Un site où un agent LLM collecte chaque jour l’actualité IA et l’accumule dans un wiki de liens — 72 jours de fonctionnement sans intervention

Il s’agit d’un projet personnel qui applique le modèle de wiki LLM de Karpathy (https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) au suivi des tendances IA. Les résumés quotidiens disparaissent dès le lendemain, alors que les tendances n’apparaissent que dans les données accumulées — je l’ai donc conçu non pas comme une newsletter, mais comme un wiki à faire grandir.

Comment ça fonctionne

• Chaque matin, un agent collecte arXiv, HuggingFace Daily Papers, les blogs officiels des différents labs, X, des labs chinois (rotation DeepSeek, Qwen, Moonshot, Z.ai, MiniMax) et le US Federal Register
• Les snapshots des sources sont conservés de façon immuable, puis les pages organisations/modèles/concepts/articles sont créées ou mises à jour (citation de source obligatoire pour tous les faits)
• Le polling mécanique des feeds est assuré chaque heure par GitHub Actions, et le LLM ne fait que l’évaluation et la rédaction (transmission via un fichier candidates)
• Le dimanche, une synthèse hebdomadaire et un lint de cohérence du wiki sont exécutés séparément

Taille actuelle (2026-07-26)

• 107 pages dans le wiki / 371 liens croisés — la page d’accueil est ce graphe de liens. Tous les nœuds sont de vrais liens vers des pages, et au survol d’un nœud, seuls les éléments cités par cette page sont mis en évidence
• 51 entrées dans la timeline des sorties de modèles (distinction entre statut de sortie et d’annonce)
• 10 semaines de synthèses hebdomadaires, 56 briefs quotidiens
• 72e jour de fonctionnement sans intervention depuis le lancement le 2026-05-16

Quelques enseignements tirés en le construisant

• En faisant le polling des sources via la recherche, la détection arrivait avec un retard médian de +6 jours. Après le passage au polling direct en RSS et l’ajout des labs chinois à la rotation, ce retard est tombé à +1 à 4 jours (certains cas arrivaient auparavant avec +27 à 46 jours de retard)
• Cinq feeds renvoyaient un HTTP 200 tout en étant en réalité morts (stub arrêté en 2018, soft-404, etc.). Si l’on ne mesure pas à la fois le nombre d’entrées et la date la plus récente, on ne peut pas distinguer une « source morte » d’une « semaine calme »
• Les logs opérationnels du pipeline (badge de retard de détection, score de ranking, liste de déduplication) étaient affichés tels quels à l’écran côté lecteur. J’ai séparé les traces pour l’opérateur et la présentation destinée aux lecteurs
• Quand une valeur manque dans le tableau des spécifications de modèles, j’ai changé le système pour conserver unknown au lieu de supprimer la ligne. Une ligne absente ne se voit pas, mais unknown peut être compté, ce qui permet au lint hebdomadaire de suivre la couverture

Il y a aussi un flux RSS et un abonnement par e-mail (double opt-in). Les retours sont les bienvenus — en particulier sur le type d’informations qu’il serait utile de voir davantage.