🤖 AI

From Numbers to Judgment: Specialist LLM Agents and Reinforcement Learning for European Listed Real Estate

Cet article démontre que si la décomposition de l'analyse de l'immobilier coté en Europe en agents LLM spécialisés améliore considérablement la performance des tâches numériques, l'amélioration du jugement financier intégratif nécessite une adaptation ciblée des paramètres via l'apprentissage par renforcement (GRPO) plutôt qu'une simple décomposition au niveau du prompt.

Auteurs originaux : Pardis Taghavi, Santosh Bhavani

Publié 2026-08-13

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Pardis Taghavi, Santosh Bhavani

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'apprendre à un robot super intelligent comment devenir un analyste financier. Dans le monde de l'intelligence artificielle, ces robots sont appelés des Modèles de Langage Étendus (LLM). Considérez-les comme des étudiants incroyablement érudits qui ont lu presque tous les livres de la bibliothèque, mais qui se confondent parfois lorsqu'on leur demande de faire des mathématiques spécifiques et complexes ou de prendre une décision compliquée basée sur un mélange de différentes règles. Ce document se situe dans un coin de la science où les chercheurs tentent de découvrir la meilleure façon de « entraîner » ces robots pour qu'ils gèrent l'argent et les règles commerciales. La grande question qu'ils posent est la suivante : vaut-il mieux demander au robot de tout faire en même temps, ou devrions-nous décomposer le travail et lui demander d'agir comme une équipe de différents spécialistes ? C'est un peu comme demander : « Est-il préférable d'avoir un chef génie qui essaie de cuisiner tout le banquet seul, ou une cuisine avec un pâtissier dédié, un maître du gril dédié et un expert en sauces dédié ? »

Les chercheurs de cette étude, Pardis Taghavi et Santosh Bhavani, ont décidé de tester cette idée en utilisant un sujet très spécifique et complexe : les entreprises immobilières européennes. Ces entreprises sont comme un groupe de voisins qui vivent tous dans le même immeuble mais suivent des ensembles de règles différents selon le pays où ils se trouvent. Certaines doivent verser la majeure partie de leurs bénéfices sous forme de dividendes, tandis que d'autres n'ont pas l'obligation de verser quoi que ce soit. Si vous utilisez la mauvaise règle pour la mauvaise entreprise, le calcul est faux, et le conseil d'investissement est dangereux. L'équipe voulait voir si le fait de diviser l'analyse en rôles de « spécialistes » aidait le robot à obtenir les bons chiffres, et si cela l'aidait à prendre les décisions complexes et importantes pour savoir si une entreprise est sûre d'investir.

L'équipe de spécialistes contre le spectacle en solo

Pour tester leur idée, les chercheurs ont construit un système appelé « Larix ». Imaginez Larix comme un gestionnaire qui possède une liste de contrôle massive de 16 étapes pour analyser une entreprise immobilière. Au lieu de donner toute la liste de contrôle à un seul robot et de lui dire : « Fais tout cela tout seul », Larix essaie une approche différente. Il décompose la liste de contrôle en huit petites équipes, ou « spécialistes ». Une équipe est l'expert des « Données financières », une autre est l'expert de la « Qualité des actifs », et une autre est l'expert de la « Couverture macroéconomique ».

Les chercheurs ont organisé une course avec un robot très puissant (un modèle « frontière ») pour voir qui gagnerait. Dans la première course, le robot devait tout faire seul (l'approche « monolithique »). Dans la deuxième course, le robot recevait la liste de contrôle complète de 16 étapes mais devait toujours tout faire seul. Dans la troisième course, le robot était assigné à un rôle de spécialiste spécifique, comme un expert des « Données financières », et ne recevait que la partie spécifique de la liste de contrôle pertinente pour ce travail.

Les résultats ont été surprenants et très clairs. Lorsqu'il s'agissait de mathématiques ennuyeuses et mécaniques — comme trouver un chiffre spécifique dans un rapport ou faire un calcul simple — l'approche par spécialiste était la grande gagnante. Le robot agissant en tant que spécialiste a réussi les tâches numériques 15,8 points de pourcentage de plus souvent que le robot essayant de tout faire à la fois. C'est comme si le robot spécialiste avait mis un casque à réduction de bruit, ignorait toutes les instructions supplémentaires confuses, et se concentrait uniquement sur les mathématiques.

