Nouvelle ère de l'IA : comment la technologie « Loop » transforme la programmation

Le concept de « loop » (boucle), considéré comme la prochaine étape du développement des technologies d'intelligence artificielle (AI), suscite d'importants débats parmi les experts du secteur. Lors de la récente conférence @Scale organisée par Meta, Boris Cherny, fondateur du projet Claude Code, a souligné l'importance de cette technologie. Selon lui, le passage de systèmes AI agentiques à des boucles de traitement continu est une étape révolutionnaire, semblable à la transition de l'écriture manuelle de code vers des agents automatisés. C'est ce qu'indique Techcrunch.com dans son article.

Cherny souligne que le processus de programmation actuel évolue : il ne s'agit plus simplement de code écrit par des agents, mais d'une chaîne complexe où les agents s'assignent des tâches et contrôlent les résultats. Dans ce processus, plusieurs agents AI travaillent en permanence en arrière-plan pour améliorer l'architecture du code, corriger les bugs et fusionner des éléments redondants. Ces « boucles » envoient des pull-requests et améliorent le système sans interruption, tout comme le feraient des développeurs expérimentés, sans intervention humaine.

Principe de fonctionnement des boucles agentiques

Dans la programmation traditionnelle, les boucles récursives se répètent jusqu'à ce qu'une condition spécifique soit remplie. Cependant, les boucles dans le monde de l'AI fonctionnent différemment. Ici, le processus de prise de décision n'est pas déterministe ; c'est le sous-agent lui-même qui décide quand arrêter le travail. Par exemple, dans la méthode appelée « Ralph Loop », le modèle comptabilise tout le travail effectué et vérifie indépendamment si l'objectif fixé a été atteint. Cela aide à résoudre le problème des modèles AI qui « s'égarent » lors de sessions de travail prolongées.

Cette approche correspond au concept de « test-time compute » (puissance de calcul au moment du test) proposé par le chercheur d'OpenAI, Noam Brown. Selon lui, les modèles modernes peuvent résoudre presque n'importe quel problème complexe, à condition qu'on leur fournisse suffisamment de ressources de calcul. Les boucles continuent d'utiliser la puissance de calcul jusqu'à ce que le problème soit entièrement résolu.

Aspects économiques et risques futurs

Bien que cette technologie semble efficace, elle présente des inconvénients. Le problème principal est le coût. Contrairement aux chatbots de questions-réponses classiques, les boucles de traitement continu consomment des tokens très rapidement. Pour des entreprises comme Anthropic, qui tirent des revenus de la vente de tokens, cela peut être avantageux, mais pour les utilisateurs ordinaires et les entreprises, ce mode de fonctionnement s'avérera nettement plus coûteux.

Néanmoins, les experts considèrent cette direction comme la suite logique du développement de l'AI. Donner plus de liberté aux agents et leur confier des tâches permanentes réduit le facteur humain et facilite la gestion de projets complexes. Selon ixbt.com, cette technologie devrait devenir l'outil de travail principal des grandes entreprises IT dans les années à venir.

En conclusion, le monde de l'AI entre dans l'ère des « boucles ». Cela pourrait porter l'efficacité vers un nouveau niveau, non seulement dans la programmation, mais aussi dans l'analyse de données et d'autres domaines numériques. Cependant, la question de la gestion de la puissance de calcul et de l'optimisation des coûts reste cruciale.