le cloud d'entreprise».
| Option d'infrastructure | Quand choisir | Ce qu'il est réaliste de prévoir dans le budget |
|---|---|---|
| Service prêt à l'emploi (Yandex AI Alice pour les entreprises / Pro) | Besoin d'un démarrage rapide et de tâches types dans la messagerie, les documents, le tracker et les plugins de base. | Abonnements, intégrations, gestion des droits et conditions contractuelles de traitement des données. |
| API Cloud + votre application | Besoin d'un processus personnalisé (agent vocal, scoring de demandes, passerelle vers CRM) sans achat de GPU. | Coût des jetons et de la parole, location du backend, recherche, développement et maintenance. |
| Propre serveur avec GPU (Self-hosted) | Exigences strictes en matière d'hébergement de données ou flux constant et élevé de requêtes. | GPU et RAM avec réserve, hébergement/énergie, ingénieurs MLOps, mises à jour et redondance. |
| Hybride (séparation des contours) | Les données sensibles restent en Fédération de Russie ou localement, tandis que les tâches générales sont traitées dans le cloud. | Routage des requêtes, anonymisation, audit des fuites et plan de travail en cas de défaillance de l'API externe. |
Une confusion particulière a émergé sur le réseau autour des chiffres 136 vCPU, 648 Go RAM, ~4,1 To de disques et des grappes de 1 × A100 (80 Go) + 2 × H100 (80 Go). Selon la documentation Yandex Cloud Stackland 26.3, c'est le cluster d'entreprise minimal pour déployer la plateforme AI Studio On-premises avec plusieurs composants à la fois (YandexGPT 5 Lite, Embeddings, Ethics, documentation Stackland). Pour les petites et moyennes entreprises, un tel cluster n'est pas nécessaire pour un seul processus métier, tout comme il ne faut pas l'assimiler au seuil minimal de n'importe quel script local.
Calcul prévisionnel de l'économie d'un projet pilote (comment calculer avant l'achat du matériel)
Prenons exemple pédagogique (il s'agit d'une méthodologie d'évaluation, pas d'un tarif STARCODE ni d'une garantie de rentabilité) :
- Un employé traite 1 000 demandes ou documents similaires par mois, passant 8 minutes sur chacun.
- Après l'intégration de l'assistant, l'humain vérifie le brouillon et corrige les rares erreurs en 3 minutes en moyenne (en incluant les tentatives infructueuses).
- À un coût horaire de 900 ₽, cela libère
1 000 × (8 − 3) / 60 × 900= 75 000 ₽ par mois capacité de production. - Si les coûts actuels en API, serveur et support sont d'environ 25 000 ₽/mois et que la configuration du pilote est de 150 000 ₽, le solde calculé net donne 50 000 ₽/mois (environ 3 mois pour un délai de récupération simple).
Correction principale de la pratique : les minutes libérées ne se transforment en argent réel que lorsque l'équipe réduit la masse salariale ou réaffecte ces heures à des commandes supplémentaires. Et la métrique clé pour comparer le cloud et son propre GPU n'est pas le « prix du million de jetons », mais toutes les dépenses liées au processus / nombre de résultats acceptés sans défaut.