Cependant, lorsqu'il s'agissait de tâches de « jugement » — où le robot devait examiner différentes pièces de preuves et décider si une entreprise était risquée ou sûre — l'approche par spécialiste n'a pas aidé du tout. En fait, elle a parfois aggravé les choses. Le robot agissant en tant que spécialiste a obtenu le même score que le robot faisant tout seul sur ces tâches de jugement. Il s'avère que pour porter un jugement, vous avez réellement besoin de voir l'ensemble du tableau, et non pas seulement une tranche étroite de l'information. En divisant le travail, le robot a manqué les connexions entre les différentes pièces d'information.

La magie de l'« entraînement » du cerveau

Les chercheurs ont ensuite posé une seconde question : si le fait de diviser le travail en morceaux n'aide pas pour les jugements difficiles, pouvons-nous simplement « entraîner » le cerveau du robot pour qu'il s'améliore ? Ils ont pris un robot plus petit et moins coûteux (un modèle de 9 milliards de paramètres appelé Qwen3.5-9B) et lui ont donné un type spécial d'entraînement appelé « Apprentissage par renforcement avec optimisation de politique relative de groupe » (GRPO).

Considérez cet entraînement comme un jeu vidéo où le robot obtient un score élevé chaque fois qu'il donne une bonne réponse et un score bas lorsqu'il se trompe. Avec le temps, le robot apprend à ajuster ses « réglages cérébraux internes » pour obtenir plus de scores élevés. Ils ne lui ont pas seulement demandé de mémoriser des réponses ; ils lui ont appris à comprendre les règles du jeu.

Cet entraînement a fonctionné comme par magie pour les tâches de jugement. Après l'entraînement, le score du plus petit robot sur les tâches de jugement a bondi de 14,2 points. Il ne s'est pas contenté de s'améliorer sur les entreprises sur lesquelles il s'était exercé ; il s'est amélioré sur des entreprises qu'il n'avait jamais vues auparavant. Testé sur des entreprises totalement nouvelles, son score a augmenté de 15,2 points globalement, et sur un test spécifique de « stress des clauses restrictives » (vérifiant si une entreprise peut faire face à des difficultés financières), il s'est amélioré de façon massive de 40,4 points.

La grande conclusion

Alors, qu'a réellement trouvé l'article ? Il suggère qu'il n'y a pas de « meilleure » façon unique d'utiliser l'IA pour l'analyse financière. Cela dépend entièrement de ce que vous demandez au robot de faire.

Pour les chiffres et les mathématiques : Décomposer le travail en spécialistes est la solution. Cela aide le robot à se concentrer et à ignorer les distractions, ce qui conduit à des calculs beaucoup plus précis.
Pour les jugements de haut niveau : Décomposer le travail n'aide pas. Au lieu de cela, vous devez « entraîner » directement le cerveau du robot pour qu'il apprenne à relier les points entre les différentes pièces d'information.

Les chercheurs ont pris soin de préciser que ce n'est pas une solution miracle qui résout tout. Ils ont montré que le simple fait de donner au robot une liste de règles plus longue (le cadre complet des 16 lentilles) n'a pas réglé le problème ; c'était la spécialisation spécifique qui a aidé les mathématiques, et l'entraînement spécifique qui a aidé le jugement. Ils ont également noté que leurs résultats sont basés sur un ensemble spécifique de 19 entreprises et un type spécifique d'immobilier, nous ne pouvons donc pas être sûrs à 100 % que cela fonctionnera exactement de la même manière pour tout type d'entreprise dans le monde. Mais pour le monde de l'immobilier européen, la leçon est claire : utilisez une équipe de spécialistes pour les mathématiques, et utilisez un généraliste bien entraîné pour les grandes décisions.

Résumé Technique : Des Chiffres au Jugement : Agents LLM Spécialisés et Apprentissage par Renforcement pour l'Immobilier Coté Européen

1. Énoncé du Problème

L'analyse de l'immobilier coté européen présente un double défi pour les modèles de langage de grande taille (LLM) : la nécessité d'opérations numériques modulaires (extraction de métriques spécifiques à un régime, calcul de taux de capitalisation implicites) et de jugements financiers intégratifs (réconciliation des dimensions comptables, réglementaires et de risque pour évaluer la marge de manœuvre des clauses restrictives ou la durabilité des dividendes).

Le domaine est caractérisé par une grande hétérogénéité ; les régimes juridiques et de reporting (par exemple, les SIICs français vs les foncières enregistrées au Luxembourg) dictent des règles distinctes pour les obligations de distribution et les indicateurs de performance. Un mode de défaillance critique pour les LLM est le « piège de la fluidité » (fluency trap) : extraire un chiffre correct d'un document de référence mais appliquer les règles du mauvais régime, menant à des conclusions mécaniquement erronées mais difficiles à détecter en raison de la fluidité de la sortie du modèle.

