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
Le teneur de marché quantitatif déploie des agents basés sur GPT-6 Astra pour mener des analyses longues et itératives, du code aux études quantitatives. Les sorties restent soumises à des revues critiques et à une exécution contrôlée. Lucas Baker décrit une progression rapide vers une recherche plus autonome, sans retirer le dernier mot aux équipes.
La supervision humaine encadre chaque signal produit par des agents
Jump Trading opère dans une industrie soumise à une réglementation stricte, où toute erreur peut entraîner des impacts financiers et des problèmes de conformité. Selon l'entreprise, l'architecture de son système repose sur des limites précises, des contraintes explicites, ainsi qu'une infrastructure axée sur la supervision et la transparence, complétée par une vérification humaine des modifications. Lucas Baker estime que la confiance dans les résultats fournis par les agents repose sur un environnement sécurisé, validé en dernier ressort par une évaluation humaine. Lorsqu'un agent émet un signal de trading, celui-ci est traité comme potentiellement erroné et combiné à d'autres signaux au sein d'un environnement d'exécution rigoureusement contrôlé. Ces signaux sont intégrés avec les autres flux et ne sont pas exécutés sans ce cadre de contrôle.
Des workflows longs et itératifs, pilotés comme avec un collègue
Les équipes abordent désormais l'IA comme un collègue avec lequel elles définissent un problème central, un environnement de travail et une méthode d'évaluation. Les chercheurs orientent en temps réel un ou plusieurs agents sur l'endroit où concentrer l'analyse et sur la tâche suivante. Au fil d'une tâche longue, le système examine ses propres résultats, les confronte à des critères convenus issus d'une proposition initiale et redirige ses efforts sans exiger une analyse humaine à chaque étape. Des travaux peuvent être paramétrés pour tourner pendant des jours, puiser dans de nombreuses sources de données et effectuer des arbitrages subtils sur la pertinence des signaux. Les résultats sont ensuite évalués explicitement contre les critères définis.
Capacités actuelles attribuées à GPT-6 Astra et périmètre d'usage
Lucas Baker dirige la R&D LLM et l'agentique chez Jump, qui conçoit des agents, des infrastructures et des outils pour approfondir les idées des chercheurs. Il attribue à la série GPT-6, et plus particulièrement à GPT-6 Astra, l'élargissement de l'échelle et de la complexité des tâches confiables aux agents, du codage quotidien jusqu'aux études quantitatives avancées. Il décrit un nouveau niveau d'autonomie pour des tâches au long cours nécessitant une coordination flexible d'agents et une persistance sur des flux complexes. Selon lui, les besoins d'intervention humaine diminuent lorsque l'environnement est sécurisé, bien surveillé et que les objectifs sont clairs. Ces pratiques s'appliquent à tous les horizons temporels et à toutes les classes d'actifs que l'entreprise traite.
De l'extrait de code à la base de code et au-delà
Sur un an, l'usage de l'IA a évolué d'une aide pour écrire un extrait de code à un système capable de construire des bases de code et des services entiers. Les agents sont décrits comme capables d'identifier des changements significatifs et de les empiler dans une démarche d'amélioration récursive. D'une année à l'autre, des progrès constants dans les mesures de référence s'accompagnent de mutations dans les modèles que l'on parvient à exécuter, souvent difficiles à anticiper quelques mois à l'avance. En 2024, faire écrire un seul fichier sans erreurs par les premiers agents était jugé impressionnant. En 2025, la création de bases de code complètes à partir de rien est devenue réalisable. En 2026, la collaboration dynamique entre de multiples agents a permis de faire progresser certaines problématiques de recherche non résolues.
Vers une flotte d'agents pour une recherche autonome encadrée
Lucas Baker anticipe que la recherche autonome, entendue comme l'amélioration récursive de systèmes mesurables par des agents chercheurs, deviendra une pratique courante. À ce stade, les travaux prolongés impliquant GPT-6 Astra comportent encore des points de contrôle réguliers avec la personne qui définit la tâche, qu'il s'agisse du choix des données à extraire, de la durée d'exécution, des critères d'importance ou de la cohérence des résultats intermédiaires. La version avancée décrite commencerait toujours par un cadrage humain précisant entrées, environnement, métriques, compromis et priorités; le reste du processus serait délégué à une flotte d'agents coordonnée par d'autres agents. Dans un pipeline bien structuré, ceux-ci décideraient de l'exploration, alloueraient le calcul et intégreraient les résultats prometteurs, avec l'objectif d'obtenir, à partir d'une question ouverte, un résultat utile. Baker formule l'idée que la capacité à résoudre un problème du Millénaire irait de pair avec la découverte de faits intéressants en finance quantitative et s'interroge sur les avancées à venir.
Rappel du cœur de métier et des limites inhérentes à la prédiction
Jump Trading conçoit des modèles prédictifs en croisant données de marché, nouvelles, événements et sources de données alternatives. La complexité et le bruit des marchés rendent les prévisions exactes rares. Lucas Baker souligne néanmoins que des prédictions seulement un peu meilleures que le hasard, appliquées à grande échelle, peuvent suffire à soutenir une stratégie.
