DroidSpeak, le langage conçu pour faire dialoguer les IA 2,78 fois plus vite

Faire coopérer plusieurs intelligences artificielles est l’une des promesses les plus concrètes de la vague des modèles de langage. Un assistant pourrait déléguer une recherche à un modèle, une analyse chiffrée à un autre, puis faire vérifier le résultat par un troisième. Mais, avant de collaborer efficacement, ces systèmes doivent s’échanger des informations. C’est précisément ce goulot d’étranglement que vise DroidSpeak, un langage expérimental présenté en novembre 2024 par une équipe associant Microsoft et l’Université de Chicago.

L’idée peut sembler étonnante : pourquoi inventer une langue pour des programmes capables de comprendre l’anglais, le français ou le code informatique ? Parce que les langues humaines ont été conçues pour transmettre une pensée à des humains. Elles transportent des règles de grammaire, des formulations redondantes et des explications utiles à la lecture, mais pas toujours nécessaires lorsqu’un modèle de langage communique avec un autre modèle de même nature.

Pourquoi l’anglais n’est pas forcément le meilleur canal entre deux IA

Les grands modèles de langage, souvent désignés par l’acronyme anglais LLM pour large language models, sont entraînés sur d’immenses volumes de textes. Ils produisent leurs réponses en prédisant des unités appelées tokens, qui correspondent selon les cas à des mots, morceaux de mots, chiffres ou signes de ponctuation. Lorsqu’un LLM s’adresse à une personne, une phrase lisible est indispensable. Lorsqu’il s’adresse à un autre LLM, cette même phrase peut constituer un détour.

Dans un système où plusieurs agents IA se répartissent une tâche, les messages s’accumulent vite. Un modèle doit décrire ce qu’il a compris, transmettre une instruction ou un résultat intermédiaire, puis attendre l’analyse de son interlocuteur. Chaque aller-retour peut ajouter du calcul, de la latence et un risque de perte d’information lors de la reformulation.

Les chercheurs à l’origine de DroidSpeak partent donc d’une distinction essentielle : un langage compréhensible par l’humain n’est pas nécessairement le langage le plus efficace entre machines. Leur objectif n’est pas de remplacer l’anglais dans les interfaces de conversation. Il s’agit de créer un canal spécialisé pour des échanges internes, dans lesquels la priorité est la compacité et la vitesse de transmission.

DroidSpeak, un langage pensé pour les modèles de langage

Le nom DroidSpeak fait référence à l’imaginaire des langages robotiques popularisé par la saga Star Wars. Derrière cette appellation, le projet repose sur des fondements mathématiques liés au fonctionnement des modèles de langage. Plutôt que de formuler une explication complète dans une langue humaine, DroidSpeak vise à permettre aux modèles de transmettre directement les données qu’ils ont générées dans une forme adaptée à leur interlocuteur.

L’enjeu n’est pas seulement de raccourcir une phrase. Dans une conversation humaine, détailler le raisonnement, préciser le contexte ou reformuler une conclusion améliore la compréhension. Entre LLM, ces précautions peuvent devenir superflues si les deux systèmes partagent le même cadre d’interprétation. Le langage proposé cherche donc à éviter de faire circuler une longue verbalisation de chaque étape intermédiaire.

Le fonctionnement rapporté par l’équipe peut être résumé ainsi : le modèle expéditeur encode l’information sous la forme propre à DroidSpeak, et le modèle destinataire la décode pour poursuivre la tâche. La communication ne cherche pas à être immédiatement lisible par une personne. Elle est optimisée pour que les deux systèmes puissent se comprendre avec un volume d’information réduit.

Cette distinction a une conséquence importante. Une conversation en DroidSpeak n’est pas conçue comme un compte rendu transparent que l’on peut relire. C’est un protocole de communication entre modèles. Pour un utilisateur, la réponse finale devrait donc toujours être reformulée dans une langue naturelle, vérifiable et compréhensible.

Un gain annoncé de 2,78 fois lors des tests

Le résultat le plus marquant communiqué par les chercheurs est une accélération mesurée lors d’un échange entre deux LLM. Avec DroidSpeak, ces modèles ont pu communiquer 2,78 fois plus vite que dans le cadre de test retenu par l’équipe.

Ce chiffre doit être interprété correctement. Il ne signifie pas qu’un assistant conversationnel devient automatiquement 2,78 fois meilleur, ni que toutes les tâches d’IA verront leur temps d’exécution divisé dans les mêmes proportions. Il mesure un gain de vitesse sur la communication entre deux modèles dans l’expérimentation décrite. La performance globale d’une application dépend aussi de nombreux autres éléments : la difficulté de la tâche, le temps nécessaire pour générer une réponse, les outils externes appelés par les agents ou encore l’infrastructure informatique utilisée.

Le résultat montre néanmoins que le canal de communication peut devenir une source d’optimisation à part entière. Dans un futur système composé de nombreux modèles spécialisés, réduire le coût de chaque message pourrait avoir un effet sensible sur la rapidité totale du service.

La principale limite : les deux IA doivent être du même type

DroidSpeak ne constitue pas encore une langue universelle que n’importe quel modèle pourrait employer spontanément. L’équipe de recherche a constaté que son fonctionnement optimal nécessite d’utiliser le même type de modèle de langage aux deux extrémités de l’échange.

