[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"kb-article-naver-et-naver-cloud-a-l-icml-2026-une-demonstration-d-ia-full-stack-de-la-securite-aux-mondes-physiques-fr":3,"ArticleBody_9MfXPaYAJXWK65HQcFRhFyL8OjW0DcCQdi2wkDKQQ":203},{"article":4,"relatedArticles":174,"locale":66},{"id":5,"title":6,"slug":7,"content":8,"htmlContent":9,"excerpt":10,"category":11,"tags":12,"metaDescription":10,"wordCount":13,"readingTime":14,"publishedAt":15,"sources":16,"sourceCoverage":58,"transparency":60,"seo":63,"language":66,"featuredImage":67,"featuredImageCredit":68,"isFreeGeneration":72,"trendSlug":73,"trendSnapshot":74,"niche":82,"geoTakeaways":85,"geoFaq":94,"entities":104},"6a5801c95a245dc50f2b582d","Naver et Naver Cloud à l’ICML 2026 : une démonstration d’IA full‑stack, de la sécurité aux mondes physiques","naver-et-naver-cloud-a-l-icml-2026-une-demonstration-d-ia-full-stack-de-la-securite-aux-mondes-physiques","## 1. ICML 2026 à [Séoul](\u002Ffr\u002Fentities\u002F697687e274a02fe2223aae3f-seoul) : pourquoi la vitrine [Naver](\u002Ffr\u002Fentities\u002F6a58037bb15b2ddcc32c7732-naver) compte pour l’écosystème IA mondial  \n\nICML est l’une des trois grandes conférences majeures de recherche en apprentissage automatique, au même niveau que NeurIPS et ICLR [1][5].  \nEn 2026, elle a lieu pour la première fois à Séoul, au COEX, du 6 au 11 juillet, positionnant Naver au centre du paysage scientifique et industriel asiatique [1][5].  \n\nNaver y intervient comme sponsor platinum, avec stand et sessions techniques, sous le thème « Where AI Research Becomes Reality » [3][5].  \nObjectif : être vu non seulement comme producteur de recherche, mais comme fournisseur industriel d’IA de bout en bout, des modèles fondamentaux aux services cloud en production [2][3].  \n\n💡 À retenir  \nICML 2026 devient un démonstrateur en temps réel où une même organisation aligne :  \n- papiers de recherche,  \n- [plateformes cloud](\u002Ffr\u002Farticle\u002Flancement-de-plateformes-cloud-pour-l-ia-agentique-et-les-outils-developpeurs),  \n- cas d’usage opérationnels,  \ndans un continuum technologique unique [1][3].  \n\nTeam Naver articule cette « IA full‑stack » autour de trois axes :  \n- sécurité et robustesse des modèles,  \n- efficacité d’exploitation des modèles et agents,  \n- compréhension 3D et ancrage dans le monde physique [1][2].  \n\nLa compétition en [IA générative](\u002Ffr\u002Fentities\u002F695e3c1219d266277e14dcd7-ia-generative) se déplace de la seule performance brute vers :  \n- la sécurité et la conformité,  \n- la latence, le coût et la fiabilité,  \n- l’intégration aux systèmes industriels et d’infrastructure critiques [2][10].  \n\n📊 Donnée clé  \nLes travaux sur l’IA pour infrastructures critiques montrent que la valeur se crée désormais dans l’intégration avec :  \n- systèmes urbains,  \n- robotique et IoT,  \n- gouvernance de la donnée [10].  \nL’approche full‑stack de Naver s’inscrit directement dans cette convergence modèles‑systèmes‑territoires.  \n\n## 2. Sécurité et efficacité : les contributions cœur de Naver et [Naver Cloud](\u002Ffr\u002Fentities\u002F6a58037bb15b2ddcc32c7733-naver-cloud)  \n\nPremier pilier : la sécurité des modèles, avec un focus sur le red‑teaming de [grands modèles de langage](\u002Ffr\u002Fentities\u002F69601dff19d266277e14fddc-grands-modeles-de-langage) [1][3].  \nPrincipe : simuler des attaques adverses pour cartographier vulnérabilités et scénarios d’abus avant le déploiement [1][3].  \n\nProblèmes des approches classiques :  \n- entraînement instable,  \n- répétition des mêmes motifs d’attaque,  \n- couverture limitée des risques [1][4].  \n\nStable‑GFlowNet, proposé par Team Naver, introduit :  \n- une génération structurée,  \n- une exploration plus stable,  \n- une diversification des trajectoires d’attaque potentielles [1][4].  \n\n📊 Donnée clé  \nStable‑GFlowNet est sélectionné en Spotlight (≈2,2 % des articles acceptés) à ICML 2026 [1][4].  \nPour un industriel comme Naver, c’est un signal de crédibilité académique sur un sujet clé pour la gouvernance des LLM.  \n\nContexte de menace : une étude projette que les malwares générés par grands modèles pourraient représenter 50 % des menaces détectées en 2025, contre 2 % en 2021 [6].  \nLes auteurs préconisent des cadres intégrés combinant :  \n- red‑teaming,  \n- transparence des comportements,  \n- défenses adaptatives [3][6].  \n\n⚠️ Point clé  \nSans red‑teaming systématique et automatisé, chaque nouveau modèle déployé augmente le risque de dérives silencieuses ou d’attaques massives [3][6].  \n\nDeuxième pilier : l’efficacité d’exploitation des modèles et des agents.  \n\nSyMerge est une technologie de fusion qui :  \n- combine plusieurs modèles spécialisés en un modèle polyvalent,  \n- ajuste principalement une seule couche pour créer de la synergie [1][3][4].  \n\nPour les équipes ML, cela permet de :  \n- mutualiser capacités (vision, langage, tâches métier) sans multiplier les endpoints,  \n- réduire coûts d’orchestration et de maintenance de modèles hétérogènes [3][4].  \n\nEn parallèle, FlowBot automatise la planification de workflows multi‑agents en apprenant l’ordre optimal des tâches, sans spécifier manuellement chaque étape [1][3][4].  \nCombiné à des techniques de post‑entraînement qui partitionnent puis fusionnent des centaines à milliers de jeux de données en une seule passe, cela :  \n- augmente les performances,  \n- conserve une structure d’inférence simple [1][4].  \n\n💼 Anecdote de terrain  \nUn responsable d’équipe dans une fintech asiatique indiquait gérer plus de 15 modèles distincts pour conformité, support et scoring.  \nSa principale douleur : complexité opérationnelle et coût par requête, plus que le fine‑tuning ; SyMerge et FlowBot ciblent directement cette « dette d’architecture » [3][4].  \n\n## 3. IA physique, cas d’usage et positionnement stratégique de Naver Cloud  \n\nTroisième axe : l’IA physique, qui relie modèles et espaces réels.  \nTeam Naver présente des travaux de reconstruction 3D de scènes dynamiques à partir d’une seule caméra instable ou floue, estimant les formes via les trajectoires de mouvement [1][3][4].  \n\nDans la même logique, le « Seoul World Model » recrée numériquement la ville comme plateforme de simulation pour :  \n- apprentissage des trajectoires,  \n- comportements de robots et véhicules autonomes [1][2][5].  \n\nC’est une brique de jumeau numérique urbain pour :  \n- logistique,  \n- ville intelligente,  \n- métavers industriel [2][10].  \n\n💡 À retenir  \nEn combinant perception 3D, simulation urbaine et agents décisionnels, Naver déploie un pipeline complet :  \n- collecte et modélisation d’espaces,  \n- entraînement de politiques en monde simulé,  \n- déploiement sur systèmes physiques connectés [1][2][10].  \n\nSur le stand « Where AI Research Becomes Reality », ces travaux se prolongent en services Naver et Naver Cloud :  \n- assistants intelligents,  \n- recommandations contextuelles,  \n- robotique de livraison,  \n- optimisation énergétique de bâtiments [1][2][3].  \n\nCette approche suit une tendance de fond :  \n- contraintes de puissance et de consommation en data centers,  \n- adoption d’architectures d’inférence plus sobres,  \n- accélérateurs spécialisés et clouds régionaux optimisés pour le coût par token [7][8].  \n\nRéduire le nombre de modèles à servir (via la fusion) et optimiser les pipelines d’agents contribue directement à :  \n- maîtriser la facture énergétique,  \n- réduire l’empreinte carbone [3][8].  \n\nAu final, la combinaison IA de confiance, efficacité opérationnelle et ancrage dans le monde physique donne à Naver et Naver Cloud le profil d’un fournisseur d’IA de bout en bout pour entreprises et institutions, en Asie et au‑delà [2][3].  \n\n## Conclusion : une feuille de route full‑stack à observer de près  \n\nICML 2026 confirme le repositionnement de Naver :  \n- d’un acteur de services en ligne à un fournisseur d’IA intégrée couvrant recherche, cloud, sécurité et monde physique,  \n- avec une stratégie alignée sur les enjeux à venir : gouvernance des modèles, sobriété d’inférence, jumeaux numériques et robotique connectée [1][2][3][10].  \n\nLa trajectoire esquissée à Séoul en fait un cas d’école pour les organisations cherchant à passer de prototypes d’IA isolés à une véritable plateforme full‑stack industrielle.","\u003Ch2>1. ICML 2026 à \u003Ca href=\"\u002Ffr\u002Fentities\u002F697687e274a02fe2223aae3f-seoul\">Séoul\u003C\u002Fa> : pourquoi la vitrine \u003Ca href=\"\u002Ffr\u002Fentities\u002F6a58037bb15b2ddcc32c7732-naver\">Naver\u003C\u002Fa> compte pour l’écosystème IA mondial\u003C\u002Fh2>\n\u003Cp>ICML est l’une des trois grandes conférences majeures de recherche en apprentissage automatique, au même niveau que NeurIPS et ICLR \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>.