Meta apprend à un modèle IA de 8 milliards de paramètres à égaler Claude Opus 4.5, sans le prix des modèles de pointe
Des chercheurs de Meta AI et de l'université de l'Illinois à Urbana-Champaign, dont Xuying Ning, ont présenté EvoHarness-RL, un framework d'entraînement qui apprend à un modèle d'IA de 8 milliards de paramètres à gérer intelligemment le "harness", la couche d'exécution qui entoure un agent lors de tâches longues et complexes. Concrètement, ce harness fournit à l'agent des retours d'exécution, comme des journaux serveur, des mécanismes de suivi d'état et des outils pour gérer les erreurs, par exemple quand une base de données rejette un lot de données à cause de limites strictes d'appels API. Jusqu'ici, cette logique était codée manuellement par des développeurs sous forme d'instructions rigides, étape par étape. EvoHarness-RL introduit à la place une interface unifiée baptisée BPE, pour Belief, Progress, and Experience, qui consolide en un seul espace de travail les croyances de l'agent sur son environnement, sa progression dans la tâche et son expérience accumulée. Selon les auteurs, un modèle entraîné avec cette méthode parvient à égaler les performances de Claude Opus 4.5 d'Anthropic sur des tâches d'agent complexes, malgré une taille bien plus modeste et donc un coût d'inférence largement inférieur.
Résumé et traduction réalisés par Le Fil IA à partir de VentureBeat AI. Lire l'article original →
Cette avancée est importante parce qu'elle s'attaque à l'un des principaux postes de dépense en ingénierie IA aujourd'hui: le réglage manuel des harnais d'agents. Ning explique que le harnais optimal change selon le modèle utilisé, chaque modèle nécessitant des prompts, des designs de mémoire, des permissions et des configurations de sandbox différents. Quand cette logique est codée à la main, chaque nouvelle version de modèle impose un nouveau cycle long de réglage et de débogage. En automatisant cet apprentissage via l'entraînement plutôt que via des règles écrites par des humains, EvoHarness-RL promet de réduire ce coût récurrent et de rendre les agents plus autonomes dans leurs décisions, sans sacrifier la performance sur des tâches longues comme la migration de données d'entreprise entre systèmes. Pour les entreprises qui déploient des agents IA en production, cela ouvre la possibilité d'obtenir des performances de niveau frontière avec des modèles beaucoup plus légers et moins coûteux à faire tourner.
Le problème que cible cette recherche est aussi celui de la mémoire des agents à long terme. Les systèmes existants qui accumulent simplement l'historique d'exécution, dits "append-only", partent du principe que plus de contexte est toujours utile, ce qui s'avère faux selon Ning: sur une tâche longue, la mémoire finit par contenir des conclusions obsolètes, des tentatives échouées ou des informations devenues inutiles, ce qui dégrade le raisonnement de l'agent. Des frameworks antérieurs comme Harness-1 avaient déjà tenté de résoudre une partie du problème en distillant les trajectoires passées en mémoire procédurale réutilisable, sous forme de compétences ou de bibliothèques de code, mais sans entraîner activement le modèle à gérer son état interne en temps réel. EvoHarness-RL cherche à combler ce fossé entre mémoire à long terme et suivi d'état immédiat, une piste que Meta et d'autres laboratoires devraient probablement explorer davantage à mesure que les agents IA sont appelés à exécuter des tâches de plus en plus longues et autonomes en entreprise.
Pas d'impact direct sur la France/UE