11. Essais de réception : 5 vérifications avant l'extension de l'accès
Les benchmarks ouverts éliminent les modèles manifestement faibles, mais ne répondent pas à la question de savoir comment le système se comportera avec les tarifs, contrats et formulaires de votre entreprise. Avant de laisser un agent interagir avec les clients ou avec votre CRM, il convient d'exécuter un projet pilote restreint à partir de 30–50 tâches anonymisées (suffisant pour une sélection initiale, mais ne constitue pas une preuve statistique pour les systèmes critiques) et approuver au préalable les conditions d'arrêt. Voici ci-dessous le programme de vérifications que nous utilisons comme méthodologie de test de recette :
| Scénario de test | Ce que nous vérifions précisément | Critère de validation (ce qu'il faut considérer comme un succès) |
|---|---|---|
| 1. Requête selon le règlement / le droit | Réponse selon les normes (par exemple, 152-FZ ou règlement interne) avec sources. | Rédaction exacte de la norme, lien réel ; en cas de manque de données — refus honnête plutôt qu'invention. |
| 2. Audit d'une page réelle | Analyse HTML d'un site commercial et des conditions visibles. | Conclusions strictement basées sur le code de page reçu ; les paramètres de serveur cachés ne sont pas devinés. |
| 3. Tableau financier (CSV/XLSX) | Calcul de la marge, des remises et résumé des anomalies. | L'arithmétique est reproduite par des formules ou du code, les cellules vides et les unités de mesure ne sont pas modifiées. |
| 4. Tâche multi-étapes avec CRM/formulaire | Collecte des conditions, préparation du brouillon de la demande et pause avant l'envoi. | Un brouillon correct a été créé, l'interdiction d'envoi automatique a été respectée, le statut a été vérifié par ID. |
| 5. Accès et injection de prompt | Tentative d'accéder à un document étranger ou d'exécuter une commande à partir du texte d'une demande externe. | Les données fermées ne sont pas divulguées ; l'instruction à l'intérieur du champ client est ignorée en tant que donnée. |
Règle stricte du pilote : toute envoi de données non autorisé, fuite de contexte tiers ou confirmation de réservation inventée suspend l'extension de l'accès jusqu'à ce que la cause soit corrigée.
12. Sécurité, 152-FZ et leçons des pannes d'automne
Autour des modèles locaux en Russie s'est formé un mythe juridique dangereux : «nous avons installé un serveur au bureau ou dans un centre de données russe — la question du 152-FZ est réglée automatiquement». Ce n'est pas le cas. L'emplacement physique donne le contrôle sur le serveur, mais ne remplace pas le respect de la loi n° 152-FZ sur toute la chaîne de traitement (texte de la 152-FZ) :
- Objectifs, bases et mandat (art. 6 et art. 9 152-FZ): le consentement n'est pas le seul fondement du traitement, mais s'il est spécifiquement utilisé, le document doit être précis et séparé des autres accords confirmés. Le transfert de données à un sous-traitant nécessite l'établissement d'un mandat.
- Localisation et transfert transfrontalier (art. 18 et art. 12 152-FZ): une adresse IP russe de serveur web ne sauve pas si le texte du formulaire, les fragments RAG ou la télémétrie via API sont envoyés vers une LLM étrangère ou un tracker externe.
- Mesures techniques (art. 19 152-FZ) et la médecine (art. 10 152-FZ et art. 13 loi n° 323-FZ) : la composition des mesures de protection, y compris les exigences de chiffrement, est déterminée par les normes applicables et le modèle de menaces, et pour les cliniques, des restrictions supplémentaires s'appliquent concernant les informations sur la santé et le secret médical, indépendamment du fait que l'administrateur ou un robot vocal IA réponde au patient (loi n° 323-FZ).
Ce que les pannes d'infrastructure de l'automne 2026 ont réellement montré
Les mois d'octobre et novembre 2026 ont clairement démontré à quel point il est fragile de tout miser sur une seule plateforme sans plan B :
- 10 novembre Yandex Cloud a publié les résultats de la restauration de l'infrastructure après des incidents dans des centres de données : les ingénieurs ont rétabli l'accès à 97,16% des données clients, tandis que 2,84% ont été perdues en raison de dommages physiques aux supports et de l'absence d'outils de sauvegarde configurés par les projets concernés sur la plateforme elle-même — alors même que les clients ayant activé les outils de sauvegarde Yandex Cloud ont évité toute perte (rapport du fournisseur).
- 1–2 novembre 2026 une cyberattaque massive sur l'hébergeur Beget a perturbé le fonctionnement des sous-réseaux, du DNS et de la virtualisation d'un certain nombre de projets, avec des travaux de restauration ultérieurs (chronologie de l'incident).
La conclusion technique est simple : votre propre machine locale au bureau peut aussi tomber en panne. Une copie de sauvegarde indépendante (avec un test de restauration régulier) protège contre la perte de données, un site de secours avec procédure de basculement réduit les temps d'arrêt, et des droits d'accès séparés empêchent une erreur de script de supprimer simultanément l'original et la sauvegarde. Avant l'achat de la réserve, on définit les objectifs RPO (perte acceptable des dernières données) et RTO (temps de récupération acceptable).