\u003Cbr>\nEn 2026, elle a lieu pour la première fois à Séoul, au COEX, du 6 au 11 juillet, positionnant Naver au centre du paysage scientifique et industriel asiatique \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Naver y intervient comme sponsor platinum, avec stand et sessions techniques, sous le thème « Where AI Research Becomes Reality » \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>.\u003Cbr>\nObjectif : être vu non seulement comme producteur de recherche, mais comme fournisseur industriel d’IA de bout en bout, des modèles fondamentaux aux services cloud en production \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>💡 À retenir\u003Cbr>\nICML 2026 devient un démonstrateur en temps réel où une même organisation aligne :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>papiers de recherche,\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Ffr\u002Farticle\u002Flancement-de-plateformes-cloud-pour-l-ia-agentique-et-les-outils-developpeurs\" class=\"internal-link\">plateformes cloud\u003C\u002Fa>,\u003C\u002Fli>\n\u003Cli>cas d’usage opérationnels,\u003Cbr>\ndans un continuum technologique unique \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Team Naver articule cette « IA full‑stack » autour de trois axes :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>sécurité et robustesse des modèles,\u003C\u002Fli>\n\u003Cli>efficacité d’exploitation des modèles et agents,\u003C\u002Fli>\n\u003Cli>compréhension 3D et ancrage dans le monde physique \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>La compétition en \u003Ca href=\"\u002Ffr\u002Fentities\u002F695e3c1219d266277e14dcd7-ia-generative\">IA générative\u003C\u002Fa> se déplace de la seule performance brute vers :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>la sécurité et la conformité,\u003C\u002Fli>\n\u003Cli>la latence, le coût et la fiabilité,\u003C\u002Fli>\n\u003Cli>l’intégration aux systèmes industriels et d’infrastructure critiques \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>📊 Donnée clé\u003Cbr>\nLes travaux sur l’IA pour infrastructures critiques montrent que la valeur se crée désormais dans l’intégration avec :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>systèmes urbains,\u003C\u002Fli>\n\u003Cli>robotique et IoT,\u003C\u002Fli>\n\u003Cli>gouvernance de la donnée \u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>.\u003Cbr>\nL’approche full‑stack de Naver s’inscrit directement dans cette convergence modèles‑systèmes‑territoires.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>2. Sécurité et efficacité : les contributions cœur de Naver et \u003Ca href=\"\u002Ffr\u002Fentities\u002F6a58037bb15b2ddcc32c7733-naver-cloud\">Naver Cloud\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>Premier pilier : la sécurité des modèles, avec un focus sur le red‑teaming de \u003Ca href=\"\u002Ffr\u002Fentities\u002F69601dff19d266277e14fddc-grands-modeles-de-langage\">grands modèles de langage\u003C\u002Fa> \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003Cbr>\nPrincipe : simuler des attaques adverses pour cartographier vulnérabilités et scénarios d’abus avant le déploiement \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Problèmes des approches classiques :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>entraînement instable,\u003C\u002Fli>\n\u003Cli>répétition des mêmes motifs d’attaque,\u003C\u002Fli>\n\u003Cli>couverture limitée des risques \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Stable‑GFlowNet, proposé par Team Naver, introduit :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>une génération structurée,\u003C\u002Fli>\n\u003Cli>une exploration plus stable,\u003C\u002Fli>\n\u003Cli>une diversification des trajectoires d’attaque potentielles \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>📊 Donnée clé\u003Cbr>\nStable‑GFlowNet est sélectionné en Spotlight (≈2,2 % des articles acceptés) à ICML 2026 \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003Cbr>\nPour un industriel comme Naver, c’est un signal de crédibilité académique sur un sujet clé pour la gouvernance des LLM.