Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarSakana AI Blog

Sakana AI crée un laboratoire appliqué pour modéliser les marchés et l'économie

Sakana AI a ouvert au sein de l'entreprise un Applied Research Lab, une équipe chargée d'appliquer ses travaux à des systèmes complexes comme les marchés et l'économie. Un seul agent LLM ne suffit pas à expliquer un marché : on le modélise comme un réseau d'acteurs et de liens, et ce sont encore des humains qui posent les questions et évaluent les réponses. Le premier programme porte sur la finance et l'économie, et l'équipe recrute à Tokyo. Pour les créateurs d'agents, c'est le signe que l'accent se déplace vers les simulations à partir de multiples agents.

Traité par IA depuis Sakana AI Blog ; édité par Hamidun News
Sakana AI crée un laboratoire appliqué pour modéliser les marchés et l'économie
Source : Sakana AI Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireSakana AI Blog
Rédacteur en chef
Chiffre clé #1Dans le test EDINET-Bench, les LLM ne dépassent que légèrement la régression logistique sur la détection de fraudes
Chiffre clé #2CoffeeBench vérifie si un agent peut gérer une entreprise de café pendant 90 jours
Chiffre clé #3Le laboratoire recherche des physiciens, des statisticiens, des économistes et des ingénieurs en systèmes agentiques

Le japonais Sakana AI a annoncé la création d'un Applied Research Lab, une unité chargée de reprendre les recherches de l'entreprise et de les appliquer à de grands systèmes complexes. Premier objectif : la finance et l'économie. L'annonce intéresse moins par ses chiffres spectaculaires, qui sont absents, que par la manière dont l'entreprise formule le problème : on ne peut pas « résoudre » un marché avec un chatbot intelligent.

Pourquoi un agent seul ne comprendra pas le marché

Chez Sakana AI, le raisonnement part d'une idée simple. Un marché ou une économie est un système : il comprend des acteurs individuels, des liens entre eux et des effets en chaîne, où un changement en un point se répercute ailleurs. Pour le décrire, il ne suffit pas de poser une question à un modèle de langage. Il faut construire un modèle qui montre qui interagit avec qui et ce qui se passerait si l'on modifiait un paramètre.

Auparavant, ce sont des experts humains qui choisissaient les questions : quoi modéliser et comment vérifier le résultat. Les progrès avançaient donc au rythme du travail humain. Aujourd'hui, l'IA agentique sait produire, tester et améliorer des modèles à grande échelle, mais elle peine davantage à déterminer quelles questions comptent vraiment. Le laboratoire veut justement réunir ces deux moitiés : le savoir humain comme fondation et l'IA comme accélérateur.

Le premier programme s'appelle Computational Finance and Economics, ou COFE. La finance étudie traditionnellement les prix des actifs, l'économie le système qui les sous-tend. Selon les auteurs, l'IA permet de relier les deux niveaux à l'échelle d'entreprises et de transactions individuelles, presque en temps réel, les prix devenant alors le reflet visible de l'économie réelle.

Sur quoi s'appuie le laboratoire

Le laboratoire repose sur ce que Sakana AI fait depuis sa création en juillet 2023 : l'automatisation de la découverte scientifique, la recherche évolutive, les simulations à base d'agents et l'évaluation des modèles. Ses projets financiers antérieurs en sont les précurseurs :

  • EDINET-Bench évalue des LLM sur dix ans de rapports annuels d'entreprises japonaises. Résultat inattendu : même les modèles performants ne dépassent que légèrement la régression logistique pour détecter la fraude et prévoir les bénéfices. Cela dit, le test est en une seule étape, sans agents.
  • JFinBench rassemble des examens des certifications financières japonaises de 2026, y compris en audit et en fiscalité.
  • CoffeeBench, réalisé avec KPMG AZSA, examine si un agent peut gérer de façon rentable pendant 90 jours une entreprise dans une chaîne d'approvisionnement de café simulée.
  • QD-Rec applique une recherche « qualité plus diversité » à des décisions comme les fusions et acquisitions : au lieu d'un seul classement, il fournit un ensemble de variantes différentes et argumentées.

