ByteDance appuie sur l'accélérateur pour son agent d'intelligence artificielle
TechFlow SélectionTechFlow Sélection
ByteDance appuie sur l'accélérateur pour son agent d'intelligence artificielle
Après avoir été secouées par l'irruption de DeepSeek, Manus et autres au début de 2025, les grandes entreprises redéfinissent progressivement leur stratégie pour la prochaine étape.
Dédié à des analyses Web3 approfondiesAuteur : Wan Chen
Le style littéraire remarquable de DeepSeek-R1, le style Ghibli des images générées par GPT-4o, la capacité d'OpenAI o3 à déduire des localisations géographiques à partir d'images...
Ce sont des produits d'intelligence artificielle (IA) phénoménaux qui ont envahi les écrans ces deux derniers mois. On observe clairement que l'apprentissage par renforcement commence enfin à se généraliser, et que les modèles multimodaux deviennent de plus en plus utilisables. Cela signifie que nous sommes véritablement entrés, dès 2025, dans une période où les agents IA voient leurs applications concrètes se déployer et s'accélérer.
Précédemment, l'équipe derrière Manus — un agent IA très populaire — a indiqué que la version Claude 3.5 Sonnet, sortie fin 2023, avait atteint un niveau suffisant en matière de planification à long terme et de résolution progressive de problèmes, ce qui constituait la condition préalable au développement de Manus.
Aujourd'hui, avec la maturité croissante des modèles de réflexion approfondie et des modèles multimodaux, de nombreux autres agents capables de gérer des tâches complexes vont inévitablement émerger.
Fondée sur cette analyse, le 17 avril, VolcEngine — la plateforme de cloud et d’IA appartenant à ByteDance — a lancé pour le marché entreprise un nouveau modèle plus puissant : le modèle « DouBao 1.5 – Réflexion Approfondie ». Il s'agit de la première apparition publique du modèle de raisonnement sous-jacent à l'application DouBao. Ont également été annoncés simultanément la mise à jour du modèle text-to-image DouBao 3.0 ainsi qu'une version améliorée du modèle de compréhension visuelle.
Pour Tan Dai, président de VolcEngine, « le modèle de réflexion approfondie constitue la base du développement d’agents. Le modèle doit être capable de penser, planifier et réfléchir à ses actions. Il doit impérativement prendre en charge la multimodalité : tout comme les humains possèdent la vue et l’ouïe, un agent ne peut traiter efficacement des tâches complexes qu’avec ces capacités ».
Lorsque l’IA acquerra la capacité décisionnelle et exécutive autonome de bout en bout, VolcEngine proposera une architecture et des outils permettant aux agents d’opérer aussi bien dans le monde numérique que physique : la solution OS Agent et la suite d’inférence native IA dans le cloud, afin d’aider les entreprises à construire et déployer leurs agents plus rapidement et à moindre coût.
Selon Tan Dai, développer un agent revient à créer un site web ou une application : seul l’API du modèle ne suffit pas. De nombreux composants natifs IA dans le cloud sont nécessaires. Autrefois, le cloud natif reposait sur des concepts clés comme les conteneurs ou l’élasticité ; désormais, le cloud natif IA aura lui aussi ses propres éléments fondamentaux. À travers une réflexion continue, une exploration active et une mise en œuvre rapide autour du cloud natif IA — notamment via divers middlewares, systèmes d’évaluation, surveillance, observabilité, traitement des données, sécurité, et composants associés comme Sandbox — VolcEngine vise à devenir la meilleure infrastructure pour l’ère de l’IA.
01 DouBao, le modèle de réflexion approfondie : penser, regarder et chercher comme un humain
Depuis la sortie de DeepSeek-R1 début d’année, de nombreuses applications B2C ont intégré le modèle de raisonnement R1, sauf l’application DouBao. En mars, le mode « Réflexion Approfondie », basé sur un modèle propriétaire développé par ByteDance, est arrivé sur l’app DouBao.
Aujourd’hui, ce modèle de raisonnement — DouBao 1.5 · Réflexion Approfondie — est officiellement lancé, disponible à l’essai et à l’appel sur la plateforme Volcano Ark.
En activant le mode connecté, DouBao peut imiter la manière humaine de penser : réfléchir, effectuer une recherche en ligne, puis continuer à réfléchir… jusqu’à trouver une solution au problème donné.
Voici un exemple dans un scénario d’achat : selon un budget et des contraintes de taille définis, demander à DouBao de recommander un équipement de camping adapté.
Pour répondre, DouBao commence par analyser les points importants, planifie les informations nécessaires, identifie celles qui manquent, puis effectue une recherche en ligne. Ici, il effectue trois recherches successives : d’abord sur les prix et performances, afin de respecter le budget et les besoins ; ensuite, il prend en compte les besoins spécifiques des enfants, puis, enfin, considère les conditions météorologiques et recherche des critiques détaillées. En combinant réflexion et recherche, il collecte progressivement tous les contextes indispensables à la prise de décision, avant de fournir une réponse argumentée.
