L'établi TSFLab augmente de 20–163% la part de tâches accomplies par les agents en prévision de séries temporelles

Des chercheurs du groupe D2I ont présenté TSFLab, un « établi » qui permet aux agents d'IA de travailler sur la prévision de séries temporelles (TSF). Cette infrastructure se situe en dehors de l'agent : elle ne modifie ni le modèle ni son environnement d'exécution (harness), et se branche sur n'importe quel agent de code compatible. Dans les expériences de reproduction d'articles et de benchmarking, l'établi a augmenté la part de tâches accomplies de 20–163% et réduit de 11–66% la consommation de tokens frais par tâche accomplie, par rapport aux configurations de référence.

Pourquoi la TSF met les agents en difficulté

Les auteurs partent d'un problème propre au domaine. Les publications sur la prévision de séries se multiplient, mais le code est rarement publié : sur 1707 articles parus sur arXiv depuis 2020, environ un sur cinq renvoie vers du code. Les chercheurs, en particulier les débutants, doivent donc réimplémenter à la main les méthodes de base et monter eux-mêmes des pipelines d'évaluation. Les implémentations indépendantes peuvent diverger dans les réglages expérimentaux, et elles sont difficiles à maintenir.

Les bibliothèques de méthodes prêtes à l'emploi ne suivent pas non plus le rythme des publications. Selon l'article, l'une d'elles est passée de 18 à 41 méthodes, alors que plus de 1200 nouveaux articles sont parus depuis 2024. En avril 2026, ses auteurs ont annoncé qu'ils ne maintenaient plus le projet, faute de mainteneurs.

L'usage direct d'agents de code se heurte à deux problèmes. Le premier tient à des connaissances mises à jour lentement : le modèle ne connaît que ce que contenaient ses données d'entraînement, et la recherche web répétée est coûteuse en tokens sur de gros projets. Les sources trouvées peuvent être incomplètes ou peu fiables, et les erreurs non vérifiées se propagent dans la suite du travail. Les auteurs citent l'exemple du code officiel d'un modèle, où le dernier batch de test était écarté par erreur lors de l'évaluation, ce qui a influencé les réglages de nombreuses études ultérieures.

Le second problème est l'incohérence des réglages. Les agents qui configurent les expériences de manière indépendante s'appuient sur des sources différentes. Il en résulte des formulations, des implémentations et des résultats qui ne sont pas comparables, et des équipes qui refont inutilement les mêmes expériences.

De quoi se compose l'établi

La principale différence avec les travaux précédents est que l'établi se trouve en dehors de l'agent. Les agents existants pour la TSF développent leur propre harness et ne profitent pas automatiquement de l'arrivée d'agents plus récents. L'établi, lui, se branche sur n'importe quel agent compatible et bénéficie de ses capacités croissantes. L'agent de reproduction y ajoute des implémentations vérifiées, l'agent de benchmarking les utilise, et un troisième agent s'appuie sur les benchmarks prêts à l'emploi pour développer de nouvelles méthodes.

TSFLab compte quatre modules. TSF-Domain Guide initie l'agent aux procédures types, aux protocoles d'évaluation et aux pièges connus : des instructions d'introduction sont complétées par 17 compétences (skills) dédiées à des tâches précises. Par exemple, lors de l'ajout d'un nouveau jeu de données, la compétence demande d'identifier les champs temporels, les variables à prévoir et la fréquence, puis de vérifier si la prévision est évaluée sur une seule cible ou sur toutes les variables. Les métriques restent ainsi cohérentes d'une méthode à l'autre.

Knowledge Structurer décompose les modèles existants en blocs réutilisables et rassemble méthodes, blocs et jeux de données dans une structure unique. Chaque élément dispose d'une « fiche de connaissances » que l'agent lit par niveaux : résumé, fiche, sources. Les résumés servent à la sélection, les fiches décrivent les capacités, les paramètres, les interfaces et les limites, et les sources contiennent les articles et le code de référence. L'agent prélève le niveau de détail dont sa décision a besoin, sans lire tout le code ni toutes les données. L'établi intègre 323 modèles et 93 jeux de données, et les composants communs sont regroupés en 71 blocs ; 263 méthodes en utilisent au moins un.

Experiment Workflower lance les expériences déclarées par l'agent via un exécuteur unique. Il vérifie les configurations et rapporte les résultats selon des protocoles uniformes. Recursive Improver assure l'automaintenance : il contrôle régulièrement chaque méthode par rapport à l'article et au code officiel, puis fusionne dans l'établi commun les méthodes, blocs, jeux de données et conclusions vérifiés. Sa mise à jour est indépendante des versions des agents eux-mêmes.

Ce que montrent les expériences

Les expériences portaient sur la reproduction, le benchmarking et une étude pilote de développement de méthodes. Pour les deux premières tâches, l'établi a augmenté la part de tâches accomplies de 20–163% et réduit de 11–66% la consommation de tokens frais par tâche accomplie, et ce pour toutes les configurations de référence. Dans le pilote de développement de méthodes, les agents équipés de l'établi ont dépensé 32,8–73,6% de tokens frais en moins et 9,2–68,8% de temps en moins que dans les autres modes.

Les auteurs soulignent qu'un résultat correct est ici une tâche accomplie exactement comme demandé, et que le coût est calculé par tâche accomplie. Pour les équipes qui construisent des agents de recherche, la conclusion est pratique : une couche de connaissances commune et vérifiable, associée à un lancement unifié des expériences, économise des tokens et rend comparables les résultats de différents agents. Le code est publié dans le dépôt D2I-Group/TSFLab sur GitHub.