\u003C\u002Fp>\n\u003Cp>Contexte de menace : une étude projette que les malwares générés par grands modèles pourraient représenter 50 % des menaces détectées en 2025, contre 2 % en 2021 \u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>.\u003Cbr>\nLes auteurs préconisent des cadres intégrés combinant :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>red‑teaming,\u003C\u002Fli>\n\u003Cli>transparence des comportements,\u003C\u002Fli>\n\u003Cli>défenses adaptatives \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>⚠️ Point clé\u003Cbr>\nSans red‑teaming systématique et automatisé, chaque nouveau modèle déployé augmente le risque de dérives silencieuses ou d’attaques massives \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-6\" class=\"citation-link\" title=\"View source [6]\">[6]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Deuxième pilier : l’efficacité d’exploitation des modèles et des agents.\u003C\u002Fp>\n\u003Cp>SyMerge est une technologie de fusion qui :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>combine plusieurs modèles spécialisés en un modèle polyvalent,\u003C\u002Fli>\n\u003Cli>ajuste principalement une seule couche pour créer de la synergie \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Pour les équipes ML, cela permet de :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>mutualiser capacités (vision, langage, tâches métier) sans multiplier les endpoints,\u003C\u002Fli>\n\u003Cli>réduire coûts d’orchestration et de maintenance de modèles hétérogènes \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>En parallèle, FlowBot automatise la planification de workflows multi‑agents en apprenant l’ordre optimal des tâches, sans spécifier manuellement chaque étape \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003Cbr>\nCombiné à des techniques de post‑entraînement qui partitionnent puis fusionnent des centaines à milliers de jeux de données en une seule passe, cela :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>augmente les performances,\u003C\u002Fli>\n\u003Cli>conserve une structure d’inférence simple \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>💼 Anecdote de terrain\u003Cbr>\nUn responsable d’équipe dans une fintech asiatique indiquait gérer plus de 15 modèles distincts pour conformité, support et scoring.\u003Cbr>\nSa principale douleur : complexité opérationnelle et coût par requête, plus que le fine‑tuning ; SyMerge et FlowBot ciblent directement cette « dette d’architecture » \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Ch2>3. IA physique, cas d’usage et positionnement stratégique de Naver Cloud\u003C\u002Fh2>\n\u003Cp>Troisième axe : l’IA physique, qui relie modèles et espaces réels.\u003Cbr>\nTeam Naver présente des travaux de reconstruction 3D de scènes dynamiques à partir d’une seule caméra instable ou floue, estimant les formes via les trajectoires de mouvement \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-4\" class=\"citation-link\" title=\"View source [4]\">[4]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Dans la même logique, le « Seoul World Model » recrée numériquement la ville comme plateforme de simulation pour :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>apprentissage des trajectoires,\u003C\u002Fli>\n\u003Cli>comportements de robots et véhicules autonomes \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-5\" class=\"citation-link\" title=\"View source [5]\">[5]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>C’est une brique de jumeau numérique urbain pour :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>logistique,\u003C\u002Fli>\n\u003Cli>ville intelligente,\u003C\u002Fli>\n\u003Cli>métavers industriel \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>💡 À retenir\u003Cbr>\nEn combinant perception 3D, simulation urbaine et agents décisionnels, Naver déploie un pipeline complet :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>collecte et modélisation d’espaces,\u003C\u002Fli>\n\u003Cli>entraînement de politiques en monde simulé,\u003C\u002Fli>\n\u003Cli>déploiement sur systèmes physiques connectés \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Sur le stand « Where AI Research Becomes Reality », ces travaux se prolongent en services Naver et Naver Cloud :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>assistants intelligents,\u003C\u002Fli>\n\u003Cli>recommandations