Une des premières orientations est la modélisation agentique. Le framework Shachi lance des simulations où chaque agent LLM est constitué de paramètres, d'une mémoire et d'outils. Un tel banc d'essai permet d'étudier comment un comportement collectif émerge des actions de participants individuels, par exemple la réaction d'un marché à l'instauration de droits de douane. CEDAR ajoute une recherche arborescente guidée par LLM : il ajuste la structure d'un système complexe pour qu'il se comporte comme souhaité. Pour les algorithmes eux-mêmes, Sakana AI utilise ShinkaEvolve et AB-MCTS, qui font évoluer du code, une stratégie de trading par exemple. S'y ajoute The AI Scientist, qui automatise le chemin de l'hypothèse à l'article scientifique.

Ce que cela change concrètement

Pour les développeurs d'agents, la conclusion est la suivante : la valeur se déplace des assistants isolés vers des systèmes multi-agents dotés d'un environnement commun, d'une mémoire et de métriques. Si vous concevez des simulations, de l'analyse fintech ou des outils d'aide à la décision, il est utile de consulter les travaux ouverts de Sakana AI : Shachi et CEDAR sont disponibles sur arXiv.

Les réserves sont également à noter. L'annonce est un communiqué d'organisation, non le lancement d'un produit : elle ne fournit ni résultats du laboratoire, ni calendrier, ni conditions pour les clients. Le benchmark EDINET-Bench a lui-même montré que, sur des tâches financières, les LLM ne vont pas encore beaucoup plus loin que des statistiques simples ; la promesse de « comprendre l'économie » reste donc à confirmer. Les auteurs rappellent aussi la réflexivité : le marché réagit à ceux qui l'observent, ce qui complique toute prévision.

Le laboratoire est installé au siège de Sakana AI à Tokyo et constitue une petite équipe interdisciplinaire. On recherche des chercheurs issus de la physique, des statistiques, des mathématiques ou de l'économie, maîtrisant bien Python et ayant l'expérience de données réelles, ainsi que des ingénieurs chargés de construire les pipelines de données, l'infrastructure de simulation et l'orchestration des agents. On peut postuler via un stage Member of Technical Staff ou le programme Visiting Researcher. Par ailleurs, Sakana AI invite instituts, investisseurs, régulateurs et entreprises confrontés à des problèmes pratiques complexes à collaborer avec elle.

Dossier

Questions clés sur cet article

Pourquoi un agent seul ne comprendra pas le marché?

Chez Sakana AI, le raisonnement part d'une idée simple. Un marché ou une économie est un système : il comprend des acteurs individuels, des liens entre eux et des effets en chaîne, où un changement en un point se répercute ailleurs. Pour le décrire, il ne suffit pas de poser une question à un modèle de langage. Il faut construire un modèle qui montre qui interagit avec qui et ce qui se passerait si l'on modifiait un paramètre.

Que sait-on sur Sur quoi s'appuie le laboratoire ?

Le laboratoire repose sur ce que Sakana AI fait depuis sa création en juillet 2023 : l'automatisation de la découverte scientifique, la recherche évolutive, les simulations à base d'agents et l'évaluation des modèles. Ses projets financiers antérieurs en sont les précurseurs : EDINET-Bench évalue des LLM sur dix ans de rapports annuels d'entreprises japonaises. Résultat inattendu : même les modèles performants ne dépassent que légèrement la régression logistique pour détecter la fraude et prévoir les bénéfices.

Que sait-on sur Ce que cela change concrètement ?

Pour les développeurs d'agents, la conclusion est la suivante : la valeur se déplace des assistants isolés vers des systèmes multi-agents dotés d'un environnement commun, d'une mémoire et de métriques. Si vous concevez des simulations, de l'analyse fintech ou des outils d'aide à la décision, il est utile de consulter les travaux ouverts de Sakana AI : Shachi et CEDAR sont disponibles sur arXiv. Les réserves sont également à noter.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…