Cette condition est capitale. Dans l’écosystème de l’IA, les modèles sont conçus par des entreprises et laboratoires différents, entraînés avec des méthodes distinctes et dotés de représentations internes qui ne sont pas forcément compatibles. Une information compacte produite par un premier modèle peut ne pas avoir la même signification pour un second. Autrement dit, un langage très efficace entre deux interlocuteurs semblables peut devenir incompréhensible dès que l’un d’eux change.

C’est un peu comme si deux personnes partageaient des codes, des abréviations et un métier commun : elles peuvent communiquer extrêmement vite entre elles, mais leur conversation devient opaque pour quelqu’un qui ne possède pas les mêmes références. Pour DroidSpeak, cette proximité ne relève pas seulement de la culture ou du vocabulaire, elle dépend de l’architecture du modèle employé.

La limitation réduit, pour l’instant, l’usage immédiat du projet dans des architectures mêlant des modèles très différents. Elle n’enlève pas son intérêt pour des systèmes déployés au sein d’une même famille technologique, où plusieurs instances semblables seraient chargées de rôles différents. Elle souligne aussi un enjeu de recherche plus large : comment bâtir des protocoles qui permettent à des IA hétérogènes de coopérer sans perdre les gains d’efficacité obtenus avec des langages spécialisés ?

Quel intérêt pour les systèmes d’IA à plusieurs agents ?

L’intérêt potentiel de DroidSpeak dépasse le simple dialogue entre deux chatbots. Les systèmes modernes d’IA peuvent être organisés comme des équipes : un agent reçoit une demande, un autre cherche des informations, un troisième rédige, tandis qu’un quatrième contrôle certains éléments. Dans cette configuration, le texte échangé entre les composants devient une ressource informatique à gérer.

Un langage spécialisé pourrait contribuer à limiter les goulots d’étranglement lorsque les messages sont nombreux. Cela pourrait être pertinent dans des tâches où plusieurs modules doivent se coordonner à grande vitesse, par exemple pour agréger des analyses ou répartir des sous-problèmes. La publication d’origine évoque aussi la possibilité de systèmes plus efficaces pour des applications spécialisées, telles que les prévisions météorologiques ou économiques.

Il faut toutefois distinguer la communication et la compétence. DroidSpeak ne rend pas un modèle plus fiable sur le fond, ne lui apporte pas de nouvelles données et ne garantit pas l’exactitude de ses conclusions. Un échange rapide entre deux modèles peut aussi transmettre rapidement une erreur. Dans les usages sensibles, l’optimisation des messages doit donc aller de pair avec des mécanismes de contrôle, des traces compréhensibles et une validation adaptée.

La question de l’audit est particulièrement importante. Si les messages échangés sont moins lisibles par les humains, les concepteurs de systèmes devront préserver des moyens de comprendre le chemin suivi par une application, au moins dans ses décisions finales. L’efficacité ne doit pas faire disparaître la possibilité d’expliquer, de vérifier et de corriger.

Une piste de recherche, pas encore un standard de l’industrie

Présenté sur le serveur de prépublications scientifiques arXiv en novembre 2024, DroidSpeak relève à ce stade de la recherche. Aucun élément ne permet de le présenter comme un standard adopté par les grands fournisseurs d’IA, ni comme une fonction disponible dans les assistants grand public.

Son apport est surtout de déplacer le regard. Depuis l’essor des assistants conversationnels, l’attention s’est largement concentrée sur la façon dont l’humain formule ses demandes à l’IA. DroidSpeak rappelle qu’à mesure que les applications deviennent composées de plusieurs modèles, les échanges entre ces modèles peuvent être tout aussi déterminants.

Les auteurs envisagent une évolution du langage à mesure que ses usages se diversifient, dans une dynamique qu’ils rapprochent de celle des langues humaines. Cette analogie doit être maniée avec prudence : une langue humaine évolue au sein d’une société, tandis qu’un protocole pour LLM dépend de choix techniques, d’entraînement et de compatibilité logicielle. Mais elle exprime bien l’ambition du projet : adapter progressivement le mode de communication aux besoins des systèmes qui l’utilisent.

Ce qu’il faut surveiller

La prochaine étape sera de savoir si les gains observés entre deux modèles du même type peuvent être reproduits à plus grande échelle. Des tests impliquant davantage d’agents, des tâches variées et des modèles issus de familles différentes permettront de déterminer si DroidSpeak est un outil spécialisé très performant ou le point de départ d’une approche plus générale.

Il faudra aussi mesurer le compromis entre vitesse et contrôle. Un protocole efficace devra idéalement offrir à la fois des échanges compacts pour les machines et des mécanismes permettant aux développeurs, aux entreprises et aux utilisateurs de comprendre ce qui a été fait. Enfin, la question de l’interopérabilité sera décisive : sans passerelles entre modèles différents, les bénéfices d’un langage interne risquent de rester confinés à des environnements homogènes.

DroidSpeak ne transforme donc pas encore l’expérience des utilisateurs de chatbots. Mais il illustre une évolution importante de l’IA : demain, une part croissante de la performance pourrait se jouer moins dans les mots que nous adressons aux modèles que dans les langages discrets qu’ils utiliseront pour travailler ensemble.