Google DeepMind a dévoilé AlphaEvolve, un agent IA capable d'inventer entièrement de nouveaux algorithmes informatiques et de les déployer immédiatement dans l'infrastructure informatique étendue de Google. AlphaEvolve intègre les grands modèles de langage Gemini de Google avec une méthode évolutionniste qui teste, affine et améliore automatiquement les algorithmes. Il optimise déjà l'efficacité dans les centres de données de Google, la conception de puces et les systèmes de formation en IA, en s'attaquant à des problèmes mathématiques non résolus depuis des décennies. AlphaEvolve, décrit par le chercheur de DeepMind Matej Balog comme un agent de codage IA alimenté par Gemini, peut créer des algorithmes très complexes s'étendant sur des centaines de lignes avec des structures logiques avancées au-delà de simples fonctions. Contrairement aux travaux antérieurs avec FunSearch, qui faisaient évoluer des fonctions uniques, AlphaEvolve fait évoluer des bases de code entières, marquant une avancée majeure dans le développement d'algorithmes sophistiqués pour des défis tant scientifiques que pratiques en informatique. Ce système fonctionne en silence dans Google depuis plus d'un an, produisant des résultats remarquables. Un algorithme découvert par AlphaEvolve améliore Borg, le système de gestion de clusters massifs de Google, en récupérant en moyenne 0, 7 % des ressources informatiques mondiales en traitant les « ressources stranded » — des machines limitées par un type de ressource mais inoccupées dans d’autres. Fait remarquable, l’IA produit un code simple, lisible par l’homme, que les ingénieurs peuvent facilement déboguer et déployer. Au-delà des centres de données, AlphaEvolve a amélioré la conception matérielle de Google en simplifiant un circuit arithmétique critique pour les unités de traitement tensoriel (TPUs). Après validation par les concepteurs de TPU, cette amélioration sera intégrée dans les prochains designs de puces. De plus, AlphaEvolve a amélioré ses propres systèmes fondamentaux en optimisant un noyau de multiplication de matrices utilisé pour entraîner les modèles Gemini, obtenant une accélération de 23 % de cette opération et réduisant le temps total d'entraînement de 1 %. Ces gains d'efficacité se traduisent par des économies d’énergie et de ressources significatives lors de l’entraînement à grande échelle de l’IA. En innovation mathématique, AlphaEvolve a conçu une nouvelle procédure d’optimisation basée sur le gradient, produisant plusieurs nouveaux algorithmes de multiplication de matrices, dépassant un record détenu depuis 56 ans. Plus précisément, il a trouvé un algorithme pour multiplier deux matrices complexes 4×4 en utilisant 48 multiplications scalaires au lieu de 49, comme celui de Strassen — une réalisation qui a échappé aux mathématiciens depuis 1969.

Cette avancée a permis d’améliorer l’état de l’art pour 14 algorithmes de multiplication de matrices. Les capacités mathématiques d’AlphaEvolve vont au-delà des problèmes de matrices. Testé sur plus de 50 problèmes ouverts en analyse mathématique, géométrie, combinatoire et théorie des nombres, il a obtenu des solutions équivalentes aux meilleures solutions connues dans environ 75 % des cas, et les a surpassées dans quelque 20 %. Par exemple, il a battu un record géométrique vieux de plusieurs siècles dans le « problème du nombre de baisers » en trouvant une configuration de 593 sphères de rayon unitaire, ne se chevauchant pas, touchant une sphère centrale en 11 dimensions, dépassant le précédent record de 592. L’innovation centrale d’AlphaEvolve réside dans son approche évolutionniste combinée aux modèles de langage Gemini. Il utilise Gemini Flash pour la rapidité et Gemini Pro pour la profondeur, afin de proposer et modifier du code, qui est ensuite évalué automatiquement. Les algorithmes les plus performants guident les cycles d’évolution suivants. Ce processus ne se limite pas uniquement aux données d'entraînement, mais explore activement de nouvelles solutions, les affinant via des boucles de rétroaction automatisées basées sur des évaluateurs clairs de validité et de qualité. Cette méthodologie permet à AlphaEvolve de s’attaquer à n’importe quel problème doté d’un critère d’évaluation mesurable — qu’il s’agisse d’optimiser la consommation d'énergie dans les centres de données ou d'améliorer des preuves mathématiques. Pour l’avenir, Google DeepMind envisage des applications dans les sciences des matériaux, la découverte de médicaments et d’autres domaines complexes dépendant d’algorithmes. L’équipe développe une interface utilisateur avec le groupe People + AI Research et prévoit un Programme d’Accès Anticipé pour certains chercheurs académiques, avec une disponibilité élargie en cours de réflexion. AlphaEvolve représente un outil scientifique rare, capable d’avoir un impact réel à grande échelle. À mesure que les grands modèles de langage progressent, ses capacités devraient également s’étendre. Le système incarne l’évolution de l’IA : il commence dans l’infrastructure numérique de Google, optimise le matériel et les logiciels qui la soutiennent et s’attaque désormais à des défis intellectuels humains de longue date dans les domaines scientifique et technologique.