Selon les chercheurs, GEPA-Curator a amélioré les bots d’IA de jusqu’à 21,2 % en ignorant les mauvais essais qui enseignaient au système une leçon erronée.

Points clés à retenir

• GEPA-Curator a amélioré les agents de jusqu’à 21,2 % par rapport à une référence et de 20,7 % par rapport à une autre

• GEPA-Curator filtre les tâches qui produisent des signaux d’apprentissage peu fiables avant la mise à jour des prompts

• La méthode a été testée sur GoBrowse, ALFWorld, AppWorld et τ-bench avec Gemini 3.1 Pro et Claude Opus 5

• L’article avance que de nombreuses boucles d’entraînement d’agents traitent tous les échecs comme s’ils étaient aussi instructifs les uns que les autres, ce qui peut fausser les mises à jour ultérieures

Les chercheurs ont écrit que GEPA-Curator filtre les tâches qui produisent des signaux d’apprentissage peu fiables et récupère des trajectoires antérieures réussies avant de mettre à jour les prompts. L’article a également testé la méthode sur GoBrowse, ALFWorld, AppWorld et τ-bench, avec Gemini 3.1 Pro et Claude Opus 5 comme modèles d’optimisation.

Pourquoi les agents d’IA apprennent la mauvaise leçon

L’idée centrale est simple.

Tous les échecs n’apprennent pas quelque chose d’utile à un agent d’IA. Un agent peut échouer parce que le prompt était mal conçu, mais aussi parce qu’un outil est tombé en panne, qu’un évaluateur était peu fiable ou que l’environnement s’est comporté de manière aléatoire.

De nombreuses boucles d’entraînement d’agents traitent tous les échecs comme s’ils étaient aussi instructifs les uns que les autres.

C’est pratique, mais cela peut fausser les mises à jour ultérieures. Si un modèle réécrit son prompt à partir d’un échec causé par un banc de test défectueux, il en tire la mauvaise leçon.

C’est important, car les agents d’IA s’attaquent à des tâches plus longues, où les erreurs s’accumulent.

Une seule mauvaise révision peut dégrader les performances lors de nombreuses tentatives ultérieures.

De la réflexion à la mémoire sélective

Cet article s’inscrit dans un domaine de recherche sur les agents très actif. Les optimiseurs de prompts précédents, comme GEPA, permettaient déjà à un agent de réfléchir à ses propres tentatives infructueuses.

GEPA-Curator reprend cette idée, mais y ajoute un gardien.

Ce gardien remplit deux fonctions. Premièrement, il écarte les tâches susceptibles de générer des retours bruités.

Deuxièmement, il récupère des exemples de réussites antérieures afin de donner à l’optimiseur un meilleur contexte avant qu’il ne modifie le prompt.

Pour les lecteurs qui découvrent ce domaine, une tentative complète désigne un essai d’un agent d’IA pour accomplir une tâche dans un environnement. Un optimiseur de prompts est le système qui réécrit les instructions après avoir observé le déroulement de ces tentatives.

Pourquoi les agents d’IA ont besoin d’un meilleur triage des échecs

L’intérêt pratique ne se limite pas au pourcentage global.

L’article suggère une règle plus générale pour les agents d’IA : un meilleur entraînement peut nécessiter moins de données, à condition qu’elles soient plus propres. Cela va à l’encontre de l’idée répandue selon laquelle il faut réinjecter chaque trace dans la boucle.

À lire aussi : l’entreprise de cloud IA Together réduit le coût des emplois liés à l’IA en remettant en service des serveurs en panne

Cela correspond aussi à la manière dont les entreprises déploient des agents en production.

Les piles logicielles réelles contiennent des API instables, des navigateurs lents et des évaluateurs imparfaits. Si ces artefacts ressemblent à des erreurs du modèle, un agent capable de s’améliorer lui-même peut s’éloigner du comportement souhaité par les ingénieurs.

C’est l’une des raisons pour lesquelles les équipes d’entreprise hésitent encore à laisser les agents se réécrire eux-mêmes.

Un système qui modifie son propre prompt sans examiner les éléments de preuve peut devenir moins performant tout en donnant l’impression de s’activer.

Ce qu’il faudra surveiller après GEPA-Curator

Le prochain test portera sur la transférabilité. Les benchmarks de recherche sont utiles, mais les équipes en production voudront savoir si cette curation fonctionne pour le service client, les agents de programmation et l’automatisation de navigateurs.

Ces environnements présentent davantage de modes de défaillance cachés que les univers des benchmarks.

L’article soulève également une question plus ciblée pour les laboratoires d’IA. Si la curation est plus efficace que l’apprentissage naïf à partir des échecs, les futures plateformes d’agents pourraient avoir besoin de politiques de mémoire intégrées plutôt que de simples déversements de journaux.

En ce sens, le résultat porte moins sur un optimiseur en particulier que sur une règle de conception.

Les agents d’IA ont peut-être besoin d’une mémoire sélective, et non d’une mémoire totale.

Pourquoi le filtrage est plus efficace qu’un volume accru de retours

Le mécanisme clé de GEPA-Curator est le triage. Au lieu de demander à un optimiseur d’apprendre de chaque exécution ratée, le système commence par vérifier si celle-ci est fiable.

Dans AppWorld ou ALFWorld, un agent peut échouer parce qu’il a mal compris une tâche, mais aussi parce que l’environnement ou le processus d’évaluation a introduit du bruit. GEPA-Curator tente de distinguer ces cas avant qu’un prompt ne soit réécrit.

Ce changement compte pour les équipes qui utilisent Claude Opus 5 ou Gemini 3.1 Pro comme cerveaux d’orchestration pour leurs agents d’IA. En production, les journaux sont désordonnés.

Un délai d’attente dépassé dans un navigateur, un résultat obsolète d’un outil ou un évaluateur incohérent peuvent tous donner l’impression que le modèle est faible. Si un agent continue de se réécrire en fonction de ces artefacts, il risque de s’égarer.

Ce qui a changé ici par rapport aux optimiseurs de prompts précédents, comme GEPA, ce n’est pas la taille brute du modèle.

C’est le choix des expériences considérées comme des éléments de preuve. Le résultat intéresse donc les entreprises qui déploient des agents d’IA dès aujourd’hui, car l’apprentissage sélectif peut être mis en place plus rapidement qu’une mise à niveau vers un modèle de pointe.

La prochaine chose à surveiller sera de voir si les laboratoires intègrent la curation aux cadres d’agents par défaut au lieu de la laisser aux chercheurs.

À lire ensuite : Invesco fournit deux outils Claude à ses conseillers pour accélérer la création de portefeuilles