Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Claude Code et l'impact des boucles agentiques
Lors de la conférence @Scale organisée par Meta, Boris Cherny, le créateur de Claude Code, a répondu à une question du public sur les boucles, souvent perçues comme une tendance passagère. Cherny a rapidement dissipé ce doute en affirmant avec conviction que les boucles sont bien réelles et non une simple mode éphémère. Sa réponse à cette question a été un emphatique : « Oui, elles sont réelles. »
Cherny a expliqué que le développement de l'IA a connu plusieurs phases importantes. Il y a deux ans, le code source était encore majoritairement écrit à la main. Puis, une transition s'est opérée vers l'utilisation d'agents capables de générer du code. Aujourd'hui, nous atteignons une étape où ces agents peuvent inciter d'autres agents à produire du code, marquant une avancée aussi significative que le passage initial du code source aux agents.
Des agents autonomes en action
Dans son discours, Cherny a détaillé comment il applique les boucles dans son propre travail, précisant ces aspects vers la 32:00 dans la vidéo YouTube de son intervention. Un agent est constamment à la recherche de moyens pour optimiser l'architecture du code, tandis qu'un autre se concentre sur la détection et l'unification des abstractions redondantes. Ces agents soumettent des pull requests comme le ferait un développeur humain, et leur activité est ininterrompue, car le code évolue sans cesse.
Cette approche, soutenue par une figure aussi influente que Cherny, met en lumière le potentiel des boucles dans l'IA. Avec l'essor des agents autonomes, l'objectif est de gérer ces entités de manière efficace : définir des objectifs précis, suivre des progrès mesurables et éviter qu'ils ne s'éloignent trop de leur mission initiale. Les boucles vont plus loin en permettant à un réseau d'agents de fonctionner en continu, une perspective qui repose sur une confiance accrue envers l'IA. C'est beaucoup de confiance à accorder à l'IA — mais avec des modèles qui s'améliorent rapidement, cela pourrait être la prochaine étape pour amener l'IA à gérer un travail réel.
Les boucles récursives revisitées
Bien que l'idée des boucles puisse sembler nouvelle, elle s'inscrit dans une tradition bien établie en informatique. Les boucles récursives, qui consistent en des fonctions s'appelant elles-mêmes pour accomplir une tâche répétitive, sont un concept fondamental enseigné dès les premiers cours d'informatique. Dans le cadre des boucles agentiques, cette logique est appliquée à des agents qui décident eux-mêmes quand arrêter la boucle, introduisant une dimension non déterministe — c'est-à-dire qu'un sous-agent choisit quand arrêter la boucle au lieu d'une condition claire.
L'une des boucles les plus simples et populaires est la Ralph Loop. Elle consiste à résumer le travail accompli par le modèle et à vérifier si l'objectif a été atteint. Cette méthode aide à gérer les modèles d'IA qui pourraient se perdre lorsqu'ils fonctionnent trop longtemps, en les ramenant à leur point de départ jusqu'à ce que la mission soit accomplie.
Vers un calcul intensif en temps de test
Les boucles s'inscrivent également dans une tendance plus large vers un calcul intensif pendant la phase de test. Noam Brown, chercheur chez OpenAI, a récemment souligné que les modèles actuels peuvent résoudre presque n'importe quel problème, à condition de disposer de suffisamment de puissance de calcul. Cette approche est particulièrement pertinente pour des problèmes de type hill-climbing, où le modèle continue d'apporter des améliorations progressives jusqu'à atteindre un seuil prédéfini.
Cependant, cette méthode n'est pas sans coût. Les boucles agentiques, à l'instar des agents IA, consomment des tokens à un rythme bien plus rapide que les simples chatbots. Le maintien d'une boucle en fonctionnement continu implique des dépenses potentielles illimitées, ce qui peut s'avérer onéreux pour les entreprises. Cela convient à Anthropic, qui est finalement dans le secteur de la vente de tokens.
Un investissement coûteux mais potentiellement rentable
Malgré les coûts associés, les boucles agentiques pourraient s'avérer être un investissement judicieux. En fonction du problème à résoudre et de la configuration adéquate pour surveiller les dépenses en tokens et contrôler les dérives, les bénéfices peuvent largement compenser les dépenses. Cette technologie promet de transformer la manière dont l'IA est utilisée pour gérer des tâches complexes, en offrant une autonomie et une efficacité accrues.
