Apprendre aux petits modèles ouverts à générer des présentations conformes à l’identité de marque

Hugging Face a présenté Palette, un système permettant à de petits modèles de langage à poids ouverts de générer des présentations respectant des langages de conception spécifiques. Publiée le 3 novembre 2026, cette approche répond aux limites des grands modèles de pointe, qui imposent souvent un style générique et peuvent présenter des risques en matière de confidentialité. En affinant un modèle de 20 milliards de paramètres avec des données synthétiques et un dispositif de vérification robuste, l’équipe a atteint des performances de premier plan sur les benchmarks de contenu structuré tout en conservant la pleine maîtrise de l’infrastructure et des résultats.

Ce qui s’est passé

Les grands modèles de langage de pointe sont capables de générer des présentations de haute qualité, mais ils tendent à converger vers une esthétique similaire, indépendamment des instructions fournies. Cet aspect « généré par IA » rend difficile pour les organisations l’application de leurs propres chartes graphiques ou modèles. De plus, l’utilisation de modèles fermés pour des contenus d’entreprise sensibles soulève des problèmes de confidentialité des données. Les petits modèles à poids ouverts offrent une solution en matière de propriété et de personnalisation, mais ont historiquement eu du mal avec la précision géométrique requise pour la mise en page, produisant souvent des diapositives cassées avec des textes superposés ou des éléments manquants.

Palette teste l’hypothèse qu’un petit modèle peut rivaliser avec des systèmes plus grands s’il est correctement entraîné. L’équipe a affiné un modèle de 20 milliards de paramètres en utilisant l’IBM Design Language comme style cible. Le système résultant divise le processus de génération en deux rôles distincts : un concepteur qui planifie le contenu et la structure, et un codeur qui écrit le JavaScript pour rendre chaque diapositive. Sur la suite d’évaluation PresentBench, Palette s’est classé premier dans les domaines Économie et Éducation, et deuxième au classement général parmi les systèmes testés, démontrant que l’entraînement spécialisé peut surmonter les limitations inhérentes aux architectures plus petites.

Le projet met en évidence un passage de la dépendance exclusive à l’échelle du modèle à l’amélioration de la qualité des données et des garanties d’inférence. En générant des données d’entraînement synthétiques incluant le raisonnement derrière les choix de conception et en implémentant un dispositif de vérification et de correction, l’équipe a créé un système produisant des résultats fiables et conformes à la marque. Cette méthode permet aux organisations d’exécuter le modèle sur leur propre matériel, garantissant que les données confidentielles ne quittent jamais leur environnement sécurisé.

Comment cela fonctionne

Palette imite le flux de travail humain de création de présentations en séparant le jugement éditorial de l’exécution géométrique. Un seul adaptateur LoRA gère deux rôles. Le rôle de concepteur lit le plan d’entrée et produit un brief JSON structuré contenant la palette, la typographie et le contenu de chaque diapositive. Le rôle de codeur prend ensuite les spécifications individuelles de chaque diapositive issues de ce brief et écrit du code JavaScript pptxgenjs pour les rendre. Cette séparation permet au codeur de se concentrer exclusivement sur l’arithmétique de la mise en page, comme le calcul des tailles de police et des coordonnées, tandis que le concepteur gère le fil narratif. Comme chaque diapositive est générée indépendamment, l’étape de codage peut s’exécuter en parallèle, accélérant la production de six à sept fois.

Comme aucun jeu de données public n’existe reliant la justification du design au code des diapositives, l’équipe a synthétisé environ 1 000 présentations comprenant 10 000 diapositives à l’aide d’un grand modèle enseignant ouvert. Crucialement, chaque exemple d’entraînement inclut un raisonnement contrefactuel, expliquant pourquoi certains choix de conception ont été faits et d’autres rejetés. Par exemple, les données pourraient expliquer qu’un graphique en barres a été choisi plutôt qu’un tableau pour mettre en évidence une tendance plutôt que des chiffres exacts. Cela apprend au modèle les règles sous-jacentes aux décisions de conception, pas seulement le résultat final. Les données synthétiques ont été affinées davantage en rendant chaque diapositive et en utilisant un vérificateur de géométrie pour identifier et corriger les erreurs telles que le débordement de texte, transformant les échecs en exemples d’entraînement de haute qualité.

