Le préprint de Müller et ses collègues, daté de septembre 2026, décrit un système qui conserve l’état de l’optimisation hors du modèle de langage et exécute des programmes expérimentaux répétables. Les auteurs évaluent cinq tâches numériques et deux plateformes physiques. En chimie en flux, le rendement mesuré passe de 30 % à 58,8 % en 23 expériences. Un autre résultat, un angle de contact de 67,8°, reste hors de la cible de 64–66°.[1]
Les auteurs rapportent un coût total inférieur de 13 % à celui d’une campagne dirigée par des humains, mais précisent qu’il ne s’agit pas d’un essai comparatif contrôlé. L’espace de recherche, l’initialisation, la longueur et les conditions finales diffèrent. Les frais d’inférence sont inclus ; cela ne prouve ni des économies universelles ni un laboratoire plus rapide. Les preuves proviennent d’un préprint, sans réplication indépendante.
Le meilleur rendement de l’agent est de 58,8 %, contre 70,9 % pour la campagne humaine complète et 63,9 % à budget de consommables égal. Les 23 expériences contre 50 contribuent à expliquer le coût total inférieur, sans démontrer des résultats équivalents.[1]
Analyse et application
La question à transposer est de savoir où finit une opération répétable et où commence une décision. Conserver les entrées, les mesures et les raisons des changements aide à distinguer l’échec d’une expérience d’une mesure défaillante. Un journal consultable facilite l’enquête ; il ne prouve à lui seul ni la justesse des décisions ni la sécurité.
Analyse et application
- Définir l’objectif, la plage acceptable et les conditions d’arrêt.
- Séparer mesures brutes, interprétations et décisions.
- Tester la reprise après une mesure manquante ou erronée sans effacer les résultats valides.
- Comparer des tâches équivalentes, en incluant préparation, temps humain, matériaux, modèle et occupation des équipements.
- Consigner échecs et réussites. Ce sont des étapes d’évaluation proposées, non des résultats supplémentaires de l’étude.
VÉRIFIEZ LES SOURCES