Outre cette capacité de « penser tout en cherchant », le modèle de réflexion approfondie DouBao possède également des compétences de raisonnement visuel : comme un humain, il peut raisonner non seulement à partir de texte, mais aussi à partir d’images perçues.
Prenez le cas d’un restaurant : la fête nationale du 1er mai approche, et les voyageurs à l’étranger n’auront bientôt plus besoin de prendre une photo du menu pour la traduire via une application tierce. Le modèle de réflexion approfondie DouBao pourra directement commander pour vous à partir de l’image.
Dans cet exemple, le modèle commence par convertir la devise pour rester dans le budget, tient compte des préférences des personnes âgées et des enfants, évite soigneusement les plats allergènes, et propose directement un menu adapté.
Connexion Internet, réflexion, raisonnement, multimodalité : le modèle DouBao 1.5 · Réflexion Approfondie démontre une capacité de raisonnement intégrée, capable de résoudre des problèmes de plus grande complexité.
Selon le rapport technique, le modèle obtient d’excellents résultats dans les tâches de raisonnement professionnelles, égalant OpenAI o3-mini-high sur le test AIME 2024 de mathématiques, et se rapprochant d’o1 dans les compétitions de programmation et les tests de raisonnement scientifique. Sur des tâches générales telles que l’écriture créative ou les questions de culture humaniste, il fait preuve d’une excellente capacité de généralisation, adaptable à un large éventail de cas d’usage.
Le modèle présente aussi une faible latence. Selon le rapport technique, il utilise une architecture MoE (Mixture of Experts), avec 200 milliards de paramètres au total, dont seulement 20 milliards activés à chaque inférence, permettant d’atteindre des performances comparables aux meilleurs modèles tout en limitant la taille effective. Grâce à des algorithmes efficaces et à un système d’inférence haute performance, le service API du modèle DouBao garantit une forte concurrence tout en maintenant une latence aussi basse que 20 millisecondes.
Il dispose également de capacités multimodales, permettant d’utiliser le modèle de réflexion approfondie dans de nombreux scénarios. Par exemple, il peut comprendre des diagrammes complexes de gestion de projet d’entreprise, identifier rapidement les informations clés, et grâce à sa forte capacité de suivi des instructions, répondre aux clients strictement selon le flux indiqué. Lors de l’analyse d’images aériennes, il peut combiner les caractéristiques du relief pour évaluer la faisabilité d’aménagement d’une zone.
En complément du modèle de raisonnement, la famille des grands modèles DouBao introduit deux autres mises à jour. Concernant le modèle text-to-image, DouBao lance sa dernière version 3.0, offrant une meilleure mise en page du texte, des images d’un réalisme photographique, et une génération d’images HD jusqu’en 2K.
La nouvelle version résout efficacement les difficultés liées à la génération de petits caractères et de longs textes, tout en améliorant la mise en page des images. Par exemple, les deux affiches situées à gauche, « Xianxing » et « Plan de Récolte », présentent des détails fins et une mise en page naturelle, prêtes à l’emploi immédiat.
La deuxième mise à jour concerne le modèle de compréhension visuelle DouBao 1.5. La nouvelle version apporte deux améliorations majeures : une localisation visuelle plus précise et une compréhension vidéo plus intelligente.
En matière de localisation visuelle, le modèle prend en charge la détection par cadre ou par point pour plusieurs cibles, des cibles petites ou génériques, incluant le comptage, la description du contenu localisé, et même la localisation 3D. Cette amélioration étend significativement les cas d’usage : inspections en magasin physique, agents GUI, entraînement de robots, formation à la conduite autonome, etc.
La compréhension vidéo a également été fortement améliorée, notamment en mémoire, synthèse, perception de la vitesse et compréhension des vidéos longues. Les entreprises peuvent ainsi créer des applications commerciales innovantes. Par exemple, dans un usage familial, combinant la compréhension vidéo et la recherche vectorielle, on pourrait effectuer une recherche sémantique dans les vidéos de surveillance domestique.
Par exemple, un propriétaire de chat souhaitant connaître les activités quotidiennes de son animal pourrait simplement taper « Qu’est-ce que mon chat a fait aujourd’hui ? » pour obtenir rapidement les extraits vidéo correspondants.
Grâce au modèle de raisonnement doté de compréhension visuelle et à ses grandes capacités d’inférence, de nombreuses tâches auparavant impossibles deviennent réalisables, ouvrant de nouveaux scénarios. Des caméras dotées de ces fonctions seront certainement plus populaires, tout comme les lunettes IA, les jouets intelligents, les caméras ou serrures intelligentes.
