Granite 4.2 : comment IBM construit ses IA qui pensent

Comment on construit une IA qui pense

Granite 4.2 n'est pas juste un gros modèle. C'est une IA qu'on a entraînée à penser avant de répondre — et ça change tout.

L'architecture : simple et efficace

Les trois modèles partagent le même design : transformer decoder-only, attention groupée (GQA), embedding rotatoire (RoPE), activation SwiGLU. Rien d'extravagant, juste des briques éprouvées assemblées proprement.

À noter : le contexte s'étend jusqu'à 512K tokens. Si tu fournis un document de 200 pages, l'IA le garde en tête.

L'entraînement : 5 phases stratégiques

15 trillions de tokens, c'est énorme. Mais l'équipe IBM ne les balance pas tous en même temps :

1. ▸Phases 1-2 : fondations larges, données web variées
2. ▸Phases 3-4 : données sélectionnées de meilleure qualité, plus resserrées
3. ▸Phase 5 : contexte long (512K), c'est ici qu'on apprend à gérer les énormes documents

Chaque phase a son propre mélange de données et son calendrier d'apprentissage. Progressivement, on passe du web brut aux sources polies.

Le raisonnement en boîte : affinage supervisé sur 100B tokens

Après le pré-entraînement, on affine le modèle avec des données de raisonnement. 7,2 millions d'exemples, dont :

• ▸68% non-agentique : suivi d'instructions, codage, maths, multilinguisme, sciences
• ▸32% agentique : trajectoires d'agents (69% génie logiciel, 12% appel d'outils, 8% terminal)

Le contrôle qualité ? Triple filtrage :

1. ▸Normalise tout en format OpenAI Chat standard
2. ▸Des juges IA (GPT-OSS-120B, Gemma 4) notent chaque exemple — les mauvaises réponses et hallucinations sont écartées
3. ▸Déduplication par hash SHA-256

Résultat : 100B tokens de vraie qualité pour apprendre à raisonner.

Le superpouvoir : RL en multi-étapes

Après l'affinage supervisé, arrive la partie sophistiquée : reinforcement learning en chaîne.

Au lieu de bombarder le modèle avec une seule étape RL générique, IBM crée des phases successives, chacune ciblant une compétence :

• ▸Maths → Code → Science → Suivi d'instructions → Appel d'outils → Sortie structurée → Génie logiciel → Terminal → Recherche web

Chaque étape est un RL indépendant. L'idée : l'IA apprend à devenir meilleure progressivement, en maîtrisant d'abord les bases avant les trucs difficiles.

Pour les modèles 8B et 30B, ajoute l'RL agentique : l'IA apprend à agir dans des environnements sandboxés réels. Elle lance du code, contrôle un terminal, cherche sur le web — pas en simulation, en vrai.

L'interrupteur on/off : pense ou réponds

Chaque modèle a un mode 'thinking' et 'non-thinking'.

• ▸Thinking : l'IA passe du temps à réfléchir avant de donner sa réponse (chaîne de pensée explicite)
• ▸Non-thinking : réponds tout de suite
• ▸Low-effort : à mi-chemin, dépense juste un peu de budget de réflexion sur les questions faciles

Tu contrôles. Si la question est triviale, pas besoin de creuser.

L'intégration : compatible OpenAI

Tous les modèles prennent en charge l'appel natif de fonctions au format OpenAI. Pas de code de raccordement, ça marche directement avec vLLM ou SGLang. Les outils s'intègrent comme si c'était GPT.

Pourquoi c'est important pour toi

Granite 4.2 montre que le raisonnement explicite n'est pas une magie propriétaire. C'est un processus : pré-entraînement stratégique → affinage supervisé contrôlé → RL progressif.

Si tu construis un agent ou un système complexe, tu peux partir sur ces briques ouvertes, les ajuster pour ton cas d'usage, et ne pas dépendre de l'API d'un éditeur.

Et les trois tailles ? 3B pour des appareils limités, 8B pour la production allégée, 30B pour la puissance brute. À toi de choisir le compromis qui te convient.