contextuelles,\u003C\u002Fli>\n\u003Cli>robotique de livraison,\u003C\u002Fli>\n\u003Cli>optimisation énergétique de bâtiments \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Cette approche suit une tendance de fond :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>contraintes de puissance et de consommation en data centers,\u003C\u002Fli>\n\u003Cli>adoption d’architectures d’inférence plus sobres,\u003C\u002Fli>\n\u003Cli>accélérateurs spécialisés et clouds régionaux optimisés pour le coût par token \u003Ca href=\"#source-7\" class=\"citation-link\" title=\"View source [7]\">[7]\u003C\u002Fa>\u003Ca href=\"#source-8\" class=\"citation-link\" title=\"View source [8]\">[8]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Réduire le nombre de modèles à servir (via la fusion) et optimiser les pipelines d’agents contribue directement à :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>maîtriser la facture énergétique,\u003C\u002Fli>\n\u003Cli>réduire l’empreinte carbone \u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-8\" class=\"citation-link\" title=\"View source [8]\">[8]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Au final, la combinaison IA de confiance, efficacité opérationnelle et ancrage dans le monde physique donne à Naver et Naver Cloud le profil d’un fournisseur d’IA de bout en bout pour entreprises et institutions, en Asie et au‑delà \u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>.\u003C\u002Fp>\n\u003Ch2>Conclusion : une feuille de route full‑stack à observer de près\u003C\u002Fh2>\n\u003Cp>ICML 2026 confirme le repositionnement de Naver :\u003C\u002Fp>\n\u003Cul>\n\u003Cli>d’un acteur de services en ligne à un fournisseur d’IA intégrée couvrant recherche, cloud, sécurité et monde physique,\u003C\u002Fli>\n\u003Cli>avec une stratégie alignée sur les enjeux à venir : gouvernance des modèles, sobriété d’inférence, jumeaux numériques et robotique connectée \u003Ca href=\"#source-1\" class=\"citation-link\" title=\"View source [1]\">[1]\u003C\u002Fa>\u003Ca href=\"#source-2\" class=\"citation-link\" title=\"View source [2]\">[2]\u003C\u002Fa>\u003Ca href=\"#source-3\" class=\"citation-link\" title=\"View source [3]\">[3]\u003C\u002Fa>\u003Ca href=\"#source-10\" class=\"citation-link\" title=\"View source [10]\">[10]\u003C\u002Fa>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>La trajectoire esquissée à Séoul en fait un cas d’école pour les organisations cherchant à passer de prototypes d’IA isolés à une véritable plateforme full‑stack industrielle.\u003C\u002Fp>\n","1. ICML 2026 à Séoul : pourquoi la vitrine Naver compte pour l’écosystème IA mondial  \n\nICML est l’une des trois grandes conférences majeures de recherche en apprentissage automatique, au même niveau...","trend-radar",[],1007,5,"2026-07-15T22:06:25.097Z",[17,22,26,30,34,38,42,46,50,54],{"title":18,"url":19,"summary":20,"type":21},"Team Naver showcases AI full-stack technology at ICML 2026","https:\u002F\u002Fwww.digitaltoday.co.kr\u002Fen\u002Fview\u002F80766\u002Fteam-naver-showcases-ai-full-stack-technology-at-icml-2026","Team Naver said on Sunday it participated in the International Conference on Machine Learning (ICML) 2026 and presented research results spanning areas from advanced AI models to physical AI. ICML is ...","kb",{"title":23,"url":24,"summary":25,"type":21},"Team Naver Participates in ICML 2026: AI Safety, Model Operation, and Physical AI Showcased","https:\u002F\u002Fwww.venturesquare.net\u002Fen\u002F1098261\u002F","The competition in generative AI is rapidly expanding beyond model performance to the stages of service and industrial application. Technologies for safely and efficiently operating AI models, as well...",{"title":27,"url":28,"summary":29,"type":21},"Team Naver Demonstrates 'AI Full-Stack' Capabilities at the World's Most Prestigious AI Conference","https:\u002F\u002Fen.edaily.co.kr\u002Fnews\u002Feda202607135191\u002F","A Team Naver representative is introducing Team Naver’s AI capabilities to overseas AI researchers. (Courtesy of Naver Cloud)\n\nNaver (NAVER(035420)) demonstrated its global AI technological competitiv...",{"title":31,"url":32,"summary":33,"type":21},"Team Naver's red-teaming research selected as spotlight paper at ICML 2026","https:\u002F\u002Fen.sedaily.com\u002Fnews\u002F2026\u002F07\u002F13\u002Fteam-naver-unveils-full-stack-ai-research-at-top-global","Team Naver's red-teaming research, which detects vulnerabilities in large language models (LLMs), has been selected as a spotlight paper at \"ICML 2026,\" a leading global machine learning conference. T...",{"title":35,"url":36,"summary":37,"type":21},"International Conference on Machine Learning (ICML) 2026","https:\u002F\u002Feurope.naverlabs.com\u002Fupdates\u002Ficml\u002F","International Conference on Machine Learning (ICML) 2026\n\nPublished by Claudia Heyer at 6 July 2026.