Université de Californie lance une IA évoluant en groupe sans

Lead

Des chercheurs de l’Université de Californie à Santa Barbara ont dévoilé le Group-Evolving Agents (GEA), un nouveau cadre d’intelligence artificielle permettant l’évolution collective d’agents autonomes. Le GEA a surpassé des systèmes conçus par des humains lors de tests en ingénierie logicielle et n’augmente pas le coût de déploiement pour les entreprises. Publiée en juin 2024, cette innovation promet de réduire la dépendance aux ingénieurs pour la maintenance et l’évolution des agents IA.

Section Développement

Traditionnellement, les agents IA autonomes ont des architectures fixes, conçues par des ingénieurs, ce qui limite leur adaptation sans intervention humaine. La plupart des systèmes auto-évolutifs actuels s’inspirent de la biologie, où les agents évoluent isolément, empêchant le partage des découvertes et freinant le progrès collectif. Cette méthode crée des « silos » de connaissances : si un agent trouve une solution efficace, elle peut se perdre si sa lignée n’est pas sélectionnée pour la prochaine étape évolutive.

Le GEA rompt avec ce modèle en considérant le groupe d’agents comme unité d’évolution. Plutôt qu’un seul « parent » générant des descendants, le cadre sélectionne un groupe d’agents selon leur performance et innovation. Toute l’expérience accumulée — codes modifiés, outils découverts, workflows efficaces — est partagée dans un « fichier d’expériences » accessible à tous. Un module de réflexion, alimenté par des modèles de langage avancés, analyse cet historique collectif pour identifier des schémas et générer des directives évolutives, guidant le prochain cycle d’agents.

Ce mécanisme d’intelligence collective est particulièrement efficace pour des tâches objectives comme le débogage et la génération de logiciels, où le succès est mesurable. Lors de tests comparatifs avec le Darwin Godel Machine (DGM), référence en auto-évolution, le GEA s’est montré nettement supérieur. En moyenne, il corrige des défauts critiques en 1,4 itérations, contre 5 itérations pour le DGM. Sur le benchmark SWE-bench Verified, qui regroupe des problèmes réels de GitHub, le GEA atteint 71,0 % de réussite contre 56,7 % pour le système traditionnel. Sur Polyglot, évaluant la génération de code multilingue, le taux est de 88,3 % contre 68,3 %.

Au-delà des performances, le GEA offre des avantages pratiques aux entreprises. L’évolution collective se fait avant le déploiement ; ensuite, un seul agent évolué est déployé, conservant un coût d’inférence identique aux solutions classiques. Cela permet une montée en charge sans coûts supplémentaires en calcul. Autre atout : la résilience. Le GEA récupère rapidement des pannes en exploitant les connaissances des agents sains pour corriger les défaillants.

Le cadre facilite aussi le transfert d’optimisations entre différents modèles de langage, comme Claude, GPT-5.1 ou GPT-o3-mini, sans perte de performance. Cela offre plus de flexibilité aux entreprises pour changer de fournisseur IA sans repartir de zéro. Pour les secteurs soumis à des exigences strictes de conformité, les auteurs recommandent d’intégrer des « garde-fous » — sandbox, politiques de restriction, couches de vérification — pour limiter les risques liés aux codes auto-modifiables.

Développements et Perspectives

Le code du GEA sera bientôt disponible, mais l’architecture peut déjà être adaptée à des cadres existants par des développeurs expérimentés. Trois éléments clés sont nécessaires : un fichier d’expériences, un module de réflexion et un module de mise à jour du code. À l’avenir, les chercheurs envisagent des pipelines hybrides où des modèles plus petits explorent des solutions tandis que des modèles plus puissants consolident les apprentissages, renforçant encore l’autonomie des agents IA.

La conclusion principale est que l’approche collective du GEA crée des « super-agents » accumulant les meilleures pratiques de multiples ancêtres, égalant ou surpassant les cadres conçus par des experts humains. Les entreprises peuvent ainsi réduire les équipes dédiées à la maintenance tout en gagnant en rapidité, résilience et flexibilité opérationnelle.

En résumé, l’évolution collective du GEA marque un bond en autonomie et efficacité des agents IA, ouvrant la voie à des applications plus robustes, évolutives et économiques pour le marché professionnel.