PhAI Labs lance RSI-Anything : un modèle du monde pilote l'auto-évolution de l'IA sur 5 tâches

Les chercheurs de PhAI Labs ont publié RSI-Anything, un framework d'auto-amélioration récursive (RSI) qu'ils ont testé d'emblée sur cinq tâches hétérogènes : correction de bugs, contrôle d'un ordinateur, planification d'opérations de laboratoire, optimisation de réactions chimiques et étude du système immunitaire. L'expérience la plus parlante concerne le code. L'équipe n'a pas remplacé le modèle qui écrit les modifications et n'a pas augmenté le budget de tests en ligne. Elle a simplement ajouté un modèle du monde chargé de prédire les conséquences des changements et de retenir les meilleurs.

L'idée : prédire d'abord, modifier ensuite

La plupart des systèmes d'auto-amélioration suivent le schéma « générer, exécuter, regarder le résultat ». C'est coûteux. Chaque vérification d'un candidat exige une exécution réelle : tests, simulation, expérience en laboratoire. Plus l'environnement est complexe, plus vite cette exploration par essais se heurte au budget.

RSI-Anything déplace une partie de ce travail à l'intérieur du modèle du monde. Celui-ci évalue les effets d'une modification proposée avant la vérification coûteuse. Seuls les candidats que le modèle juge prometteurs arrivent ensuite dans l'environnement réel. La tâche de l'exécutant reste la même : écrire du code, cliquer sur des boutons, rédiger un protocole. La sélection et l'orientation de l'amélioration relèvent d'une couche distincte.

Le choix des domaines paraît volontairement hétéroclite. Un bug dans un dépôt, l'interface d'un système d'exploitation, un protocole de laboratoire, une réaction dans un ballon et le système immunitaire ont un point commun : chacun constitue un environnement avec retour d'information, où la vérification est coûteuse ou lente. C'est précisément là que la prédiction du résultat peut faire gagner le plus.

Ce que montrent les expériences

Dans la description disponible, seul le volet programmation est détaillé. Les conditions de l'expérience sont strictement fixées :

• le modèle qui génère le code est resté le même ;
• le budget de tests en ligne n'a pas été augmenté ;
• le seul changement : le modèle du monde participe à la prédiction du résultat et au choix des modifications ;
• la comparaison a été faite avec le même exécutant sans cette couche.

Ce protocole écarte les explications les plus courantes d'un gain : un modèle de base plus puissant et un plus grand nombre d'essais. Si l'amélioration se confirme, elle viendra de la qualité de la sélection. Les résultats chiffrés, les noms des benchmarks et l'ampleur du gain ne figurent pas dans les documents disponibles : il est donc trop tôt pour juger de l'ampleur de l'effet. Pour les quatre autres domaines, les détails ne sont pas non plus divulgués pour l'instant.

La prudence s'impose pour deux raisons. Le modèle du monde peut se tromper de manière systématique ; la sélection fige alors l'erreur au lieu de la corriger. Par ailleurs, la transposition de l'approche d'un domaine à l'autre doit être vérifiée au cas par cas : une réaction chimique et un patch de code fonctionnent différemment, et un framework commun ne garantit pas un bénéfice identique.

Ce que les équipes doivent vérifier en pratique

Pour les développeurs d'agents, l'article donne un repère concret. Si la vérification des candidats est coûteuse dans votre environnement (CI de plusieurs heures, banc physique, passage en laboratoire), il faut se demander si l'on peut entraîner un prédicteur de résultat sur les logs accumulés. C'est moins cher que d'augmenter le nombre d'essais ou de changer de modèle de base.

Pour évaluer ce type de travaux, quatre points méritent attention :

• le budget de vérifications réelles est-il fixé, et est-il identique dans les variantes comparées ;
• comment le modèle du monde se comporte sur des tâches hors de la distribution d'entraînement ;
• quelle est la part des modifications sélectionnées à tort, et ce qu'il en advient ensuite ;
• le résultat est-il reproductible sur des benchmarks publics, et pas seulement sur des jeux de données internes.

Pour l'instant, RSI-Anything reste une prétention à une voie générale vers l'auto-amélioration par la prédiction. Elle deviendra convaincante lorsque les auteurs publieront les tableaux complets et le code, et que des équipes indépendantes reproduiront les expériences dans au moins deux des cinq domaines.