\n\nNAVER is a platinum sponsor of ICML 2026.\n\nNAVER Expo Talk panel, Mon 6 Jul 11:30 am KST (4:30 am ...",{"title":39,"url":40,"summary":41,"type":21},"Large Language Models (LLMs) and Generative AI in Cybersecurity and Privacy: A Survey of Dual-Use Risks, AI-Generated Malware, Explainability, and Defensive … — K Ahi, S Valizadeh - 2025 Silicon Valley Cybersecurity …, 2025 - ieeexplore.ieee.org","https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F11133642\u002F","Abstract\nLarge Language Models (LLMs) and generative AI (GenAI) systems, such as ChatGPT, Claude, Gemini, LLaMA, Copilot, Stable Diffusion by OpenAI, Anthropic, Google, Meta, Microsoft, Stability AI, ...",{"title":43,"url":44,"summary":45,"type":21},"FuriosaAI finds a European beachhead for efficient inference","https:\u002F\u002Fwww.jonpeddie.com\u002Fnews\u002Ffuriosaai-finds-a-european-beachhead-for-efficient-inference\u002F","FuriosaAI is expanding access to its RNGD inference accelerator in Europe through a deployment at Equinix’s Lisbon LS2 data center. The move gives European enterprises a local environment to evaluate ...",{"title":47,"url":48,"summary":49,"type":21},"Votre stratégie d'IA est-elle optimisée pour l'entraînement ou pour l'inférence ?","https:\u002F\u002Fwww.facebook.com\u002FLeMagIT\u002Fposts\u002F-votre-strat%C3%A9gie-dia-est-elle-optimis%C3%A9e-pour-lentra%C3%AEnement-ou-pour-linf%C3%A9rence-la\u002F1846533706675134\u002F","La demande en IA générative explose, mais l'efficacité opérationnelle reste un défi majeur. FuriosaAI et Broadcom franchissent une étape stratégique avec le RNGD 3. Ce nouvel accélérateur ne se conten...",{"title":51,"url":52,"summary":53,"type":21},"Comment l'IA change la phase exploration en reconversion : outils, limites, posture (mai 2026)","https:\u002F\u002Fwww.benjaminduplaa.com\u002Fblog\u002Fia-phase-exploration-reconversion-outils-limites","L'IA accélère la phase d'exploration en reconversion mais ne sait pas éprouver une vocation. Panoramique mai 2026 : Google I\u002FO (Gemini 3.x, Spark, Ask…).\n\nIl a 39 ans. Ingénieur dans une PME industrie...",{"title":55,"url":56,"summary":57,"type":21},"Emerging Technology and Risk Analysis: Artificial Intelligence and Critical Infrastructure","https:\u002F\u002Fwww.rand.org\u002Fcontent\u002Fdam\u002Frand\u002Fpubs\u002Fresearch_reports\u002FRRA2800\u002FRRA2873-1\u002FRAND_RRA2873-1.pdf","Emerging Technology and Risk Analysis\nArtificial Intelligence and Critical Infrastructure\n\nThe National Institute of Standards and Technology’s (NIST’s) Computer Security Resource Center defines artif...",{"totalSources":59},10,{"generationDuration":61,"kbQueriesCount":59,"confidenceScore":62,"sourcesCount":59},387858,100,{"metaTitle":64,"metaDescription":65},"Naver et Naver Cloud : démonstration IA full‑stack ICML 2026","À Séoul, Naver dévoile une IA full‑stack : des modèles aux services cloud, sécurité et ancrage physique pour l'industrie — découvrez l'impact concret.","fr","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1706260240783-1aa70696efe1?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxuYXZlciUyMGFuZHxlbnwxfDB8fHwxNzg0MTUyNTIxfDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60",{"photographerName":69,"photographerUrl":70,"unsplashUrl":71},"Claudio Schwarz","https:\u002F\u002Funsplash.com\u002F@purzlbaum?utm_source=coreprose&utm_medium=referral","https:\u002F\u002Funsplash.com\u002Fphotos\u002Fa-picture-of-graffiti-written-on-the-ground-Ye5FhjFqdHE?utm_source=coreprose&utm_medium=referral",true,"naver-and-naver-cloud-full-stack-ai-research-at-icml-2026",{"score":62,"type":75,"sourceCount":76,"topSourceDomains":77,"detectedAt":81,"mentionsLast7Days":76},"spiking",6,[78,79,80],"thelec.net","digitaltoday.co.kr","venturesquare.net","2026-07-15T21:03:33.884Z",{"key":83,"name":84,"nameEn":84},"ai-engineering","AI