Le bilan 2026 de Simon Willison sur les modèles de langage, présenté au WeAreDevelopers World Congress

Simon Willison a donné la conférence de clôture du WeAreDevelopers World Congress North America, à San Jose. Il a publié ses diapositives commentées et la vidéo ². Il y passe en revue tout ce qui s’est passé depuis le début de 2026 dans les modèles de langage ².

AgentWorld est un benchmark, c’est-à-dire un test de référence. Il contient 100 tâches annotées par des humains ⁴. Il vérifie si plusieurs agents IA collaborent vraiment. Les tests existants mesurent surtout la compétition, des échanges de moins de 20 étapes, ou la simple somme des résultats individuels ⁴.

Jusqu’ici, il fallait choisir. Soit on suivait quelques points sur une longue vidéo, soit tous les points sur un court extrait ⁸. TrackEverything décrit la vidéo comme une scène 3D où chaque point garde sa place dans l’espace ⁸.

Un agent qui appelle des outils produit deux sortes de sorties : des appels structurés et des résumés en texte ⁹. La méthode d’entraînement GRPO donne pourtant la même note à toute la séquence. Le modèle ne sait donc pas quelle partie a bien marché, et son apprentissage devient fragile ⁹. SLCA-GRPO cherche à corriger cette erreur de répartition ⁹.