FS-Researcher : pourquoi votre IA a besoin d'un carnet de notes pour cesser de perdre le fil

Imaginez que vous tentiez d'écrire une thèse de doctorat avec la mémoire d'un poisson rouge. Vous lisez la cinquantième source, et les détails de la première s'évaporent. C'est ce que ressentent aujourd'hui même les modèles de langage les plus avancés, comme GPT-4o ou Claude 3.

5 Sonnet. Ils disposent d'une fenêtre de contexte, qui ne cesse de grandir, mais le problème du « Lost in the Middle » n'a pas disparu. Quand les données deviennent trop nombreuses, le modèle s'embrouille, ignore des détails importants situés au milieu du texte et livre une bouillie superficielle au lieu d'une analyse approfondie.

C'est un cas classique où la quantité ne se transforme pas en qualité, et les ingénieurs ont longtemps essayé de régler le problème en augmentant simplement la mémoire vive.

Un groupe de chercheurs a choisi d'aborder la question autrement et a présenté FS-Researcher. Plutôt que de bourrer un modèle déjà débordé de centaines de pages de résultats de recherche, ils lui ont donné une prothèse cognitive sous la forme d'un carnet structuré. L'idée est d'une simplicité géniale : l'agent ne se contente pas de googler et de lire, il prend activement des notes. Pendant son travail, le système extrait les entités, faits et relations clés et les enregistre dans un stockage externe constamment mis à jour. Le modèle garde ainsi le cap sur sa tâche sans encombrer le contexte principal des déchets qu'une recherche approfondie sur le web ramène inévitablement.

Jusqu'ici, on s'appuyait sur le RAG, un système qui récupère des extraits de texte dans une base de données. Mais le RAG se comporte souvent comme un mauvais bibliothécaire : il apporte la bonne page, sans comprendre la vue d'ensemble. FS-Researcher travaille comme un analyste réfléchi. Il organise l'information de façon hiérarchique, élimine les doublons et, surtout, sait relier des faits trouvés dans des sources différentes. Si un document évoque la cause d'un événement et un autre ses conséquences, le système ne se contente pas de copier les deux paragraphes : il les synthétise en une chaîne logique unique dans son carnet. C'est crucial pour rédiger de longs rapports, où la structure du récit compte autant que les faits.

Pourquoi est-ce important maintenant ? Nous avons atteint le plafond de la « force brute » des fenêtres de contexte. Des entreprises comme Google se vantent de millions de tokens dans Gemini, mais en pratique, exploiter une fenêtre aussi vaste coûte une fortune et ralentit la génération à une vitesse de tortue.

FS-Researcher montre que les choix d'architecture et un « workflow » d'agent bien conçu sont bien plus efficaces que l'augmentation sans fin du nombre de paramètres. Pour les entreprises, cela signifie qu'une analyse automatique de qualité des marchés ou des tendances technologiques devient moins chère et plus précise. Il n'est plus nécessaire de vérifier chaque fait du réseau de neurones, puisqu'il tient lui-même un journal transparent de ses raisonnements et de ses trouvailles.

Au fond, nous assistons au passage des chats d'IA aux employés d'IA. Un chat se contente de répondre à une question ; un employé sait travailler avec l'information longtemps, méthodiquement, et n'oublie pas pourquoi il a ouvert son navigateur dix minutes plus tôt. FS-Researcher est l'un des premiers pas assurés vers des chercheurs autonomes qui font réellement gagner du temps aux humains, au lieu de leur ajouter du travail de correction d'erreurs. Cela change les règles du jeu dans le monde académique et le secteur des entreprises, où la précision des données prime toujours sur la rapidité. Reste à savoir à quelle vitesse ces surcouches deviendront un standard pour tous les services LLM populaires.

L'essentiel : l'ère des fenêtres de contexte « gonflées » pourrait s'achever avant d'avoir vraiment commencé, au profit de systèmes de filtrage intelligents et de carnets externes. OpenAI et Anthropic parviendront-ils à intégrer nativement de tels mécanismes à leurs modèles, ou faut-il s'attendre à un boom des plateformes d'agents tierces ?