Meta FAIR lance des modèles de préférence (RPM) pour classer les expériences de ML avant de solliciter les GPU
Une équipe de chercheurs de FAIR (le laboratoire d'intelligence artificielle de Meta), de l'Université d'Oxford et de l'University College London a présenté un nouveau système baptisé AI Research Preference Models (RPM), conçu pour aider les agents d'IA à choisir quelles expériences de machine learning valent la peine d'être lancées. Le système s'appuie sur un environnement de recherche open source nommé AIRA-dojo et sur un benchmark associé, AIRS-Bench, qui couvre 20 tâches publiques de type texte et données tabulaires. Les tests ont été menés sur 24 heures d'exécution par tâche sur un seul GPU H200, avec 10 essais et un modèle Qwen3.6-27B, aux poids ouverts, utilisé à la fois comme moteur de génération et comme juge. Deux variantes ont été évaluées : une version purement inférentielle, où le modèle évalue des plans et du code sans exécution, avec une précision hors ligne de 57,7 à 59 %, et une version dite agentique, qui fait tourner de courtes expériences pilotes dans un bac à sable dédié avant de trancher. Résultat, le score moyen normalisé passe de 0,684 pour une sélection aléatoire à 0,711 avec la version inférentielle et 0,729 avec la version agentique, pour un plafond théorique de 0,748 à 0,759. Ces gains s'accompagnent surtout d'un temps divisé par 1,5 à 1,6 pour atteindre le score de référence, et de nouveaux records sur les benchmarks WinoGrande (94,1 %, contre 90,4 % pour le précédent système AIRA2) et SVAMP (95,7 %, contre 94,2 % pour le meilleur score humain connu).
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'enjeu dépasse la simple performance technique. Les agents d'IA capables de proposer et coder eux-mêmes des expériences de recherche génèrent aujourd'hui bien plus d'idées qu'ils ne peuvent en tester, chaque entraînement pouvant mobiliser un GPU pendant des heures, voire des jours. Le vrai goulot d'étranglement n'est donc plus la créativité de l'agent mais sa capacité à trier, avant exécution, les pistes les plus prometteuses. En réduisant le nombre d'essais gaspillés sur des GPU coûteux, ce type de modèle de préférence promet d'accélérer et de rendre moins onéreuse la recherche en IA automatisée, un enjeu déterminant pour les laboratoires qui cherchent à faire tourner des flottes d'agents chercheurs en continu.
Concrètement, dans AIRA-dojo, une recherche arborescente évolutive génère des candidats via des opérateurs de type ébauche, amélioration ou débogage. Le RPM intervient à ce stade précis : plutôt que de produire un seul enfant à exécuter, l'agent en génère 15 en parallèle, que le modèle de préférence compare deux à deux dans un tournoi à élimination directe, en s'appuyant sur l'historique des scores de validation déjà obtenus dans l'arbre exploré. La version agentique va plus loin en surestimant volontairement le budget de calcul restant pour éviter que l'agent n'arrête sa recherche trop tôt, et limite les essais pilotes à 30, avec un seuil de 60 secondes chacun. L'ensemble du dispositif utilise des modèles de langage figés, sans réglage fin supplémentaire, ce qui en facilite la reproduction par d'autres équipes de recherche en IA.
Pas d'impact direct sur la France/UE
Le vrai goulot d'étranglement de la recherche IA automatisée, ce n'est plus l'inventivité des agents, c'est leur capacité à jeter les mauvaises idées avant de brûler un GPU dessus. Là, 24h par tâche sur un H200, ça fait réfléchir vite. Reste que le gain (temps divisé par 1,5, score qui grimpe de 0,68 à 0,73) vient d'un modèle figé, sans fine-tuning : facile à reproduire, donc à surveiller de près chez les concurrents de Meta dans les mois qui viennent.