Le pari de Microsoft sur les petits modèles pour l'IA agentique : l'orchestration plutôt que la connaissance

Microsoft Research AI Frontiers a publié un trio de composants qui soutiennent collectivement une thèse contraire dans le domaine de l'IA agentique : les petits modèles, correctement orchestrés, peuvent gérer des tâches généralement réservées à leurs cousins plus grands et plus coûteux. La publication, annoncée aujourd'hui, inclut MagenticLite, une application agentique expérimentale ; MagenticBrain, un modèle d'orchestration de 14 milliards de paramètres ; et Fara1.5, une famille de modèles d'utilisation d'ordinateur allant de 4B à 27B paramètres.

L'affirmation n'est pas que les petits modèles égalent les modèles de pointe sur les benchmarks de raisonnement brut. Plutôt, le projet repose sur un pari de recherche spécifique : que la capacité agentique dépend de l'orchestration des outils et de l'action plutôt que de la seule connaissance. Si ce pari tient, il ouvre une voie vers des agents capables pouvant fonctionner directement sur le matériel des utilisateurs à une fraction du coût et de la latence des grands modèles dépendants du cloud.

Petits modèles, grand fossé d'orchestration

La plupart des systèmes agentiques actuels reposent sur de grands modèles de pointe pour la couche d'orchestration, le composant qui planifie, délègue et coordonne. La conception de Microsoft remet en question cette hypothèse avec MagenticBrain, un modèle de 14B affiné à partir de Qwen 3 14B. La décision de conception clé a été de l'entraîner de bout en bout dans le cadre de MagenticLite avec les mêmes schémas d'outils et le même environnement d'exécution qu'il rencontrerait au moment de l'inférence.

"Il n'y a pas d'écart entre la façon dont il a appris à orchestrer et la façon dont il s'exécute," notent les chercheurs dans leur publication. Ce couplage étroit entre l'entraînement et l'inférence est une rupture délibérée avec l'approche adoptée par de nombreux frameworks agentiques, où un modèle à usage général est incité à jouer un rôle de planification sans bénéficier de données d'entraînement spécifiques à la tâche.

MagenticBrain gère une combinaison de trajectoires d'appel d'outils en plusieurs étapes, de trajectoires de codage et d'utilisation du terminal. De manière cruciale, il apprend également la délégation : reconnaître quand une tâche de navigateur ou d'interface utilisateur doit être confiée à Fara1.5 plutôt que traitée directement. Le pipeline de données inclut des trajectoires de délégation explicites où l'orchestrateur émet un transfert structuré, attend le résultat et reprend la tâche globale.

Fara1.5 double la mise sur l'utilisation d'ordinateur

Fara1.5 est le successeur direct de Fara-7B, publié en novembre dernier. Sur le benchmark Online-Mind2Web, qui couvre 300 tâches dans des domaines web largement utilisés, Fara1.5-9B double presque les performances de Fara-7B. La variante phare de 27B atteint plus de 90 % de performances sur le même benchmark.

Les améliorations proviennent d'un pipeline de génération de données évolué. Parallèlement à l'entraînement sur des sites web en direct, les chercheurs ont entraîné le modèle sur des environnements synthétiques hautement réalistes conçus pour simuler des scénarios comme les connexions et les actions irréversibles. Le modèle dispose également d'un espace d'action natif adapté aux tâches de longue durée : des outils intégrés pour stocker des informations clés dans son contexte sur des centaines d'étapes et demander à l'utilisateur une autorisation ou des préférences lorsque nécessaire.

Un raffinement aborde une tension dans les travaux antérieurs : la détection des points critiques pour les transactions, les flux de connexion ou les soumissions irréversibles. Dans Fara1.5, l'équipe de recherche a recalibré les déclencheurs de sécurité pour qu'ils se produisent quand ils le doivent mais ne bloquent pas les tâches utiles telles que le remplissage de formulaires. Cet équilibre avait échappé aux publications précédentes.

Le cadre fait le système

Le cadre d'exécution qui lie MagenticBrain et Fara1.5 est sans doute le composant le plus susceptible d'être négligé, et celui que les chercheurs soulignent le plus. Trois choix de conception se distinguent.

Premièrement, le cadre planifie de manière incrémentale plutôt que tout à la fois. La planification étape par étape maintient le système flexible et permet une correction de cap et une récupération plus fluides tout au long des tâches de longue durée. Deuxièmement, il organise activement le contexte : les petits modèles ont des fenêtres de contexte effectives plus petites et se dégradent plus rapidement à mesure que le contexte s'agrandit, donc le cadre condense les interactions antérieures en résumés concis et décharge le reste. Troisièmement, la délégation via des sous-agents, où l'orchestrateur transmet les tâches du navigateur à Fara1.5, permet à chaque modèle de gérer une partie plus étroite et plus spécialisée du problème.

L'ensemble du système fonctionne à l'intérieur de Quicksand, un wrapper open source pour un sandbox basé sur QEMU qui isole les sessions de navigateur et l'exécution de code du système hôte. Les points critiques à travers les actions du navigateur et du code s'arrêtent pour une approbation explicite de l'utilisateur, préservant les garanties humaines dans la boucle de la publication antérieure Magentic-UI.

Ce que cela signifie pour le paysage de l'IA agentique

La publication arrive à un moment où l'industrie débat de l'architecture optimale pour les systèmes agentiques. Plusieurs startups et laboratoires de recherche de premier plan ont construit des frameworks agentiques autour de grands modèles de pointe, traitant la couche d'orchestration comme un problème mieux résolu par les modèles les plus capables disponibles. Le pari de Microsoft est que cette approche confond la capacité de raisonnement avec l'efficacité agentique.

Si l'approche MagenticLite se confirme sous des tests communautaires plus larges, les implications vont au-delà des économies de coûts. Les agents sur appareil qui fonctionnent sur le matériel des utilisateurs contournent les préoccupations de confidentialité des données qui ont assombri les systèmes agentiques basés sur le cloud. Ils réduisent également la latence, car les boucles de raisonnement et d'action de l'agent s'exécutent localement plutôt que de nécessiter des allers-retours vers des serveurs API.

Les trois tailles de modèles dans Fara1.5, 4B, 9B et 27B, signalent une intention de couvrir une gamme de configurations matérielles, des appareils mobiles aux machines de bureau. La variante 4B en particulier pourrait plausiblement fonctionner sur les smartphones de la génération actuelle, bien que Microsoft n'ait pas annoncé de cibles matérielles spécifiques.

Questions ouvertes

La publication est expérimentale, et plusieurs questions restent sans réponse. Le benchmark Online-Mind2Web fournit une évaluation standard, mais l'exécution de tâches réelles sur des sites web désordonnés et dynamiques peut différer. Le schéma de délégation entre MagenticBrain et Fara1.5 fonctionne pour les tâches de navigateur, mais la généralité du système pour les tâches en dehors de ce domaine, y compris les opérations sur le système de fichiers, les appels API et l'automatisation de logiciels locaux, reste à tester.

Microsoft publie MagenticLite sur GitHub, avec MagenticBrain et Fara1.5 disponibles sur Microsoft Foundry. La communauté plus large pourra désormais tester si la co-conception serrée du modèle, du cadre et de l'application produit effectivement les performances agentiques capables et fiables à petite échelle que les chercheurs revendiquent.