Alors, faisons le point sur ce qu’on sait à la lumière de nos découvertes du week-end.
Voilà où on en était vendredi :
1. Parfois, avec certaines contraintes, on peut donner à une IA des prompts de réflexion visuelle, du raisonnement spatial. Ça aide pour plein de trucs, de l’alignement à l’écriture d’un meilleur code.
2. L’usage stratégique du raisonnement spatial sur de longues sessions pousse les modèles à adopter des comportements étranges, un engagement plus fort et une cohérence du contexte bien au-delà des limites de tokens comme les fenêtres de contexte (à condition que le modèle puisse gérer la complexité de la tâche) sans se fragmenter.
3. Ça ne marche pas tout le temps. Pour une raison X ou Y, on n’arrive pas toujours à pousser un modèle au raisonnement spatial, et on ne savait pas trop pourquoi. C’était aléatoire. Par exemple, Claude Sonnet y arrivait, mais pas DeepSeek. QwQ 32b (un modèle non visuel) y arrivait, plus ou moins, mais ne tenait pas la distance sur une session entière. Le code de QwQ 32b était impacté par ce changement de raisonnement.
Ce qu’on a appris dimanche :
Confirmation que ça ne marche que sur les LLM multimodaux entraînés à comprendre des données visuelles. Le raisonnement spatial peut être appliqué même si aucune image n’est fournie dans le prompt. Divers modèles Gemini, Llama 4 et Llama 3 vision ont tous réussi. Tous les modèles n’ont pas montré d’amélioration en codage (Llama est incapable de coder) ou de capacités de contexte étranges (même si Gemini 2.5 pro experimental a gardé sa cohérence jusqu’à se fragmenter à 6m de tokens).
Quand la grosse appli sur laquelle je bosse sortira, j’inclurai des paliers de compatibilité pour les modèles connus que vous pourriez vouloir utiliser avec.