fr.wedoany.com Rapport : Le 29 juin, CoreWeave a lancé ARIA, un agent de recherche et d’itération en IA. Cet agent peut lire les données expérimentales, identifier des informations cachées et piloter l’amélioration continue des modèles et des agents. ARIA est construit sur la plateforme de développement d’agents W&B Weave de Weights & Biases, filiale de CoreWeave, dont les capacités de développement d’agents sont désormais disponibles en version générale.
ARIA cible l’étape d’analyse expérimentale dans la recherche et le développement en IA. Lors de l’entraînement, du réglage fin, de l’évaluation et du développement d’agents, les équipes de modélisation génèrent une multitude d’enregistrements d’exécution, de courbes de métriques, de paramètres de configuration, de résultats d’évaluation et d’échantillons d’échecs. Les chercheurs doivent souvent naviguer entre ces données pour trouver des corrélations, déterminer quels paramètres ont apporté des améliorations, quels types d’erreurs persistent et quelles expériences méritent d’être poursuivies. ARIA relie la lecture des données expérimentales, la reconnaissance de motifs, la synthèse d’informations et les recommandations d’actions, permettant aux équipes de recherche de dépasser la méthode de travail consistant à « regarder des graphiques, lire des journaux et juger manuellement ». CoreWeave affirme qu’ARIA peut analyser des milliers d’exécutions expérimentales et des dizaines de milliers de métriques en quelques minutes, transformant les résultats expérimentaux existants en intrants pour l’amélioration des modèles et l’itération des agents.
Ce produit vise à réduire l’écart entre l’analyse expérimentale et les actions ultérieures. Le problème courant dans la recherche en IA n’est pas le manque de données, mais plutôt leur abondance, la dispersion des métriques et la difficulté pour les équipes de transformer rapidement les résultats en prochaines expériences.
Chen Goldberg, vice-président exécutif des produits et de l’ingénierie chez CoreWeave, a déclaré que les chercheurs progressent rapidement dans le développement de modèles, mais que les outils de gestion ne suivent pas le rythme, et qu’ARIA est précisément la solution pour combler cet écart. Pour les équipes travaillant sur les grands modèles et les agents intelligents, la vitesse d’entraînement, l’échelle de calcul et le nombre d’expériences augmentent rapidement, mais la gestion des expériences, l’interprétation des résultats, la révision automatique et la génération de tâches suivantes reposent encore largement sur le travail manuel. En intervenant à cette étape, ARIA peut aider les équipes à détecter plus rapidement les changements de performance des modèles, les anomalies de métriques, les goulots d’étranglement d’entraînement et les problèmes de comportement des agents, et à transformer les résultats d’analyse en nouvelles hypothèses expérimentales, orientations d’évaluation ou tâches d’optimisation.
W&B Weave constitue une base technologique importante pour ARIA. Weights & Biases sert depuis longtemps le suivi des expériences d’apprentissage automatique, l’évaluation des modèles et la collaboration en développement. Après l’acquisition de cette société par CoreWeave, celle-ci intègre davantage l’infrastructure cloud IA avec la chaîne d’outils de développement de modèles. ARIA étant construit sur W&B Weave, cela montre que CoreWeave ne se limite pas à fournir des capacités de calcul GPU et des ressources cloud, mais s’étend également aux outils de processus de recherche et développement en IA. Pour les équipes d’expérimentation en IA, la puissance de calcul n’est que le premier niveau de besoin ; la traçabilité des expériences, l’interprétabilité des métriques, l’évaluabilité des agents et l’automatisation des itérations sont les éléments clés pour améliorer continuellement la qualité des modèles.
ARIA renforce également les frontières des produits de CoreWeave sur le marché de l’infrastructure IA. Auparavant, les fournisseurs de cloud IA mettaient davantage l’accent sur les clusters GPU, les performances d’entraînement, l’interconnexion réseau et l’efficacité des coûts. Désormais, la concurrence s’étend aux plateformes de R&D, à la gestion des expériences, au développement d’agents et à la gestion du cycle de vie des modèles. Si CoreWeave parvient à intégrer les ressources de calcul, la gestion des expériences W&B, le développement d’agents Weave et l’agent de recherche ARIA, il pourra couvrir toute la chaîne, de l’entraînement des modèles à la révision des expériences, et de la construction d’agents à l’optimisation continue. Les équipes de R&D pourront effectuer l’enregistrement des expériences, l’analyse des résultats, l’évaluation des agents et la progression des tâches suivantes au sein d’un même système, réduisant ainsi les coûts de changement d’outils et de traitement manuel.
Le lancement d’ARIA reflète également le passage de la recherche en IA d’une approche pilotée par des expériences uniques à une approche pilotée par des itérations continues. Plus les modèles et les agents sont complexes, plus il est difficile d’expliquer tous les problèmes avec un seul indicateur. Les équipes de recherche doivent observer simultanément la précision, la latence, le coût, la stabilité, les types d’échecs, le taux de succès des appels d’outils et le taux d’achèvement des tâches utilisateur. Si ARIA peut traiter ces métriques multidimensionnelles de manière stable, il aidera les équipes à déterminer plus rapidement quelles modifications sont réellement efficaces et quelles optimisations ne sont que des améliorations locales. Pour les applications de grands modèles, les plateformes d’agents intelligents et les produits d’IA d’entreprise, ce type d’outil de recherche et d’itération automatisé deviendra un élément important pour raccourcir les cycles de R&D.
