Echoverse propulse le modèle 9B de Microsoft à 67,1 %

Microsoft annonce Echoverse le 26 août 2026 pour entraîner des agents capables d’utiliser des interfaces informatiques. Le dispositif comprend douze mondes d’entraînement. Dix reproduisent des domaines complets. Deux ciblent des capacités précises, comme les sélecteurs de dates et les filtres imbriqués. Un modèle de neuf milliards de paramètres, entraîné sur les douze mondes, fait progresser son score de 36,5 % à 67,1 %. Ce résultat le place à quatorze points de GPT-5.4. Microsoft présente cette expérimentation dans un article de recherche, publié le 26 août 2026.

Les mondes reproduisent des conséquences plutôt que de simples images d’interfaces. Une action modifie un état enregistré, transmet un message ou échoue lorsqu’une page bloque l’opération. Les environnements synthétiques reposent sur une base de données contrôlée, réinitialisable et vérifiable. Ils évitent ainsi les écritures dans des comptes réels. Chaque monde associe une application, des tâches et un évaluateur relié à l’état réel de la base. Cette architecture couvre des systèmes fermés, notamment la messagerie, le calendrier, la banque et les dossiers de santé. Elle maintient aussi une donnée stable, contrairement aux sites publics qui changent leurs pages, leurs dates ou leurs contenus.

Echoverse approfondit douze environnements

La profondeur guide l’entraînement dans Echoverse. Microsoft évalue cinq propriétés pour chaque monde. Les contrôles, permissions et erreurs doivent respecter la logique du produit. L’état doit rester cohérent entre les utilisateurs et les écrans. Les premiers choix doivent aussi contraindre les étapes suivantes. L’évaluation doit enfin porter sur l’état de l’application, et non sur les pixels affichés. Les dix mondes complets couvrent la communication, le travail technique, les dossiers réglementés, les transactions, les communautés, les médias et le voyage. EchoStay utilise des données issues d’InsideAirbnb. EchoForum s’appuie sur un corpus public de 2,55 millions de commentaires.

Le modèle progresse par renforcement grâce à un évaluateur ancré dans la base de données. Une lecture est comparée à la valeur enregistrée. Ainsi, 288 dollars est accepté pour une valeur de 287,62 dollars. Une écriture est vérifiée par la différence réelle entre l’état initial et l’état final. Une tâche de lecture-écriture reçoit le score le plus faible des deux opérations. Le modèle GPT-5.4 résout les tâches, puis les trajectoires validées servent aux données d’ajustement supervisé. L’apprentissage par renforcement utilise ensuite les évaluations pour améliorer les performances sur des tâches conservées et réduire le nombre d’étapes nécessaires.

Microsoft publie quatre mondes

Le cycle corrige aussi l’environnement à chaque série d’évaluations. Echoverse transforme d’abord des scénarios en affirmations vérifiables sur les routes, l’état et les comportements. Le système génère ensuite une application avec un serveur FastAPI, une base SQLite et une interface React. Chaque affirmation est testée sur l’application en fonctionnement. Les défauts sont classés selon la base de données, le serveur, l’interface, le texte de tâche ou l’évaluateur. Des correcteurs spécialisés appliquent les réparations, vérifient les régressions et les annulent si nécessaire. Microsoft indique que les versions profondes améliorent le modèle, tandis que les versions superficielles provoquent une régression.

La publication ouvre quatre mondes à la recherche avec leur code, leurs données et leurs évaluateurs ancrés. Microsoft propose le dépôt Echoverse sur GitHub, ainsi que les jeux de données sur Hugging Face. L’équipe met aussi à disposition un rapport technique. Les résultats mettent en avant trois leviers précis : des mondes fidèles aux comportements, des environnements centrés sur une interaction difficile et une amélioration conjointe du modèle, des tâches et des évaluateurs. L’expérience porte donc sur la qualité contrôlée des environnements, plutôt que sur leur nombre seul.