02 Le cloud entre dans l’ère de l’Agentic AI
Récemment, Yao Shunyu (auteur principal de Deep Research et Operator chez OpenAI), dans son article « Le second semestre de l’IA », a souligné que l’apprentissage par renforcement a enfin trouvé une voie de généralisation. Il ne fonctionne plus uniquement dans des domaines spécifiques, comme AlphaGo battant les champions humains aux échecs, mais atteint désormais un niveau proche des humains dans des domaines variés : ingénierie logicielle, écriture créative, mathématiques au niveau IMO, manipulation de souris et clavier, etc.
Dans ce contexte, surpasser les benchmarks ou obtenir de meilleurs scores sur des benchmarks plus complexes devient plus facile — mais cette méthode d’évaluation est désormais obsolète.
À présent, la compétition porte sur la capacité à définir les problèmes. Autrement dit, quelles sont les vraies problématiques que l’IA doit résoudre dans la vie réelle ?
En 2025, la réponse est claire : les agents productifs. Les cas d’usage de l’IA entrent rapidement dans l’ère de l’Agentic AI, où l’IA devient capable d’accomplir des tâches complètes, spécialisées et chronophages. Face à cela, VolcEngine met en place une série d’infrastructures pour aider les entreprises à « définir leur propre agent général ».
Le cœur de cette infrastructure repose sur le modèle, capable d’autonomie complète dans la planification, la réflexion, la prise de décision et l’exécution, intégré aux processus centraux de production. Il requiert aussi une capacité de raisonnement multimodal, lui permettant de mener des tâches dans le monde réel grâce à des sens numériques analogues à l’ouïe, la parole et la vue humaines.
Au-delà du modèle, la pile technologique Infra doit aussi évoluer. Par exemple, avec l’architecture MoE qui montre des avantages d’efficacité croissants et devient progressivement dominante, la gestion et l’orchestration de ces modèles exigent des architectures et outils cloud plus complexes et flexibles.
Dans le cas des agents généraux, VolcEngine propose une meilleure architecture et des outils : la solution OS Agent, permettant aux grands modèles d’interagir avec les mondes numérique et physique. Par exemple, un agent peut manipuler un navigateur, rechercher des pages produits, comparer les prix d’iPhone, ou même utiliser l’outil Jianying sur un ordinateur distant pour monter une vidéo et ajouter une musique.
Actuellement, la solution OS Agent de VolcEngine intègre le modèle UI-TARS DouBao, ainsi que des services de fonctions veFaaS, des serveurs cloud, des téléphones cloud, etc., permettant d’opérer sur du code, des navigateurs, des ordinateurs, des téléphones ou d’autres agents. Le modèle UI-TARS DouBao combine compréhension visuelle de l’écran, raisonnement logique, localisation des éléments d’interface et opération, dépassant les limites des outils d’automatisation traditionnels basés sur des règles prédéfinies, et posant ainsi une base modulaire proche des opérations humaines pour l’interaction intelligente des agents.
Dans les scénarios d’agents généraux, VolcEngine permet aux entreprises, particuliers ou domaines spécialisés de définir et explorer librement leurs propres agents grâce à cette solution OS Agent.
Pour les agents verticaux, VolcEngine explore depuis ses domaines d’excellence, comme l’assistant de programmation intelligent « Trae » ou le produit data « Data Agent », qui pousse à l’extrême les capacités de traitement des données via une boucle de données auto-alimentée.
Par ailleurs, avec la pénétration croissante des agents, la consommation massive d’inférence de modèles s’intensifiera. Face à cette demande, VolcEngine a conçu un kit d’inférence natif IA nommé ServingKit, permettant un déploiement plus rapide, un coût d’inférence réduit, et une consommation GPU diminuée de 80 % par rapport aux solutions traditionnelles.
Pour Tan Dai, afin de répondre aux besoins de l’ère de l’IA, VolcEngine continuera d’investir dans trois axes : optimiser continuellement les modèles pour maintenir la compétitivité ; réduire constamment les coûts, y compris financiers, latence et améliorer le débit ; faciliter la mise en œuvre des produits, par exemple via des outils pour développeurs comme Coze ou HiAgent, ou encore des composants cloud natifs comme OS Agent. En conservant l’avance technologique et produit, la part de marché suivra naturellement. Selon le rapport d’IDC « Analyse du marché chinois des services grand modèle dans le cloud public, 1T25 », VolcEngine occupe déjà la première place avec 46,4 % de part de marché.
En décembre dernier, le volume quotidien moyen de tokens appelés par les grands modèles DouBao était de 4 billions. Fin mars, ce chiffre a dépassé 12,7 billions. En moins d’un an depuis son lancement, la croissance atteint plus de 106 fois. À l’avenir, avec la maturité accrue des modèles de réflexion approfondie, du raisonnement visuel, et l’optimisation de l’infrastructure cloud IA, les agents entraîneront une demande encore plus massive en tokens.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
