ChatGPT Pro peut désormais exécuter plusieurs agents sur une tâche en même temps
OpenAI indique que les utilisateurs de Pro peuvent répartir une tâche entre des agents parallèles dans ChatGPT et suivre leur progression. Les détails sont minces, alors voici ce que l’on sait et ce qu’il faut attendre.
OpenAI a mis à niveau son niveau supérieur ChatGPT afin qu’une demande puisse être répartie entre plusieurs agents travaillant en même temps. Selon un article OpenAI partagé le 16 octobre, tel que rapporté par RuntimeWire, les utilisateurs de Pro dans l’onglet Chat peuvent distribuer des parties d’une tâche, suivre la progression de chaque agent et examiner le travail terminé. OpenAI indique également que les réponses sont plus rapides et que les agents utilisent mieux les plugins et les outils.
Pensez-y comme à l’embauche d’une petite équipe au lieu d’un seul assistant. Si vous demandez une comparaison des concurrents de cinq entreprises, un agent peut examiner chaque entreprise en parallèle plutôt qu’un seul agent les fasse à la suite. En théorie, cela fait gagner du temps, et chaque agent a un travail plus restreint, ce qui peut contribuer à la qualité. Une vue de progression vous permet de voir quelles parties sont terminées et lesquelles sont bloquées.
Maintenant, les petits caractères, car c’est important ici. RuntimeWire note que OpenAI n’a donné aucun chiffre de latence, aucun exemple et aucun gain mesuré en termes de vitesse, de qualité ou de coût. L’affirmation « meilleure utilisation des outils » vient de la légende de l’image du message. On ne sait pas non plus quel degré de contrôle vous avez sur ce que chaque agent est autorisé à faire avec les outils. Considérez donc cela comme une annonce d’une fonctionnalité, et non comme une preuve qu’elle fonctionne bien.
Qu’est-ce qui se cache derrière : la répartition du travail entre les agents est l’une des idées principales de la vague actuelle de produits d’IA. Un seul modèle ne peut garder qu’une quantité limitée de choses à l’esprit à la fois (sa « fenêtre contextuelle », à peu près la quantité de texte qu’il peut garder en vue), donc la distribution de sous-tâches permet à chacun de rester concentré. Le compromis réside dans le coût et la coordination : plus d’agents signifie plus de calcul, et les résultats doivent toujours être correctement assemblés. Windows Report a également averti que l’exécution de nombreux agents peut solliciter le processeur de votre ordinateur, bien que cela concerne une configuration distincte et n’est pas confirmé pour cette fonctionnalité.
Ce que cela signifie pour vous : si vous bénéficiez d’un forfait gratuit ou Plus, rien ne change. Si vous êtes un utilisateur du Pro, essayez-le sur un travail qui se divise naturellement en plusieurs parties, comme la recherche sur plusieurs sources ou la vérification de plusieurs documents, et comparez-le avec un seul agent qui le fait. Lisez les résultats de chaque agent avant de vous y fier, en particulier lorsque les outils peuvent agir en votre nom. Pour tous les autres, une bonne fonctionnalité « attendre et voir ».
Sources
Sources: https://runtimewire.com/article/openai-gpt-6-pro-chat-multi-agent-upgrade
Harness² de Google : un agent qui améliore sa propre boîte à outils plutôt que son cerveau
Un projet de recherche open source de Google Research permet à un agent de réécrire ses propres invites, outils et mémoire pour chaque tâche tandis que le modèle reste figé. Les gains sont réels mais les défauts de sécurité sont faibles.