Les systèmes multi-agents existants confondent souvent les bénéfices de la décomposition avec les instructions spécifiques au domaine ou les différences de modèles. Ce document cherche à isoler l'effet de la décomposition spécialisée (au niveau du prompt) par rapport à l'adaptation des paramètres (post-entraînement) sur un modèle frontal fixe et un modèle plus petit, en posant spécifiquement les questions suivantes :

La décomposition d'une tâche en spécialistes alignés sur des perspectives (lenses) améliore-t-elle la performance sur un LLM frontal fixe ?
Cette amélioration se généralise-t-elle aux tâches numériques et de jugement ?
Un apprentissage par renforcement (RL) ciblé lors de la phase de post-entraînement peut-il améliorer le jugement intégratif d'un modèle plus petit au-delà de ses capacités zero-shot ?

2. Méthodologie

2.1 Le Cadre Larix et la Formulation des Tâches

L'étude utilise Larix, qui cartographie un cadre d'analyse de l'immobilier coté européen à 16 perspectives en huit spécialistes alignés sur ces perspectives (ex: États Financiers, Qualité des Actifs, Couverture Macro). L'évaluation se concentre sur la couche spécialiste, excluant la synthèse en aval ou la détermination de la taille des positions.

Le benchmark se compose de cinq tâches réparties sur 19 entreprises couvrant sept enveloppes réglementaires :

Tâches Numériques ( $T_{num}$ ): $T_1$ (Métrique spécifique au régime), $T_3$ (Taux de capitalisation implicite), $T_6$ (Classification du régime de distribution). Celles-ci nécessitent une extraction localisée ou un calcul déterministe.
Tâches de Jugement ( $T_{judg}$ ): $T_2$ (Ajustement de réconciliation), $T_5$ (Évaluation du stress des clauses restrictives). Celles-ci nécessitent la combinaison de multiples divulgations et de contraintes spécifiques au régime.

2.2 Conditions Expérimentales

L'étude compare trois conditions de prompting utilisant un modèle frontal fixe (Claude Opus 4.8) et deux conditions utilisant un modèle plus petit (Qwen3.5-9B) :

Monolithique (Claude-Mono) : Un prompt d'analyse financière générique sans décomposition spécialisée.
Cadre Complet (Claude-Full) : Un prompt monolithique contenant l'intégralité du cadre des 16 perspectives (~4 800 caractères).
Décomposition Spécialisée (Claude-Spec) : Un routeur déterministe assigne chaque tâche à un prompt de spécialiste aligné sur une perspective, contenant uniquement le sous-ensemble pertinent du cadre.
Modèle Petit Zero-Shot (Qwen-ZS) : Qwen3.5-9B utilisant des prompts spécialisés.
Post-entraînement RL (Qwen-RL) : Qwen3.5-9B affiné via l'optimisation de politique relative de groupe (GRPO) avec des récompenses structurées alignées sur les tâches.

2.3 Notation et Vérité Terrain

L'évaluation repose sur un système de notation déterministe basé sur une grille de correction plutôt que sur un juge LLM.

Vérité Terrain (Ground Truth) : 45 tuples étiquetés par un expert indépendant en immobilier ; 50 tuples préparés à partir de sources primaires par les auteurs du cadre.
Notation : Les champs sont notés sur la base d'une correspondance exacte (avec normalisation des alias) ou de règles numériques basées sur une tolérance (ex: ±5 % pour les métriques, ±10 % pour les ratios). Les sorties invalides reçoivent zéro.
Métriques : Les agrégats primaires sont $S_{num}$ (moyenne de $T_1, T_3, T_6$ ) et $S_{judg}$ (moyenne de $T_2, T_5$ ).

2.4 Configuration du Post-entraînement RL

Qwen3.5-9B a été post-entraîné sur 200 lignes (195 réelles, 5 contre-factuelles) en utilisant GRPO.

Récompense : Le score du benchmark déterministe ( $R_i = S_t(\hat{y}_i, y^\star_i)$ ).
Optimisation : La politique est mise à jour pour maximiser directement le score spécifique à la tâche, évitant ainsi les juges de langage séparés.
Séparations (Splits) : Les données d'entraînement sont disjointes des entreprises, des enveloppes et des périodes de test afin de tester la généralisation et l'anti-mémorisation.

