AstaBrief 8B est le modèle de génération de rapports scientifiques qu'Ai2 (Allen Institute for AI) a publié en open source le 2 octobre 2026 : on lui donne une question de recherche et des extraits de littérature retrouvés, et il produit un rapport assorti de citations. Le modèle est déjà en service comme mode Fast dans la fonction « Generate a report » d'Asta, la plateforme d'Ai2 pour le travail scientifique ; ses poids et ses données d'entraînement sont ouverts, et le modèle est hébergé dans le dépôt AstaBrief_8B de l'organisation allenai sur Hugging Face.
Pourquoi les rapports scientifiques exigent un petit modèle entraîné spécialement
L'écriture scientifique est exigeante d'une façon particulière : les réponses doivent rester collées aux preuves, les conclusions d'une étude ne doivent pas être discrètement élargies, et les chercheurs doivent pouvoir vérifier si chaque citation soutient réellement l'affirmation à laquelle elle est attachée. Ai2 voulait tester si un modèle ouvert de 8B, bâti sur Qwen3-8B et post-entraîné uniquement pour la génération de rapports, pouvait approcher la qualité des pipelines propriétaires utilisés jusque-là, tout en réduisant le temps de génération et les coûts de service. Par conception, il rédige le rapport entier en une seule passe, en sautant les étapes de résumé d'extraits et de regroupement de l'ancien pipeline.
La clé n'était pas l'algorithme, mais le filtrage des données
AstaBrief suit la recette classique d'un réglage fin supervisé suivi d'une optimisation directe des préférences (SFT + DPO) ; l'effort a porté sur les données. Les exemples SFT proviennent de requêtes réelles de chercheurs : environ 90 000 requêtes candidates ont été filtrées selon la qualité, la pertinence et la confidentialité, puis transformées en rapports complets via le pipeline ScholarQA pour servir de sorties cibles, ce qui a laissé environ 47 000 exemples utilisables, générés par un mélange de Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini et GPT-4.1. L'étape DPO a produit environ 6 000 paires de préférences, en ne conservant que celles où les deux modèles juges, GPT-4.1 et DeepSeek-R1, étaient d'accord — des juges concordant avec les préférences humaines à 95 %. Parmi quatre filtres statistiques testés, le plus efficace était aussi le plus simple : la densité de citations, c'est-à-dire le fait qu'un rapport synthétique attache systématiquement des citations à ses affirmations ; les combinaisons de filtres plus élaborées n'ont rien apporté de plus. Dans le pipeline Asta complet, le mode Fast prend en moyenne 51,1 secondes par rapport contre 178,5 secondes pour le mode Thinking, soit environ 3,5 fois plus vite ; sur SQABench-CS2, DeepScholarBench et une petite étude humaine, la qualité des réponses et des citations se situait au même niveau que le pipeline propulsé par Claude.
Où l'utiliser, et quelles sont les limites
Des poids ouverts signifient que les institutions peuvent exécuter AstaBrief sur leur propre infrastructure — les questions sensibles touchant des travaux non publiés n'ont pas à sortir de leurs murs. Ai2 fournit aussi un flux de travail d'exemple adaptable, pour générer des rapports à partir de ses propres PDF. Les limites sont énoncées franchement : les données d'entraînement et les références de comparaison reflètent les modèles de pointe de 2025, et Ai2 précise ne pas avoir refait l'évaluation complète face aux modèles de pointe actuels. Par ailleurs, une citation peut pointer vers le bon article alors que l'affirmation dépasse ce que cet article a réellement montré ; ce type d'élargissement subtil de la portée d'un résultat reste difficile à détecter avec les métriques actuelles. Pour celles et ceux qui construisent des outils de recherche, il y a là une leçon plus large : rendre un modèle professionnel ne passe pas nécessairement par l'empilement de textes de domaine dans le pré-entraînement — la composition des données de post-entraînement, et le fait qu'elles démontrent ou non des citations qui atterrissent réellement sur les preuves, peuvent changer sensiblement la qualité des sorties.