13. Comment Alice AI change le SEO, le GEO et la préparation des sites aux actions des agents
Pour les propriétaires de sites et les marketeurs, trois tâches différentes convergent ici : la présence classique dans les moteurs de recherche, l'inclusion dans les sources de réponses de l'IA (GEO) et la possibilité pour l'assistant ou le navigateur cloud de lire sans erreur les conditions et de remplir une demande (Agentic SEO — utilisé comme un nom de travail pratique pour la troisième tâche, et non comme un facteur de classement distinct confirmé par Yandex).
Ce que montre réellement le rapport dans Yandex Webmaster
Outil « Visibilité du site dans Alisa AI » sorti 7 avril 2026 — à ce moment-là, Yandex a cité le chiffre historique de l'audience des réponses rapides dans la recherche, environ 46,5 millions d'utilisateurs par mois (annonce d'avril). Selon l'aide actuelle de Webmaster, le rapport est construit à partir d'un échantillon de requêtes de recherche où le site est déjà suffisamment bien classé, mis à jour une fois par semaine, stocke les données sur trois mois et affiche la métrique Share of Voice (SoV) — la part des mentions de la ressource dans les réponses d'Alice précisément dans la recherche (aide de Yandex Webmaster). C'est un point de repère utile pour le diagnostic, au même titre que les positions et les conversions, mais pas un compteur global des mentions dans les chats personnels, le mode agent ou un indicateur direct de revenus.
Analyse visuelle : de la question du client à la demande sur l'exemple de deux sites de cliniques
Comparaison du fonctionnement de la recherche IA et du navigateur cloud sur une même requête (exemple technique de disponibilité des conditions, et non vérification des résultats d'Alice AI) :
L'assistant cherche des faits vérifiables dans le moteur de recherche ou ouvre le site dans un navigateur cloud
Phrases générales sur le service premium ; tarif complet caché dans un PDF téléchargeable et des spoilers, JSON-LD absent.
L'assistant ne voit pas ce qui est inclus dans la procédure, ne trouve pas les médecins et ne peut pas indiquer le coût réel.
Champs signés uniquement à l'intérieur du placeholder, captcha rigide bloquant le passage, réponse du formulaire peu claire.
Composition publiée (« ce qui est inclus et ce qui est en supplément »), médecins et planning ; le HTML visible correspond au JSON-LD.
L'IA-assistant reformule les conditions réelles, la fourchette de prix et fournit un lien direct vers la page du service.
Il y a des labels, un choix de canal (Telegram, MAX ou téléphone), un anti-fraude ciblé et un statut de sauvegarde.
| Élément du site | Ce qui entrave l'humain et l'agent IA | Ce qu'il est judicieux d'améliorer |
|---|---|---|
| Composition du service | Somme unique sans liste des travaux ni restrictions. | Dévoiler la composition, les délais, les contre-indications et les règles de calcul. |
| Source unique de prix | Chiffres différents dans le texte de la page, le PDF et la calculatrice. | Accorder toutes les représentations et indiquer la date de mise à jour. |
| Confirmation des faits | Slogans génériques sans licences, adresses ni noms. | Fournir des références vérifiables, des spécialistes, des études de cas et des sources primaires. |
| Accessibilité des données | Conditions clés sur les bannières ou dans les images sans texte. | Transférer les conditions vers un texte HTML et des tableaux accessibles. |
| Formulaires et enregistrement | Orientation uniquement vers un placeholder, absence d'erreurs claires et de statut de la demande. | Étiqueter les champs via label, vérifier le contact de manière compréhensible et fournir une réponse sans ambiguïté. |
| Protection contre les bots | Soit le WAF strict coupe le contournement légitime, soit il n'y a pas d'antifraude du tout. | Établir des règles de protection ciblées avec vérification de scénarios réels. |
Ni Schema.org, ni MCP, ni HTTP/3 ne fonctionnent comme un « bouton magique de citation » isolément : le balisage décrit un contenu déjà existant, un protocole de livraison rapide ne sauve pas un HTML vide, et la connexion MCP ne rend pas automatiquement un service connu de tous les agents externes. Nous avons analysé une matrice de diagnostic détaillée dans guide de vérification de site pour la recherche AI et guide de référencement GEO pour la marque.
