Le modèle d’IA qui apprend à réfléchir aux problèmes par lui-même, sans intervention humaine
Le pipeline multi-étages de DeepSeek-R1. Crédit : Nature (2025). DOI : 10.1038/s41586-025-09422-z
L’intelligence artificielle progresse chaque jour, mais elle a encore ses limites. L’un des plus grands défis a été d’apprendre à raisonner à des modèles d’IA avancés, ce qui implique de résoudre des problèmes étape par étape. Mais dans un nouvel article publié dans la revue Nature , l’équipe de DeepSeek AI, une entreprise chinoise d’intelligence artificielle, rapporte avoir réussi à apprendre à son modèle R1 à raisonner de manière autonome, sans intervention humaine.
Lorsque beaucoup d’entre nous tentent de résoudre un problème, la réponse n’est généralement pas immédiate. Nous suivons un processus méthodique qui peut impliquer la collecte d’informations et la prise de notes jusqu’à trouver une solution. Traditionnellement, entraîner les modèles d’IA à raisonner impliquait de copier notre approche. Cependant, il s’agit d’un processus long et fastidieux, au cours duquel des personnes présentent à un modèle d’IA d’innombrables exemples de résolution d’un problème. Cela signifie également que l’IA ne vaut que par les exemples qui lui sont donnés et qu’elle peut détecter les biais humains.
Au lieu de montrer chaque étape au modèle R1, les chercheurs de DeepSeek AI ont utilisé une technique appelée apprentissage par renforcement. Cette approche par essais-erreurs, utilisant des récompenses pour les bonnes réponses , a encouragé le modèle à raisonner par lui-même.
« Plutôt que d’enseigner explicitement au modèle comment résoudre un problème, nous lui fournissons simplement les bonnes incitations et il développe de manière autonome des stratégies avancées de résolution de problèmes », écrivent les chercheurs dans leur article.
Le modèle R1 de DeepSeek a été entraîné sur des problèmes mathématiques, de codage et de sciences difficiles. La seule récompense qu’il recevait était un signal indiquant que sa réponse finale était correcte. Au cours de son entraînement, les chercheurs l’ont vu développer des compétences telles que la vérification de son propre travail et l’exploration de différentes stratégies pour trouver une solution. Il a même commencé à utiliser des mots comme « attendre » en réfléchissant à son propre processus de réflexion. Si un chemin menait à la bonne réponse, cette stratégie était renforcée. S’il était erroné, le modèle apprenait à ne pas le répéter. Une intervention humaine a eu lieu , mais uniquement pour perfectionner les compétences de R1 ultérieurement.
Précision et longueur de sortie de DeepSeek-R1-Zero tout au long du processus d’apprentissage. Crédit : Nature (2025). DOI : 10.1038/s41586-025-09422-z
Les résultats ont été impressionnants. R1 a obtenu de meilleurs résultats en mathématiques, en codage et en sciences que les modèles plus anciens entraînés avec un accompagnement humain. L’un des résultats les plus remarquables a été son exactitude de 86,7 % à l’American Invitational Mathematics Examination (AIME) 2024, une compétition de mathématiques exigeante réservée aux lycéens les plus brillants.
Malgré ces résultats exceptionnels, les chercheurs admettent que leur modèle présente certaines limites. Par exemple, il mélangeait parfois les langues lorsqu’il était soumis à une instruction non anglaise, ce qui complexifiait inutilement certains problèmes simples. Mais une fois ces problèmes résolus, les chercheurs pensent qu’un modèle d’IA capable de raisonner par lui-même ouvrira la voie à une nouvelle ère de modèles plus performants et autonomes.
https://techxplore.com/news/2025-09-ai-problems-humans-required.html