Le papier d’Apple sur la complétion de tâches cette semaine était intéressant. Pas pour ce qu’il disait — on savait déjà la plupart des choses — mais pour la réaction qu’il a suscitée. Le papier traitait de la complexité des tâches et de la façon dont les LLM plantent quand on leur donne des tâches en contexte long qui sont trop complexes. Oui, évidemment, c’est ce qui arrive.
Des tâches à fort bruit avec une complexité cyclomatique élevée vont presque toujours faire dérailler vos modèles. C’est pour ça qu’il faut diviser les tâches en puces, séparer les tâches en segments et faire travailler vos agents de manière procédurale sur les longs processus complexes. Bah oui. Si c’est une info nouvelle pour vous, c’est que vous n’êtes pas à la page.
Je ne sais pas ce que les gens attendaient d’un papier qui poussait intentionnellement les systèmes de génération actuelle de cette manière. Évidemment, ils vont chercher le point de rupture et commenter le résultat. C’est une information importante.
Mais toutes ces interprétations hâtives et péremptoires, tous ces moments « AH AH ! L’IA ne gère pas la complexité !!!! Je le savais !!!! » de la part de gens sur LinkedIn (dont beaucoup devraient être plus malins) étaient une expérience à part entière.
La vraie leçon, c’est que tout le monde a son propre agenda avec ces trucs. Et aucune quantité de science, ennuyeuse ou non, ne changera votre vision du monde si vous ne comprenez pas ce que vous regardez, ou si vous n’en avez pas envie.
Encore un jour dans le train de la hype, j’imagine.