Les avancées récentes dans le domaine de l’évolution computationnelle guidée par les grands modèles linguistiques (LLM), notamment AlphaEvolve (Novikov et al., 2025 ; Georgiev et al., 2025), ont démontré un succès remarquable dans la découverte de constructions mathématiques novatrices et la résolution de problèmes d’optimisation complexes. Toutefois, les descriptions de haut niveau présentes dans les travaux publiés laissent nombre de détails d’implémentation non précisés, ce qui entrave la reproductibilité et freine les recherches ultérieures. Dans ce rapport, nous présentons GigaEvo, un cadre open-source extensible permettant aux chercheurs d’étudier et d’expérimenter des approches hybrides LLM-évolution inspirées d’AlphaEvolve. Notre système propose des implémentations modulaires des composants clés : algorithmes de qualité-diversité MAP-Elites, pipelines d’évaluation asynchrones basés sur des graphes acycliques (DAG), opérateurs de mutation pilotés par LLM avec génération d’insights et traçabilité bidirectionnelle de la lignée, ainsi que des stratégies évolutionnaires multi-îlots flexibles. Afin d’évaluer la reproductibilité et de valider notre implémentation, nous testons GigaEvo sur des problèmes difficiles tirés de l’article original d’AlphaEvolve : le placement du triangle de Heilbronn, le problème d’empilement de cercles dans un carré, et les nombres de contacts en haute dimension. Le cadre met l’accent sur la modularité, la concurrence et la facilité d’expérimentation, permettant une conception rapide grâce à une configuration déclarative. Nous fournissons des descriptions détaillées de l’architecture du système, des choix d’implémentation et de la méthodologie expérimentale afin de soutenir les recherches futures sur les méthodes évolutionnaires pilotées par LLM. Le cadre GigaEvo ainsi que tous les codes expérimentaux sont disponibles à l’adresse suivante : https://github.com/AIRI-Institute/gigaevo-core.