Dans un article de blog officiel du 29 octobre 2026, Figma a décrit la méthode employée pour entraîner un modèle spécialisé d'édition de canvas destiné à l'agent Figma. Le point de départ est délibérément étroit : non pas générer un design à partir de zéro, mais aider les designers à modifier ce qui se trouve déjà sur le canvas — ajuster un espacement, changer une couleur, retravailler une mise en page après un retour. Ce sont de petites retouches répétées toute la journée, difficiles à juger avec un seul critère.
Plus de 250 000 exemples synthétiques pour d'abord apprendre les retouches
Figma a commencé par un affinage supervisé. Chaque exemple d'entraînement associait un design de départ, une demande de retouche générée de façon synthétique et une modification réussie, en représentant le design dans le format de fichier natif de Figma afin que la sortie du modèle puisse être appliquée directement sur le canvas. De plus grands modèles enseignants tentaient d'abord les retouches, puis des validateurs déterministes et des juges visuels fondés sur des modèles vérifiaient si la sortie était valide et répondait à la demande ; le pipeline pouvait se corriger à partir des retours des évaluateurs. Selon Figma, un premier modèle fondé sur Llama 3.3 70B, entraîné sur plus de 250 000 exemples, est devenu compétitif avec les meilleurs modèles de l'époque sur les tâches d'édition.
L'imitation a atteint sa limite, l'apprentissage par renforcement ajoute la généralisation
L'imitation seule a un coût : le modèle tend à reproduire les designs vus à l'entraînement, la généralisation s'affaiblit, et couvrir tous les types de retouches exige un grand nombre d'exemples. Figma a donc intégré l'apprentissage par renforcement à sa recette d'entraînement la plus récente, en mettant l'accent sur des environnements plus proches du domaine du design, des exemples plus diversifiés, des modèles de récompense mieux façonnés et des critères rédigés par des experts, afin que les récompenses reflètent ce qui compte vraiment pour les designers. Les modèles de base ont aussi été mis à jour, et Figma cite notamment de nouveaux modèles Qwen.
L'évaluation est notée dimension par dimension, et les chiffres produit viennent d'abord
Figma ne réduit pas la qualité d'un design à un score unique. L'alignement, le contraste, la satisfaction de la demande et l'usage correct des composants sont évalués séparément, en combinant des contrôles structurels et des juges visuels, puis en calibrant les résultats avec des designers experts. Un graphique d'évaluation interne publié par Figma place son tout dernier modèle d'édition, encore inédit, à 77,8 %, légèrement devant un autre modèle à 76,9 %. Côté produit, Figma indique que l'agent a été déployé pour tous les utilisateurs, que les tâches typiques sont devenues environ 20 % plus rapides entre la bêta et la disponibilité générale, que le nouvel agent a battu ou égalé l'agent de production précédent dans 62 % des comparaisons directes avec des designers experts, que les notes des utilisateurs ont augmenté de 33 % et que les annulations du travail de l'agent ont reculé de 60 %.