Engineering & LLM Ops",[86,88,90,92],{"text":87},"ICML 2026 se tient au COEX à Séoul du 6 au 11 juillet 2026 et Naver est sponsor platinum avec stand et sessions techniques.",{"text":89},"Stable‑GFlowNet de Team Naver est sélectionné en Spotlight, soit environ 2,2 % des articles acceptés à ICML 2026.",{"text":91},"Une étude projetée indique que les malwares générés par grands modèles pourraient représenter 50 % des menaces détectées en 2025, contre 2 % en 2021.",{"text":93},"Naver articule une stratégie full‑stack couvrant sécurité des modèles, efficacité opérationnelle (fusion de modèles, orchestration d’agents) et perception 3D\u002Fjumeaux urbains pour applications cloud et robotique.",[95,98,101],{"question":96,"answer":97},"Quel est l'impact concret de la présence de Naver à l'ICML 2026 ?","La présence de Naver à ICML 2026 valide son positionnement industriel et scientifique. En étant sponsor platinum et en présentant des travaux acceptés en Spotlight (≈2,2 % des articles), Naver montre une crédibilité académique renforcée tout en présentant des solutions opérationnelles — SyMerge, FlowBot, Stable‑GFlowNet et des pipelines 3D — qui ciblent la réduction des coûts d’exploitation, la sécurisation des déploiements et l’intégration au monde physique. Cela facilite la transition pour des clients industriels cherchant à passer de prototypes isolés à des plateformes d’IA intégrées, en fournissant des démonstrations en temps réel de l’intégration modèles‑cloud‑systèmes.",{"question":99,"answer":100},"La sécurité des modèles présentée par Naver suffit‑elle à prévenir les abus ?","Non, la sécurité présentée est nécessaire mais pas suffisante. Les approches proposées (red‑teaming automatisé, Stable‑GFlowNet) améliorent la détection et la diversification des scénarios d’attaque, mais la prévention complète exige des cadres organisationnels, des mises à jour continues et des défenses adaptatives combinées à la transparence des comportements.",{"question":102,"answer":103},"En quoi l'approche « IA physique » de Naver profite aux villes et à la robotique ?","L’approche permet de créer des jumeaux numériques (Seoul World Model) et des reconstructions 3D depuis des capteurs limités, ce qui facilite l’apprentissage de trajectoires et la simulation de comportements robotiques. Cela réduit le besoin d’expérimentations physiques coûteuses et accélère le déploiement d’applications de logistique, de véhicules autonomes et d’optimisation énergétique.",[105,113,119,126,132,136,141,147,153,159,163,169],{"id":106,"name":107,"type":108,"confidence":109,"wikipediaUrl":110,"slug":111,"mentionCount":112},"695e3c1219d266277e14dcd7","IA générative","concept",0.99,"https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FIntelligence_artificielle_g%C3%A9n%C3%A9rative","695e3c1219d266277e14dcd7-ia-generative",749,{"id":114,"name":115,"type":108,"confidence":109,"wikipediaUrl":116,"slug":117,"mentionCount":118},"69601dff19d266277e14fddc","grands modèles de langage","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FGrand_mod%C3%A8le_de_langage","69601dff19d266277e14fddc-grands-modeles-de-langage",171,{"id":120,"name":121,"type":108,"confidence":122,"wikipediaUrl":123,"slug":124,"mentionCount":125},"69601e0019d266277e14fde6","infrastructures critiques",0.95,null,"69601e0019d266277e14fde6-infrastructures-critiques",33,{"id":127,"name":128,"type":108,"confidence":129,"wikipediaUrl":123,"slug":130,"mentionCount":131},"6a58037cb15b2ddcc32c7738","SyMerge",0.96,"6a58037cb15b2ddcc32c7738-symerge",3,{"id":133,"name":134,"type":108,"confidence":122,"wikipediaUrl":123,"slug":135,"mentionCount":131},"6a58037cb15b2ddcc32c7739","FlowBot","6a58037cb15b2ddcc32c7739-flowbot",{"id":137,"name":138,"type":108,"confidence":139,"wikipediaUrl":123,"slug":140,"mentionCount":131},"6a58037cb15b2ddcc32c773a","Seoul World Model",0.97,"6a58037cb15b2ddcc32c773a-seoul-world-model",{"id":142,"name":143,"type":108,"confidence":144,"wikipediaUrl":123,"slug":145,"mentionCount":146},"6a580493b15b2ddcc32c77ab","jumeau numérique urbain",0.92,"6a580493b15b2ddcc32c77ab-jumeau-numerique-urbain",1,{"id":148,"name":149,"type":150,"confidence":109,"wikipediaUrl":123,"slug":151,"mentionCount":152},"6a58037bb15b2ddcc32c7734","ICML 