8 étapes pratiques pour le propriétaire du site, le marketeur et le CTO
- Vérifier l'indexation, les codes HTTP 200 et l'accessibilité du contenu principal (HTML côté serveur — un moyen fiable de permettre la lecture du texte sans délais complexes, bien que le choix du rendu dépende du moteur).
- Harmoniser les prix, les conditions, les adresses des succursales et les horaires d'ouverture sur toutes les pages et dans les flux.
- Configurer un balisage Schema.org pertinent strictement selon le contenu visible de la page.
- Vérifier les formulaires depuis un mobile, avec un clavier et lors d'un passage de test automatisé : étiquettes de champs, astuces de sélection de canal de communication, messages d'erreur compréhensibles et confirmation de l'enregistrement de la demande.
- Renforcer la couche d'expertise des documents : publier des instructions, règlements et analyses originaux avec indication de l'auteur, de la date de vérification et des sources.
- Connecter des flux YML/XML ou une passerelle API uniquement lorsque quand il existe un consommateur réel, des droits et un processus de mise à jour de la pertinence.
- Analyser le rapport «Visibilité du site dans Alisa AI» dans Webmaster en dynamique séparément des vérifications manuelles dans le chat (pour les tests manuels, enregistrer la date, la formulation exacte de la requête et plusieurs exécutions).
- Vérifier le parcours complet, de la consultation de la page à la notification au gestionnaire, y compris les tentatives de répétition en cas de panne et le serveur de secours.
14. Par où commencer l'implémentation et comment STARCODE PR aide
Essayer d'automatiser « toute l'entreprise d'un coup » ou attendre le modèle de raisonnement universel du futur n'est pas rentable : les processus de base peuvent être testés sereinement dès maintenant, sans acheter de matériel inutile en avance.
Feuille de route en 6 étapes pour le premier pilote
- Choisir un processus fréquent et mesurable et mesurer les coûts de temps actuels et le taux d'erreur.
- Fixer le parcours des données et les limites des actions autorisées ; choisir le service cloud, l'API ou le périmètre local en fonction de ceux-ci.
- Préparer les sources de vérité : règlements, tarifs, matrice des droits et mise à jour régulière.
- Lancer un pilote limité avec confirmation des opérations significatives par un humain (pour un scénario simple préparé, comptez environ 2 à 4 semaines ; les validations complexes et les intégrations d'entreprise allongeront le délai).
- Comparer le coût d'une seule résultat accepté sans défaut avec le processus initial.
- Mettre à l'échelle l'accès uniquement après avoir satisfait aux critères de réception et vérifié la restauration depuis la sauvegarde.
Tâches que nous prenons en charge intégralement chez STARCODE PR
Nous combinons la refonte de site, le search, le contenu, l'architecture serveur et l'intégration de l'IA en un projet unique et piloté, sans dissocier le marketing de la technique et des exigences. 152-FZ:
| Direction | Ce que nous faisons en pratique | Quel résultat mesurable obtenez-vous |
|---|---|---|
| AI SEO du site et préparation à Alice AI | Nous optimisons le code et les pages de services clés, harmonisons les prix et les conditions dans une structure vérifiable, configurons Schema.org, les formulaires et les analyses. | Site actualisé sans barrières techniques et rapport sur les travaux, la visibilité et les demandes reconnues (Optimisation pour la recherche IA). |
| GEO-promotion de marque | Nous construisons une stratégie de contenu basée sur les questions réelles des clients, préparons des documents d'experts avec des sources, renforçons les profils externes et effectuons des mesures répétées. | Plan coordonné, documents publiés et extraits réguliers des mentions et de la précision de la présentation de l'entreprise (GEO-promotion). |
| Introduction d'agents IA et automatisation | Nous assemblons un pilote pour un processus spécifique, connectons la base de connaissances, CRM, messageries et API, configurons les droits, les contrôles, le périmètre serveur RF et les exigences de la 152-FZ. | Scénario coordonné fonctionnel avec protocole de test, calcul des coûts et instructions (intégration IA, automatisation, cloud et serveurs). |
Prêt à tester votre site pour Yandex AI Alice ou à lancer un pilote d'agent IA ?
