Answer.AI ouvre SolveIt : code, notes et IA dans un seul dialogue après une bêta à 3000 participants
Dans un chat IA classique, le contexte gonfle et les échanges inutiles s'y noient. Après deux ans de bêta fermée réunissant trois mille participants, Answer.AI ouvre SolveIt : le code, les notes en Markdown et les réponses du modèle y vivent dans un seul document modifiable. On peut insérer une requête n'importe où, et le modèle ne voit que ce qui se trouve au-dessus. Le développeur garde ainsi plus facilement un contexte propre et comprend pourquoi son code est écrit de telle façon.
Traité par IA depuis Habr AI ; édité par Hamidun News
Beaucoup de ceux qui ont essayé de coder avec un assistant IA connaissent cette sensation : au bout de deux heures, on a entre les mains un programme qui fonctionne, mais on ne comprend pas vraiment pourquoi il est construit ainsi. Answer.AI, l'organisation de recherche derrière le projet fast.ai, propose une autre approche. Elle a ouvert à tous SolveIt, un environnement interactif où l'humain et le modèle de langage travaillent dans un même document. Auparavant, la plateforme est restée deux ans en bêta fermée, avec environ trois mille utilisateurs issus de la communauté Discord.
L'inscription est gratuite ; seules les ressources de calcul réellement consommées sont facturées. L'essai se fait sur le site solve.it.com.
Un document vivant plutôt qu'un fil de discussion
Dans un chatbot classique, les messages s'ajoutent simplement à la fin de la conversation. Dans SolveIt, il en va autrement : le code exécutable, les notes en Markdown, les formules en LaTeX et les réponses du modèle coexistent dans le même espace. Le principe rappelle un notebook Jupyter dans lequel l'IA serait un participant à part entière.
Le détail pratique le plus important est la gestion du contexte. On peut insérer une requête au réseau de neurones à n'importe quel endroit du dialogue, et le modèle ne prend en compte que ce qui se trouve au-dessus. Les blocs peuvent être déplacés, modifiés et supprimés, y compris les réponses de l'IA elle-même. Si le modèle part dans la mauvaise direction, inutile de subir sa réponse ratée jusqu'à la fin de la session : on l'efface, et elle ne pollue plus le contexte. Le modèle exécute par ailleurs le code dans le même interpréteur que l'utilisateur, si bien que les deux parties voient le même état.
L'équipe donne un exemple : le chercheur Jack Hogan développait un générateur de palettes de couleurs pour une interface. Il a d'abord utilisé Claude Code. Après des expériences portant sur des millions de tokens, l'assistant a produit un outil fonctionnel mais trop complexe, et Hogan n'a pas su expliquer pourquoi cette approche avait été retenue.
Dans SolveIt, il a avancé par petites étapes : il a consigné les exigences dans des notes, calculé les limites de la gamme de couleurs directement dans le code, écrit la formule de luminance relative en LaTeX, testé plusieurs approches, dont la transformée de Fourier, puis généré le CSS à la fin. Selon lui, pouvoir justifier chaque décision a nettement renforcé sa confiance dans le résultat. Il s'agit bien sûr du témoignage des auteurs eux-mêmes, et non d'un test indépendant.
Serveur, hébergement et extensions
Chaque session s'exécute sur un serveur persistant doté de son propre système de fichiers et d'un terminal, avec git déjà installé. On peut créer autant d'instances que l'on veut, pour des tâches distinctes ou du travail collaboratif. Plusieurs personnes peuvent modifier simultanément un même dialogue, et le résultat final peut être exporté en Markdown, avec des modèles et des renvois croisés.
La plateforme sert aussi d'hébergeur : tout programme lancé dans une instance obtient une adresse publique ou votre propre domaine, sans étape de déploiement distincte. Si l'on place un dialogue dans le répertoire AUTORUN, ses scripts démarrent avec le serveur et tournent en continu. Les auteurs affirment que c'est ainsi que fonctionnent leurs propres services, dont le back-end de SolveIt et un chatbot destiné aux étudiants.