3. Résultats Clés

3.1 Décomposition Spécialisée : Effets selon la Tâche

Sur la cohorte continentale de 19 entreprises, la décomposition spécialisée a produit un résultat dépendant de la tâche :

Tâches Numériques : La performance s'est améliorée de manière significative. Le score agrégé est passé de 78,9 % (Monolithique) à 94,7 % (Spécialiste), soit un gain de 15,8 points de pourcentage. Cela a été porté par des améliorations sur $T_1$ (+26,3 pts) et $T_3$ (+21,1 pts).
Tâches de Jugement : La performance ne s'est pas améliorée de manière fiable. Le score agrégé est resté inchangé à 47,4 %. En fait, $T_2$ (identification de l'ajustement) a connu une légère baisse (-5,2 pts).
Divulgation du Cadre : Fournir l'intégralité du cadre des 16 perspectives à un modèle monolithique (Claude-Full) n'a pas reproduit les gains numériques. Cela a même réduit la performance sur $T_1$ (-10,5 pts) tout en aidant légèrement $T_2$ . Cela indique que le gain provient de la propriété de la perspective limitée (réduction du contexte) et non simplement de l'exposition de plus de texte du cadre.

3.2 Post-entraînement RL : Amélioration du Jugement Intégratif

Le post-entraînement de Qwen3.5-9B avec GRPO a traité les limites de la décomposition par prompt :

Division de Développement : Le score global est passé de 72,2 % (Zero-Shot) à 84,2 % (RL), soit un gain de 12,0 points.
Tâches de Jugement : L'agrégat de jugement ( $T_2 + T_5$ ) s'est amélioré de 14,2 points (passant de 58,6 % à 72,8 %). C'est le domaine spécifique où la décomposition par prompt a échoué.
Tâches Numériques : $T_1$ est resté au plafond du zero-shot (99,5 %), tandis que $T_3$ et $T_6$ ont vu des améliorations.

3.3 Transfert Hors-Distribution (OOD)

Les gains du post-entraînement RL se sont transférés à des données non vues :

Entreprises Inconnues : Le score global a augmenté de +15,2 points. Le gain le plus significatif concerne la tâche de stress des clauses restrictives ( $T_5$ ), qui s'est améliorée de +40,4 points (passant de 38,1 % à 78,5 %).
Enveloppes Inconnues : Le score global a augmenté de +4,3 points.
Périodes Ultérieures : Le score global a augmenté de +2,5 points.
Anti-Mémorisation : Un transfert positif a été observé à travers les trois séparations d'anti-mémorisation, confirmant que le modèle a appris des politiques de décision plutôt que de mémoriser des données d'entreprises spécifiques.

4. Contributions

Le papier apporte quatre contributions spécifiques :

Évaluation Contrôlée : Une évaluation sur le même modèle de la décomposition spécialisée alignée sur les perspectives, maintenant la source de preuve, les instructions et la notation fixes, incluant un contrôle de cadre complet pour isoler l'effet de la décomposition.
Identification des Compromis : Preuve empirique que la décomposition améliore l'analyse numérique modulaire mais n'améliore pas de manière fiable (et peut réduire) la performance sur les tâches nécessitant un jugement financier intégratif.
Post-entraînement RL Structuré : Une démonation que le post-entraînement GRPO avec des récompenses structurées alignées sur les tâches permet à un modèle plus petit (9B) de surpasser sa performance zero-shot sur les tâches de jugement financier, avec des gains transférables à des entreprises et des enveloppes réglementaires inédites.
Publication du Benchmark : La publication d'un benchmark de 25 entreprises et huit enveloppes avec une grille de correction par cellule corrigée et un harnais de notation renforcé.

5. Signification et Revendications

Le papier conclut qu'une division du travail dépendante de la tâche est essentielle pour les LLM financiers :

La décomposition au niveau du prompt est efficace pour simplifier les opérations numériques localisées et vérifiables en supprimant le contexte non pertinent et en rendant les champs intermédiaires explicites.
L'adaptation des paramètres ciblée (post-entraînement RL) est nécessaire pour le jugement financier intégratif, où le modèle doit réconcilier les preuves à travers de multiples dimensions et contraintes.

Les auteurs soulignent que ces conclusions sont limitées par la taille du benchmark, la couverture des enveloppes et les familles de modèles testées. Ils ne revendiquent pas une supériorité générale des petits modèles sur les modèles frontaux, mais plutôt qu'une spécialisation ciblée (via le prompt engineering ou le réglage des paramètres) répond à des goulots d'étranglement distincts dans l'analyse financière. L'étude évite explicitement toute revendication concernant la synthèse en aval, le calibrage de la conviction ou la détermination de la taille des positions, car ces couches n'ont pas été invoquées dans les expériences.