Pour l'IA SEO et GEO, le diagnostic initial est inclus directement dans le projet d'implémentation — il n'est pas nécessaire de commander un audit séparé ; il n'est requis que pour ceux qui souhaitent obtenir un plan de travail pour leur propre équipe. Envoyez le lien vers le site, les services prioritaires et le processus à automatiser — nous préparerons une proposition concrète avec des points d'amélioration et des critères d'acceptation.
Questions fréquentes
1. Peut-on télécharger les poids ouverts d'AliceAI-Foundation-80B-A3B-Base et obtenir une Alice prête à l'emploi avec appels et navigateur ?
Non. Seuls les poids de base du modèle textuel sont ouverts. Le navigateur cloud, la téléphonie, la recherche, les plugins et la coordination des dialogues sont des couches de produits distinctes que vous devrez construire vous-même ou acquérir via la gamme entreprise de Yandex.
2. Est-il vrai que 3B de paramètres actifs permettent de l'exécuter sur un téléphone ou un VDS bon marché classique ?
Non. 3B se réfère au volume de calcul par jeton, et non à la taille des poids. Tous les 80B paramètres doivent être stockés en mémoire (environ 163 Go de poids en BF16 ou de 40 à 50 Go uniquement pour les poids 4 bits sans compter le contexte). Même la plus petite Search Pretrain en 4-bit occupe environ 21 Go. Un VDS ordinaire sans GPU ne convient que pour l'interface, la passerelle MCP et la base de connaissances lors de l'accès à une API externe.
3. Si l'on transfère la base de documents vers un RAG local, les données commerciales ne quitteront-elles pas le serveur avec certitude ?
Uniquement si tout l'itinéraire de traitement reste dans votre périmètre : embeddings, recherche vectorielle, modèle de génération, logs et interface de messagerie. Si la recherche locale trouve un fragment de contrat et l'envoie vers un réseau de neurones cloud public, le texte sort quand même.
4. Pourquoi le concurrent à la 6e place des résultats de recherche est cité dans la réponse d'Alice AI, alors que notre site en 1ère ou 2e position ne l'est pas ?
La recherche classique classe la page dans son ensemble, tandis qu'une réponse générative (RAG) recherche le fragment contenant la réponse la plus précise et vérifiable à un aspect spécifique de la question. Les tableaux de conditions directs, les dates et des formulations claires aident souvent la source à apparaître en note de bas de page, bien qu'il n'existe aucune recette unique garantie pour le choix des citations.
5. Est-il sûr de désactiver le captcha et la protection contre les bots pour que les agents IA puissent accéder librement au site ?
Il est impossible de désactiver entièrement la protection — vous exposeriez vos formulaires au spam automatique et au bourrage. La bonne méthode consiste à tester les règles du WAF par touches lors de passages de test tout en conservant la protection pour assurer le fonctionnement correct des formulaires légitimes.
6. Quand peut-on honnêtement considérer que l'implémentation d'un agent IA est rentabilisée ?
Uniquement lorsque la somme de tous les coûts réels (API ou GPU, développement, support et temps des employés pour la vérification et la correction des erreurs) est inférieure à l'effet confirmé sur les résultats acceptés sans défaut, et que le temps libéré par l'équipe est réellement utilisé.
7. Que faire dès maintenant, pendant que «Agis !» est en test précoce ?
Ne pas attendre la sortie grand public : mettre de l'ordre dans les prix, la structure des pages, le balisage et les formulaires du site, connecter le rapport de visibilité dans Alice AI via Yandex Webmaster et décrire 1 à 2 tâches routinières internes pour un projet pilote contrôlé. Pour en savoir plus sur le sujet, lisez nos analyses sur l'automatisation à l'aide d'agents IA et nouveau format de sites avec pilotage via IA.
Sources et documentation
Sources vérifiées .
- Yandex : lancement de l'assistant vocal Alice, 10.10.2017 — Lancement officiel de l'assistant vocal Alice dans l'application de recherche Yandex et la version bêta pour Windows.
- Yandex : lancement de l'agent IA personnel « Agis ! », 12.11.2026 — Annonce officielle du navigateur cloud, appels téléphoniques avec transcription, transfert de contrôle et accès anticipé.
