Quand l'agent Codex et GPT-5.6 Sol piloteront vos outils matériels de bout en bout
Au MIT, la chercheuse Beatriz Yankelevich s'appuie sur le modèle GPT-5.6 Sol combiné à Codex pour automatiser la calibration de puces quantiques. En connectant l'agent directement aux logiciels de laboratoire, l'équipe parvient à déléguer des séquences de mesures complexes qui nécessitaient auparavant plusieurs jours de supervision. Cette expérience illustre comment les agents IA sortent des éditeurs de code pour piloter des processus matériels en autonomie.
Fil « Utilisation de GPT-5.6 Sol et Codex pour automatiser la recherche quantique »
La caractérisation des qubits (bits quantiques, l'unité de base du calcul quantique) exige une suite de mesures interdépendantes particulièrement chronophages. Pour étalonner une puce expérimentale à 6 qubits, la chercheuse Beatriz Yankelevich du groupe EQuS (Engineering Quantum Systems, l'équipe d'ingénierie des systèmes quantiques) du MIT a raccordé le modèle GPT-5.6 Sol à Codex (l'outil d'exécution de code d'OpenAI). L'agent a été directement relié aux logiciels de laboratoire pilotant des cryostats à dilution (des réfrigérateurs spécialisés refroidissant les puces à une température proche du zéro absolu).
Un fonctionnement par compétences et boucles d'exécution
Au lieu de superviser chaque étape manuellement, la chercheuse a fourni à l'agent un ensemble de skills (des compétences sous forme de consignes décrivant comment lancer et évaluer chaque expérience) ainsi que les objectifs théoriques de la puce. L'agent GPT-5.6 Sol choisit les paramètres de mesure, pilote le matériel d'émission d'ondes micro-ondes via Codex, analyse le signal numérisé en retour, puis affine la mesure ou enregistre le résultat pour l'étape suivante.
Voici un exemple de structure JSON décrivant la définition d'une compétence d'agent pour interfacer le code avec le matériel :
{
"skill": "calibrate_qubit_frequency",
"description": "Ajuste la fréquence de résonance du qubit via des impulsions micro-ondes",
"parameters": {
"qubit_index": 0,
"target_freq_ghz": 5.2
}
}
Gain de temps et limites face au bruit ambiant
Lorsque les signaux sont clairs, l'agent accomplit de manière autonome une séquence standard : il identifie les fréquences de transition du qubit, calibre les impulsions de contrôle et détermine la durée de rétention de l'information quantique. L'opération, qui pouvait demander à un chercheur plusieurs jours de travail par puce, s'exécute désormais la nuit sans supervision constante. Néanmoins, l'expérience montre des limites : lorsque les signaux expérimentaux sont faibles ou perturbés par du bruit physique, GPT-5.6 Sol met plus de temps à trouver les bons paramètres et requiert l'aide d'un humain.
Vers un rôle d'orchestrateur pour les développeurs
Cette démarche préfigure l'évolution du travail des ingénieurs et développeurs : déléguer les boucles de contrôle répétitives à des agents pour se concentrer sur l'architecture et l'analyse. Beatriz Yankelevich résume ainsi ce changement d'organisation :
« Je peux avoir des agents qui exécutent des mesures pendant de nombreuses heures la nuit ou pendant que je travaille en salle blanche. Je peux vérifier depuis mon téléphone ce qu'ils ont fait et les guider si quelque chose doit être corrigé. »
L'expérience menée au MIT démontre que le couplage d'un modèle raisonneur comme GPT-5.6 Sol avec un moteur d'exécution de code comme Codex permet de faire progresser des flux de travail techniques complexes, à condition de fournir des instructions claires et de garder la main sur la gestion des cas ambigus.