Amp va au-delà du code grâce aux agents et aux modèles d’OpenAI
Découvrez comment Amp étend les capacités des agents avec GPT‑6 Astra, Ultrafast, GPT‑Live‑1 et la connexion avec ChatGPT.
Amp(ouverture dans une nouvelle fenêtre) développe un agent d’IA de pointe qui aide les développeurs à transformer des idées ambitieuses en logiciels fonctionnels. Pour Quinn Slack, PDG d’Amp, chaque amélioration des modèles est l’occasion d’élargir les capacités de l’agent : aider les développeurs à décider quoi créer, écrire du code ou encore concevoir des pages.
Amp choisit et recommande les modèles les plus adaptés à ses utilisateurs, et les modèles d’OpenAI représentent la majorité des tokens utilisés dans Amp. Quinn explique : « OpenAI fait preuve d’une grande transparence, et lorsque des garde-fous sont appliqués, les utilisateurs le savent et le comprennent. Cela rend les modèles d’OpenAI vraiment faciles à utiliser. On peut faire tout son travail dans Amp avec les modèles d’OpenAI et en être pleinement satisfait. »
« Nos utilisateurs apprécient vraiment la régularité avec laquelle les modèles d’OpenAI ne cessent de s’améliorer. »
À mesure que les développeurs confient davantage de travail aux agents, le coût des tokens peut devenir une contrainte. Quinn évoque des utilisateurs d’Amp qui consomment 10 milliards de tokens par semaine. Selon lui, surveiller la moindre hausse de sa consommation peut empêcher de découvrir tout ce dont un agent est capable.
Pour atténuer cette contrainte, Amp a lancé son intégration permettant de se connecter avec ChatGPT. Quinn explique qu’elle donne aux utilisateurs d’Amp accès à davantage de tokens et de modèles d’OpenAI, dont GPT‑6 Astra, ce qui les incite à confier des tâches plus importantes à un agent.
« La connexion avec ChatGPT permet de ne plus avoir l’impression de devoir compter chaque token », explique-t-il. « Et une fois qu’on laisse vraiment l’agent agir avec plus de liberté, on découvre tout ce qu’il peut faire. » Quinn observe que les utilisateurs font appel à l’agent pour planifier, décider quoi créer et poursuivre le travail après la mise en production.
Amp souhaite que les agents contribuent à toutes les tâches nécessaires pour créer et développer un produit. Sa propre équipe de 20 personnes les utilise ainsi, y compris pour le marketing. « Nous n’avons personne qui s’y consacre, mais nous avons un agent dédié », explique Quinn. L’équipe s’appuie sur l’agent pour améliorer l’expérience des nouveaux utilisateurs et faire découvrir Amp à davantage de personnes via les moteurs de recherche et d’autres canaux.
Pour ce travail, la qualité de la rédaction et du design est essentielle. GPT‑6 Astra aide l’équipe à produire de la documentation et à concevoir des pages qui répondent aux exigences élevées d’Amp.
« Nous avons un style graphique et rédactionnel très singulier. Nous sommes très exigeants sur ce point, mais nous sommes vraiment satisfaits des résultats de GPT-6 Astra. »
Quinn poursuit ses expérimentations avec GPT‑6 Astra chez lui. Il lui a fourni les plans de sa maison et l’a utilisé pour en créer un modèle 3D dans Blender. Avec ses enfants, il transforme ensuite ce modèle en jeux : ils ajoutent une rivière tranquille qui traverse la maison ou y poursuivent de l’ail, une idée inspirée par l’aversion de leur grand-mère pour cet ingrédient. « Et ce n’était pas possible il y a seulement quelques mois », précise-t-il.
Amp a récemment annoncé Puck, un assistant d’IA conversationnel intégré à Amp qui aide les utilisateurs à lancer et à gérer d’autres agents. Les utilisateurs peuvent demander à Puck de lancer un agent pour examiner un bug, de coordonner plusieurs agents ou de retrouver une conversation antérieure sur un problème technique.
Avec Calling Puck, qui s’appuie sur GPT‑Live‑1, les utilisateurs peuvent parler à Puck en temps réel, y compris depuis une montre. Quinn imagine que les utilisateurs s’en serviront pour faire avancer leurs agents loin de leur ordinateur, même pendant un footing.
Amp teste le mode Ultrafast avec GPT‑6 Astra, et selon Quinn, ce gain de vitesse change la façon dont les utilisateurs se servent des agents. Aujourd’hui, les utilisateurs passent souvent d’une tâche confiée à un agent à une autre en attendant que chacune se termine. Des réponses plus rapides pourraient leur permettre de jongler avec moins d’agents, ou laisser aux agents davantage de temps pour vérifier leur propre travail avant de fournir un résultat.
« Personne n’avait encore vu un modèle aussi performant et aussi rapide. »
Pour Amp, la prochaine étape consiste à confier à l’agent davantage de tâches en amont et en aval du code, afin que les développeurs puissent pousser leurs idées plus loin sans devoir gérer eux-mêmes chaque étape. « On ne sait pas encore ce que les humains vont créer, et c’est ce que nous allons tous découvrir. C’est génial de pouvoir y contribuer », confie Quinn.