- Yandex B2B Tech: Speech TTS Live et Speech Realtime Max mis à jour, 13.11.2026 — Synthèse vocale en streaming et modèle de dialogue pour agents vocaux avec réaction correcte aux interruptions.
- Yandex : bêta-catalogue de plugins Alice AI et support MCP, 16.11.2026 — Lancement de plus de 20 plugins et connexions privées d'entreprises selon la norme Model Context Protocol.
- Yandex : lancement d'Alice AI Pro pour les entreprises, 24.09.2026 — Version entreprise avec personnalisation approfondie et options de déploiement dans l'infrastructure du client.
- Yandex B2B Tech: carte des versions d'Alisa AI d'entreprise — Comparaison d'Alice AI pour le business dans Yandex 360 et Alice AI Pro sur la plateforme Yandex AI Studio.
- Documentation Yandex AI Alice Pro : historique des modifications (05.11.2026) — Panneau Git intégré pour les dépôts et augmentation de la limite de pièces jointes jusqu'à 256 Mo et 20 fichiers.
- Documentation Yandex AI Alice Pro : tâches planifiées — Paramétrage de l'exécution régulière en arrière-plan des tâches avec sauvegarde des résultats dans le chat.
- Yandex : certification de sécurité des modèles Alice AI selon ISO/IEC 42001, 16.07.2026 — Audit indépendant des processus de développement responsable pour Alice AI LLM, VLM et ART.
- Équipe Yandex : rapport technique AliceAI-Foundation-80B-A3B-Base — Détails du pré-entraînement à partir de zéro sur 17,5 billions de jetons, extension du contexte à 256K et benchmarks en langue russe.
- Hugging Face: yandex/AliceAI-Foundation-80B-A3B-Base — Fiche du modèle MoE ouvert (80B au total / 3B actifs), licence Apache 2.0, mesures et lancement dans Transformers/vLLM.
- Équipe Yandex : publication sur le modèle de recherche ouvert Alice AI Search — Dispositif de l'architecture encoder-decoder MoE et limites de l'inférence externe ouverte.
- Hugging Face: yandex/AliceAI-T5-35B-A0.6B — Fiche du modèle de recherche MoE de base (34,35B / ~0,6B paramètres actifs, contexte 128K, Apache 2.0).
- Hugging Face: nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 — Paramètres de l'architecture MoE de base NVIDIA (120B au total / 12B paramètres actifs) pour une comparaison correcte.
- Spécification Model Context Protocol : Tools et Authorization (25.11.2025) — Norme de description des outils serveur, des schémas de paramètres et des mécanismes d'autorisation des connexions HTTP.
- Documentation Yandex Cloud Stackland : composants AI Studio On-premises — Exigences en ressources pour un cluster d'entreprise minimal (136 vCPU, 648 Go de RAM, A100 et H100).
- Yandex : programme d'agents IA de « Nornickel » sur Yandex AI Studio, 20.04.2026 — Architecture hybride avec canal physique dédié et test des agents pour plus de 30 processus.
- Yandex Cloud: résultats de la restauration de l'infrastructure, 10.11.2026 — Rapport officiel sur la récupération de 97,16% des données et l'importance des sauvegardes configurées sur la plateforme.
- Beget : chronologie officielle de l'incident de sécurité (novembre 2026) — Résumé de la cyberattaque des 1-2 novembre 2026 et des étapes de restauration des services cloud et DNS.
- Aide Yandex Webmaster: visibilité du site dans les réponses d'Alisa AI — Méthodologie de calcul de la part de voix (SoV) du domaine et exemples de requêtes avec citation du site.
- Loi fédérale n° 152-FZ « Sur les données personnelles » — Articles 6, 9, 10, 10.1, 12, 18, 18.1 et 22 : bases de traitement, consentements, protection et obligations de l'opérateur.
- Loi n° 323-FZ « Sur les principes fondamentaux de la protection de la santé des citoyens en Fédération de Russie » — Articles 13, 22 et 79 : secret médical, information du patient et obligations de l'organisation médicale.
La documentation décrit les capacités de la plateforme. La configuration et la compatibilité sont vérifiées pour chaque projet spécifique ; les prix et le SLA de STARCODE sont définis par notre offre et le contrat.