Des chercheurs viennent de casser un mythe : faire évoluer une équipe d'IA n'est pas faire évoluer une IA, fois N. EVOCHAMBER — un framework test-time — instancie l'évolution à trois niveaux : individuel, équipe, population. Le détail qui tue ? Chaque agent co-évolue sa stratégie, ses partenaires, et le flux de savoir qui traverse le groupe. Zéro symétrie.
Jusqu'ici, les méthodes test-time forçaient soit l'isolement (chacun sa donnée), soit la diffusion symétrique à tous (mort de la spécialisation). Résultat : pas de vraie collaboration. EVOCHAMBER crée un pool où les agents négocient leur rôle, leurs alliances, leur accès à l'information. C'est là qu'émerge quelque chose qu'aucune IA solo ne peut produire : la spécialisation organique.
Résultat : pas de vraie collaboration.
Pourquoi ça compte ? Parce que c'est la première fois qu'une archi test-time accepte qu'une équipe d'IA n'est pas une agrégation mécanique. Elle est vivante — au sens où elle se réorganise. Pour les modèles multi-agents (robotique distribuée, débat en groupes), c'est un changement de paradigme.
Le timing : la recherche réclame depuis deux ans des méthodes où l'IA apprend *ensemble*, pas juste *en parallèle*. EVOCHAMBER répond enfin.