Le système peut être étendu de l'intérieur. Toute fonction Python se transforme en outil que l'IA peut appeler. Le modèle sait lire et modifier le document en cours et lancer des générations dans les dialogues voisins. Grâce à une extension Chrome, on peut lui confier le pilotage d'actions dans des interfaces web. Un fichier CRAFT placé dans un dossier définit des instructions communes pour l'IA et un code de démarrage pour tous les documents imbriqués, ainsi que des styles CSS et des scripts JavaScript propres.
À qui cela servira, et ce qu'il faut garder en tête
L'équipe d'Answer.AI utilise SolveIt pour l'analyse de données, la lecture d'articles scientifiques, l'étude de modèles mathématiques, la vérification de contrats et la programmation. Le cabinet d'avocats Virgil y prépare des contrats. Jeremy Howard, en décortiquant un article sur les modèles de langage récursifs, a écrit sa propre implémentation de l'algorithme directement à partir du texte de la publication.
Sur le plan des idées, le projet s'appuie sur celles de Bret Victor, Donald Knuth, Ivan Sutherland et Kenneth Iverson sur la fusion du code, des données et de la documentation. Les auteurs ont délibérément renoncé à l'automatisation complète : l'objectif est que l'humain comprenne mieux le problème, et non qu'il se contente de recevoir un résultat tout fait.
Pour les praticiens, la conclusion est la suivante. Si vous avez l'habitude de confier de grosses tâches à l'assistant et d'accepter son résultat, SolveIt demandera un autre rythme : petites étapes, correction manuelle du contexte et notes prises au fil de l'eau. C'est plus long qu'un prompt unique, mais il reste une trace du raisonnement, que l'on peut montrer à un collègue ou retrouver un mois plus tard.
On ignore pour l'instant comment l'outil se comportera sur de grandes bases de code en équipe : les exemples de l'annonce portent sur des tâches de recherche et d'analyse, et les évaluations des utilisateurs sont fournies par les développeurs eux-mêmes. Pour découvrir l'outil, les auteurs conseillent de commencer par la leçon d'introduction en accès libre du cours « How to Solve It with Code ».
- 18 nov. 2026rust-anything apprend aux agents IA à réécrire des applications en Rust, module par module
- 18 nov. 2026Une seule virgule chinoise a fait basculer DeepSeek en chinois dans 94% des réponses
- 18 nov. 2026Hugging Face route les requêtes LLM via OpenRouter : 46% d'erreurs de capacité en moins
- 18 nov. 2026Willison publie trois bacs à sable externes : le code des agents ne touchera pas à votre ordinateur portable
Questions clés sur cet article
Que sait-on sur Un document vivant plutôt qu'un fil de discussion ?
Dans un chatbot classique, les messages s'ajoutent simplement à la fin de la conversation. Dans SolveIt, il en va autrement : le code exécutable, les notes en Markdown, les formules en LaTeX et les réponses du modèle coexistent dans le même espace. Le principe rappelle un notebook Jupyter dans lequel l'IA serait un participant à part entière. Le détail pratique le plus important est la gestion du contexte.
Que sait-on sur Serveur, hébergement et extensions ?
Chaque session s'exécute sur un serveur persistant doté de son propre système de fichiers et d'un terminal, avec git déjà installé. On peut créer autant d'instances que l'on veut, pour des tâches distinctes ou du travail collaboratif. Plusieurs personnes peuvent modifier simultanément un même dialogue, et le résultat final peut être exporté en Markdown, avec des modèles et des renvois croisés.
Que sait-on sur à qui cela servira, et ce qu'il faut garder en tête ?
L'équipe d'Answer.AI utilise SolveIt pour l'analyse de données, la lecture d'articles scientifiques, l'étude de modèles mathématiques, la vérification de contrats et la programmation. Le cabinet d'avocats Virgil y prépare des contrats. Jeremy Howard, en décortiquant un article sur les modèles de langage récursifs, a écrit sa propre implémentation de l'algorithme directement à partir du texte de la publication.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.