Le « graph engineering » pourrait révolutionner les assistants IA

Les assistants IA sont en train de changer de méthode. Plutôt que de raisonner étape par étape, ils apprennent à répartir une tâche entre plusieurs processus qui travaillent en parallèle. Cette approche, appelée « graph engineering », pourrait bien transformer la façon dont Siri et les futurs assistants IA comprennent et exécutent nos demandes.

Pourquoi les assistants IA abandonnent le raisonnement en ligne droite

Un terme technique agite depuis quelques semaines les cercles spécialisés en intelligence artificielle : le "graph engineering". Derrière ce nom un peu aride se cache une idée simple, et qui concerne directement l'avenir d'outils que beaucoup d'utilisateurs Apple croisent déjà, de Siri aux futures fonctions d'Apple Intelligence.

Pour comprendre le principe, imaginons un cuisinier seul en cuisine. Il prépare l'entrée, puis le plat, puis le dessert, une étape après l'autre. C'est ainsi que fonctionnaient jusqu'ici la plupart des assistants IA : une question, une réponse, puis une nouvelle question qui dépend de la précédente. Une chaîne, du début à la fin.

Le graph engineering propose autre chose que le prompt que l’on connait : plusieurs cuisiniers qui travaillent en même temps, chacun sur une tâche précise, et qui ne se parlent que lorsque c'est nécessaire. L'un prépare la sauce pendant qu'un autre s'occupe de la viande, sans attendre que le premier ait terminé. Ils ne se coordonnent qu'au moment de dresser l'assiette. Appliqué à l'IA, cela donne un réseau de petites tâches indépendantes qui s'exécutent en parallèle, avec des points de passage obligés uniquement là où une tâche a réellement besoin du résultat d'une autre.

L'intérêt est double. D'abord la vitesse : si trois parties d'un problème n'ont aucun lien entre elles, inutile de les traiter l'une après l'autre, on gagne un temps considérable en les lançant en même temps. Ensuite la fiabilité : en confiant chaque tâche à un module dédié et en insérant des vérifications à des endroits précis du parcours, on limite les erreurs qui s'accumulent silencieusement dans une longue chaîne de raisonnement.

Cette logique n'est pas totalement neuve. Les ingénieurs en informatique dessinent des diagrammes de dépendances depuis des décennies, bien avant l'arrivée des IA génératives. Ce qui change aujourd'hui, c'est la nature des cases du diagramme : ce ne sont plus de simples fonctions qui exécutent toujours la même instruction, mais des modèles de langage capables d'interpréter une consigne à leur façon, et donc de se tromper différemment à chaque exécution. D'où l'importance, dans cette approche, de toujours ancrer chaque étape dans des vérifications concrètes plutôt que de faire confiance aveuglément au résultat produit.

Cette méthode a toutefois ses limites. Pour une tâche courte, exploratoire, ou qui ne se répète jamais deux fois de la même manière, construire tout un réseau de dépendances demande plus d'effort qu'il n'en économise, surtout comparé un simple prompt. Elle prend tout son sens sur des processus volumineux et répétitifs, où la même structure de travail revient encore et encore.

Pour les utilisateurs d'iPhone et de Mac, ce virage se rapproche peu à peu du quotidien. Les Raccourcis permettent déjà d'enchaîner des actions conditionnelles, et les futures versions de Siri annoncées pour accompagner Apple Intelligence devront elles aussi apprendre à répartir une demande complexe entre plusieurs sous-tâches plutôt que de tout traiter d'un seul bloc. Comprendre cette bascule, même dans ses grandes lignes, aide à mieux saisir pourquoi les prochains assistants promettent d'être nettement plus rapides et plus fiables que les précédents, sans qu'on sache toujours ce qui se joue réellement derrière l'interface.