Quand l'IA conçoit ses propres algorithmes d'optimisation

Une équipe de chercheurs affiliés à l'Université du Maryland, Google, Meta et d'autres institutions vient de franchir une étape qui mérite l'attention : ils ont laissé un agent IA — Claude Code d'Anthropic — concevoir lui-même des algorithmes que des ingénieurs humains n'auraient probablement pas imaginés. Le tout pour 40 dollars et en moins de trois heures.

AutoTTS : confier la recherche algorithmique à une machine

Le cadre expérimental s'appelle AutoTTS (Automated Test-Time Scaling). Son principe est simple en apparence : un agent de codage autonome explore, teste et évalue des stratégies de contrôle pour le raisonnement des modèles d'IA — sans intervention humaine à chaque étape.

Ces stratégies, appelées algorithmes de test-time scaling, déterminent comment un modèle utilise ses ressources de calcul au moment de répondre à une question. Jusqu'ici, leur conception était un travail d'expert, long et coûteux.

Avec AutoTTS, Claude Code prend en charge l'intégralité du processus de recherche : il génère des candidats algorithmiques, les évalue sur des benchmarks et affine ses propositions de manière itérative.

Un résultat difficile à ignorer : -70 % de calcul

L'algorithme découvert par l'agent surpasse la méthode de référence standard, appelée self-consistency, sur deux dimensions simultanément :

• Précision équivalente : les réponses produites sont aussi fiables que celles de la méthode classique.
• Réduction de calcul d'environ 70 % : pour un résultat identique, le modèle mobilise moins de trois fois moins de ressources computationnelles.

Ce gain n'est pas anecdotique. Dans un contexte où le coût d'inférence des grands modèles de langage représente une part croissante des budgets technologiques, diviser par plus de trois la puissance de calcul nécessaire a des implications directes sur les coûts d'exploitation.

Et la recherche elle-même n'a coûté que 40 dollars, menée en 160 minutes. C'est un ordre de grandeur radicalement inférieur à ce que mobilise ordinairement une équipe de recherche en IA.

Pourquoi cet algorithme est "non humain"

Les chercheurs soulignent que la solution trouvée par Claude Code est de celles qu'un humain n'aurait probablement pas conçues. Cela pointe vers une caractéristique émergente des agents de codage autonomes : leur capacité à explorer des espaces de solutions sans les biais cognitifs, les habitudes disciplinaires ou les raccourcis heuristiques qui orientent naturellement la pensée humaine.

Ce n'est pas une question de supériorité intellectuelle, mais d'exploration non contrainte. Un ingénieur commence avec des hypothèses ; un agent commence avec des paramètres. La différence de trajectoire peut produire des résultats structurellement différents.

C'est précisément dans ce type de tâches — exploration combinatoire intensive, évaluation systématique, itération rapide — que les agents IA spécialisés montrent leur potentiel le plus concret.

Ce que ça change pour les PME suisses

Pour un dirigeant de PME, la leçon n'est pas technique : elle est économique et stratégique. Si une équipe de recherche internationale peut automatiser la découverte d'algorithmes d'optimisation pour 40 dollars, la même logique s'applique à des tâches moins spectaculaires mais tout aussi coûteuses — optimisation de processus, analyse de données, automatisation de flux de travail.

La vraie question n'est plus "est-ce que l'IA peut faire ça ?" mais "combien me coûte de ne pas l'utiliser ?" — et dans combien de domaines de votre activité des gains similaires restent-ils encore inexploités ?

Sources

• Researchers let Claude Code discover AI scaling algorithms that humans probably wouldn't have designed — The Decoder

Article rédigé à partir des sources citées. NexaLab synthétise l'actualité IA pour les PME de Suisse romande — sans déformer, en citant toujours l'origine.