Aucun réseau neuronal n’a été entraîné ! Un grand modèle écrit à la main des règles de contrôle qui pénètre l’industrie de la mécanique des fluides, avec une stratégie complète exécutée pour 14 dollars. Weng Jiayi, ancien membre clé de l’équipe post-entraînement d’OpenAI, vient de démontrer qu’il est possible de réussir des jeux Atari uniquement en faisant écrire du code par un grand modèle. Le chercheur Paul Garnier a immédiatement appliqué cette méthode au domaine encore plus exigeant du contrôle de la mécanique des fluides. Il n’a entraîné aucun réseau neuronal. Il a simplement fait agir Codex 5.5 comme programmeur, en lui faisant analyser des vidéos de simulations fluides et en lui demandant de réécrire constamment des scripts Python. Grâce à ces règles de contrôle écrites à la main, l’IA a surpassé les meilleures bases d’apprentissage par renforcement (DRL) dans plus de la moitié des scénarios testés, sur plus de dix évaluations physiques. Réduire la traînée d’une voiture, stabiliser les turbulences dans les tuyaux : auparavant, l’industrie devait compter sur des puissances de calcul massives pour entraîner des modèles noirs incompréhensibles commandant les vannes de flux. Codex a évité ce cul-de-sac. Les règles qu’il génère sont extrêmement claires, par exemple : « Retarde la pulvérisation lorsque la courbure locale est trop élevée ». Des dizaines de lignes de code court, intégrant des connaissances physiques, remplacent directement les essais-erreurs aveugles des réseaux neuronaux. En remplaçant le modèle noir par du code, on élimine les faiblesses rigides et fragiles des réseaux neuronaux. Autrefois, un léger changement matériel (par exemple, passer de 5 à 10 buses de contrôle) rendait le modèle obsolète, obligeant à un nouvel entraînement coûteux. Maintenant, il suffit de modifier une constante dans le code pour que le système s’adapte instantanément à un nouvel équipement. Lorsque le temps de test a été artificiellement allongé de quatre fois, les modèles DRL traditionnels, hors de leur zone d’expérience, se sont effondrés ; mais le code écrit par le grand modèle, qui suit directement les lois physiques, est resté stable et fiable. Pour exécuter toute cette stratégie de contrôle, le grand modèle n’a consommé que 21,25 millions de tokens, pour un coût total inférieur à 14 dollars. #AI #AIAgent