Pour assurer la fiabilité lors de l’inférence, Palette emploie un dispositif qui valide chaque présentation générée. Des règles simples corrigent les erreurs de formatage, tandis qu’un vérificateur de géométrie identifie les problèmes visuels tels que les chevauchements d’éléments. Si une diapositive échoue à la validation, un modèle éditeur distinct tente de réécrire le code. La nouvelle version n’est acceptée que si le vérificateur confirme une amélioration, garantissant que le processus de correction ne puisse pas dégrader le résultat. Ce filet de sécurité permet au système de corriger les erreurs courantes des petits modèles, comme les titres se fondant dans les arrière-plans, sans intervention humaine.

Détails clés

• Le système utilise un modèle à poids ouverts de 20 milliards de paramètres, affiné avec des adaptateurs LoRA pour préserver les capacités du modèle de base.
• Les données d’entraînement incluent environ 1 000 présentations synthétiques avec un raisonnement contrefactuel expliquant les choix de conception et les rejets.
• Une architecture de codage parallèle permet de générer simultanément les diapositives individuelles, améliorant la vitesse de 6 à 7×.
• Le dispositif d’inférence vérifie les erreurs géométriques comme le chevauchement de texte et n’accepte les corrections que si elles améliorent mesurablement la diapositive.
• Palette s’est classé premier sur PresentBench pour les domaines Économie et Éducation, et deuxième au classement général avec un score moyen de 59,7.
• Les utilisateurs peuvent contrôler des résultats de conception spécifiques en utilisant des directives encadrées par [[ ]], telles que [[make this a timeline]].

Pourquoi c’est important

Pour les équipes d’ingénierie développant des outils internes ou des applications destinées aux clients, Palette offre une voie vers une IA personnalisable sans le coût et les risques des API propriétaires. La capacité d’exécuter un modèle de conception compétent sur une infrastructure locale signifie que les données commerciales sensibles restent derrière les pare-feu de l’entreprise. Ceci est crucial pour les industries ayant des exigences strictes de conformité où l’envoi de documents à des serveurs tiers est interdit. De plus, la nature modulaire du résultat, séparé entre un brief JSON et le code de rendu, permet aux développeurs d’intervenir par programmation ou d’ajuster manuellement des diapositives spécifiques sans régénérer toute la présentation.

La méthodologie fournit également un modèle pour d’autres tâches de génération structurée au-delà des présentations. La combinaison de données synthétiques avec des traces de raisonnement explicites et un dispositif de vérification peut être appliquée à la génération de mises en page UI, de graphiques ou de diagrammes. En privilégiant la correction vérifiable plutôt que la fluidité générative brute, les développeurs peuvent construire des agents plus fiables. La constatation que les exemples de référence influencent davantage les modèles enseignants que les règles de prompt suggère que la curation d’exemples few-shot de haute qualité est plus efficace que l’affinage complexe d’instructions pour certaines tâches.

Ce que vous pouvez faire

• Implémentez un dispositif de vérification pour toute tâche générative où la structure de sortie peut être contrôlée par programmation, comme un JSON valide ou des éléments UI non superposés.
• Générez des données d’entraînement synthétiques incluant un raisonnement contrefactuel pour apprendre aux modèles la logique derrière les décisions, pas seulement les résultats.
• Séparez les tâches de génération complexes en rôles distincts, tels que la planification et l’exécution, pour permettre le traitement parallèle et l’affinage spécialisé.
• Utilisez des exemples de référence dans les prompts pour orienter les modèles enseignants lors de la synthèse de données, car ils suivent souvent les motifs plus fidèlement que les règles abstraites.
• Adoptez une stratégie de correction sûre où les correctifs automatisés ne sont appliqués que si un validateur confirme que le résultat s’est amélioré, prévenant ainsi la dégradation.
• Explorez l’adaptation légère de modèles en re-stylant les sorties de fichiers existants plutôt qu’en réentraînant les modèles pour chaque nouvelle charte graphique.