# Plan-and-Patch améliore la réparation des plans grâce aux modèles de diffusion

> Des chercheurs montrent qu’un planificateur fondé sur la diffusion répare les plans deux fois plus souvent qu’un modèle autorégressif traditionnel et réduit le temps de génération jusqu’à moitié.

Oossa · 2026-10-09 · https://oossa.com/fr/plan-and-patch-boosts-plan-repair-with-diffusion-language-models

L’article présente Plan-and-Patch, un cadre dans lequel un modèle de langage à diffusion (dLLM) établit un plan structuré, puis ne corrige que les parties défectueuses. Lors de tests sur le benchmark Natural Plan, le planificateur à diffusion a réparé les plans dans 53.7% des cas, contre 27.0% pour un planificateur autorégressif. Après un entraînement sur des tâches agentiques comme ALFWorld, les deux approches ont généré des plans avec des taux de réussite similaires, mais la méthode à diffusion était 39‑46% plus rapide. Ces travaux ouvrent une piste pour rendre les agents capables de gérer des tâches de longue durée plus efficaces et adaptables.

## Les faits

- Réussite des réparations avec Plan-and-Patch : 53.7% (diffusion) contre 27.0% (AR)
- Après un entraînement spécifique aux tâches, la latence moyenne de génération des plans diminue de 39‑46%

## Pourquoi c'est important

Une réparation des plans plus rapide et plus fiable pourrait permettre aux assistants autonomes d’accomplir des tâches complexes avec moins d’interruptions.

## Sources et références

1. [Plan-and-Patch: Diffusion Language Models for Agentic Planning](https://arxiv.org/abs/2610.10786) – arXiv, 2026-10-09

Dernière mise à jour: 2026-10-09