2026","event","6a58037bb15b2ddcc32c7734-icml-2026",4,{"id":154,"name":155,"type":156,"confidence":109,"wikipediaUrl":157,"slug":158,"mentionCount":14},"697687e274a02fe2223aae3f","Séoul","location","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FS%C3%A9oul","697687e274a02fe2223aae3f-seoul",{"id":160,"name":161,"type":156,"confidence":122,"wikipediaUrl":123,"slug":162,"mentionCount":131},"6a58037bb15b2ddcc32c7735","COEX","6a58037bb15b2ddcc32c7735-coex",{"id":164,"name":165,"type":166,"confidence":109,"wikipediaUrl":167,"slug":168,"mentionCount":152},"6a58037bb15b2ddcc32c7732","Naver","organization","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FNaver","6a58037bb15b2ddcc32c7732-naver",{"id":170,"name":171,"type":166,"confidence":122,"wikipediaUrl":172,"slug":173,"mentionCount":131},"6a58037bb15b2ddcc32c7733","Naver Cloud","https:\u002F\u002Ffr.wikipedia.org\u002Fwiki\u002FNaver_(entreprise)","6a58037bb15b2ddcc32c7733-naver-cloud",[175,182,189,196],{"id":176,"title":177,"slug":178,"excerpt":179,"category":11,"featuredImage":180,"publishedAt":181},"6a5360683dda93f7a5e6a89c","FuriosaAI RNGD à Lisbonne : un nouveau socle européen pour l’inférence IA efficace","furiosaai-rngd-a-lisbonne-un-nouveau-socle-europeen-pour-l-inference-ia-efficace","Contexte : pourquoi Lisbonne devient une plaque tournante de l’inférence IA en Europe\n\nFuriosaAI déploie ses serveurs RNGD dans le data center Equinix LS2 à Lisbonne, offrant un premier accès local eu...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1763110305836-17790330be78?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHw0Nnx8YXJ0aWZpY2lhbCUyMGludGVsbGlnZW5jZSUyMHRlY2hub2xvZ3l8ZW58MXwwfHx8MTc4Mzc1OTA4MHww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-12T10:09:40.611Z",{"id":183,"title":184,"slug":185,"excerpt":186,"category":11,"featuredImage":187,"publishedAt":188},"6a4f534419d1de4035ab76ce","La menace émergente des LLM contre l’infrastructure d’IA et les systèmes critiques","la-menace-emergente-des-llm-contre-l-infrastructure-d-ia-et-les-systemes-critiques","Les grands modèles de langage (LLM), forme centrale d’IA générative, dépassent le rôle d’assistants : ils pilotent déjà des décisions opérationnelles dans la défense, l’énergie, la logistique et l’adm...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1596008194705-2091cd6764d4?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxlbWVyZ2luZyUyMHRocmVhdCUyMGxsbXMlMjB0YXJnZXRpbmd8ZW58MXwwfHx8MTc4MzU4MzU1Nnww&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-09T08:04:16.106Z",{"id":190,"title":191,"slug":192,"excerpt":193,"category":11,"featuredImage":194,"publishedAt":195},"6a4ef1b419d1de4035ab7101","Comparatif 2026 des frameworks d’agents IA open source : quels choix pour la production ?","comparatif-2026-des-frameworks-d-agents-ia-open-source-quels-choix-pour-la-production","1. Pourquoi les frameworks d’agents IA open source sont devenus critiques en 2026\n\nUn framework d’agent IA fournit toute la boucle percevoir → raisonner → agir → mémoriser, bien au‑delà d’un simple ap...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1653213096280-57d895842861?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxjb21wYXJpc29uJTIwdG9wJTIwb3BlbiUyMHNvdXJjZXxlbnwxfDB8fHwxNzgzNTU4NTgwfDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-09T01:05:16.457Z",{"id":197,"title":198,"slug":199,"excerpt":200,"category":11,"featuredImage":201,"publishedAt":202},"6a4a21f6fb65f7d999a757da","Frameworks d’Agentic AI : comparer LangGraph, CrewAI et OpenAI Agents SDK pour des agents prêts pour la production","frameworks-d-agentic-ai-comparer-langgraph-crewai-et-openai-agents-sdk-pour-des-agents-prets-pour-la-production","Pourquoi les frameworks d’Agentic AI sont devenus stratégiques\n\n- Marché des agents IA : 7,84 Md$ en 2025, 52,62 Md$ visés en 2030 (CAGR 46,3 %) [2].  \n- D’ici fin 2026, 40 % des apps d’entreprise int...","https:\u002F\u002Fimages.unsplash.com\u002Fphoto-1642132652860-471b4228023e?ixid=M3w4OTczNDl8MHwxfHNlYXJjaHwxfHxhZ2VudGljJTIwZnJhbWV3b3Jrc3xlbnwxfDB8fHwxNzgzMjI3ODM2fDA&ixlib=rb-4.1.0&w=1200&h=630&fit=crop&crop=entropy&auto=format,compress&q=60","2026-07-05T09:30:40.442Z",["Island",204],{"key":205,"params":206,"result":208},"ArticleBody_9MfXPaYAJXWK65HQcFRhFyL8OjW0DcCQdi2wkDKQQ",{"props":207},"{\"articleId\":\"6a5801c95a245dc50f2b582d\",\"linkColor\":\"red\"}",{"head":209},{}]