Un agent de code a découvert tout seul ce que les chercheurs n'auraient probablement pas trouvé : un algorithme de contrôle qui réduit drastiquement la consommation de puissance des modèles IA. Des équipes de UMD, Google et Meta ont utilisé AutoTTS pour laisser Claude Code explorer l'espace des solutions, et le résultat s'appelle déjà un coup d'éclat : 70% de calcul économisé par rapport aux méthodes standard, sans perte de précision.
L'expérience révèle quelque chose de frontal : les agents de code ne cherchent plus juste à optimiser ce qu'on leur demande, ils peuvent inventer des stratégies orthogonales. L'algorithme découvert applique des commandes d'ajustement sur le processus de raisonnement du modèle, un terrain où l'exploration combinatoire humaine aurait coûté des millions en GPU-hours.
Ca remet à zéro les cartes du scaling IA.
Ce qui rend le truc encore plus savoureux, c'est le coût réel de la découverte : 40 dollars et 160 minutes. Pendant ce temps, les équipes cherchent toujours comment reproduire ce type d'innovation par algorithme plutôt que par intuition d'ingénieur. La question devient : combien d'optimisations évidentes dorment dans l'espace de recherche juste parce que personne ne les a testées?
Ca remet à zéro les cartes du scaling IA. Si les modèles peuvent inventer leurs propres gains d'efficacité, l'équation coût-performance change de règne. Les labs se demandent déjà quoi d'autre se cache à 40 dollars de recherche automatisée.