SAG: agents IA plus fiables, coûts divisés par trois
Une équipe menée par la professeure Minhae Kwon a développé deux approches destinées à rendre les assistants artificiels plus fiables et moins coûteux pour des tâches longues et complexes. Ces travaux, dont l’un est signé par le doctorant Heewon Park et l’autre par l’étudiant en master Guhyeon Kang, répondent à un problème central: de nombreux agents pilotés par de grands modèles de langage sollicitent à chaque étape un autre modèle performant pour vérifier leurs actions. Cette démarche améliore souvent la précision, mais elle augmente fortement les coûts de calcul et allonge les temps de réponse. Le premier système, baptisé SAG, introduit une critique sélective. Au lieu de demander constamment une validation externe, l’agent évalue son propre degré d’incertitude et ne fait appel à une aide supplémentaire que lorsque cela paraît nécessaire. Il accumule aussi les réussites pour progresser sans dépendance excessive. Selon l’équipe, cette méthode réduit la consommation de ressources à environ un tiers de celle des approches classiques, tout en portant le taux de réussite de 24,6 % à 78,3 % dans des environnements virtuels complexes. Le deuxième système, VAN-Flow, vise la sécurité des agents apprenant à partir de données déjà collectées, sans essais hasardeux dans le monde réel. Ce mode d’apprentissage peut mener à mémoriser des actions dangereuses ayant simplement réussi par hasard. Le cadre proposé filtre les comportements instables et privilégie les actions ayant produit des résultats cohérents dans plusieurs conditions. Il a été évalué sur plus de 40 simulations de contrôle robotique, avec perturbations importantes et exigences de précision sur plusieurs étapes, où il dépasse la plupart des méthodes existantes les plus performantes. Les deux études doivent être présentées à la 40e conférence NeurIPS 2026, un rendez-vous majeur du domaine. L’équipe souligne l’importance de technologies concrètes pour l’industrie, en particulier pour les assistants IA, la robotique et la conduite autonome, où la fiabilité et la maîtrise des coûts sont décisives pour un déploiement à grande échelle.
