L'interface générative à l'épreuve de la spécialisation : le modèle OUI-1 de Thesys

Alors que les modèles à poids ouverts évoluent surtout sur l'échelle des paramètres, la société Thesys a tenté la voie de la spécialisation verticale en annonçant OUI-1, qu'elle présente comme le premier modèle à poids ouverts dédié à la Generative UI — une revendication qui dépend de la manière dont on découpe la catégorie et que personne n'a vérifiée de façon indépendante. Obtenu par un finetuning LoRA du modèle DiffusionGemma 26B-A4B-it de Google, dont les poids ont ensuite été fusionnés au format safetensors bf16, le modèle compte 26 milliards de paramètres au total, dont 4 actifs, et une fenêtre de contexte de 16 384 jetons. L'objectif affiché dans la model card sur Hugging Face est de permettre de générer en local des interfaces pour des applications fondées sur le framework OpenUI, en réduisant la dépendance aux API distantes. Côté distribution, les poids restent soumis aux Gemma Terms of Use de Google, une licence propriétaire assortie de contraintes d'usage nettement distinctes des licences open source approuvées par l'OSI, contrairement au framework OpenUI, publié sous licence MIT.

Les chiffres de performance diffusés par l'entreprise créditent OUI-1 d'un score de 71,7 % au Generative UI Benchmark, contre 13,0 % pour le modèle de base. L'évaluation repose sur openui-lang, un langage déclaratif qui, selon les mesures de Thesys, réduit jusqu'à 67 % les jetons nécessaires par rapport au format JSON. Le même tableau comparatif montre pourtant qu'un modèle généraliste comme Qwen3.8 27B fait mieux, à 78,8 % : l'avantage revendiqué pour OUI-1 n'est donc pas le score absolu, mais le fait d'en approcher un avec 4 milliards de paramètres actifs. Le dispositif du banc d'essai, articulé autour de 46 briefs répartis en cinq niveaux de complexité, a par ailleurs un périmètre étroit : la métrique ne mesure que la correction formelle de la sortie — absence de composants orphelins ou d'erreurs d'analyse —, sans rien dire de l'utilisabilité ni de la qualité esthétique du design produit.

Du côté de l'exécution, les comptes ne tombent pas tout à fait juste. Les prérequis indiquent environ 25,8 Gio de VRAM pour une exécution en quantisation FP8 via vLLM, ce qui, selon Thesys, met à portée une carte grand public comme la RTX 5090 ; les tests d'origine ont pourtant été menés sur une unique A100. Les mesures de latence ne concordent pas davantage : le billet d'annonce indique 1,9 seconde par sortie, tandis que la model card annonce environ une seconde par écran sur un seul GPU — les deux chiffres ne renvoient pas à la même configuration. Dans la discussion technique apparue sur Hacker News, des doutes ont été soulevés sur la cohérence des interfaces régénérées à chaque session, sur les difficultés de débogage liées à des sorties non déterministes et sur l'absence de tout élément visuel dans l'annonce officielle.

Déplacer la Generative UI des API distantes vers un modèle compact et auto-hébergeable est un choix d'architecture rationnel pour contenir les coûts de calcul. Il reste que lorsqu'un seul acteur définit le modèle, la syntaxe de sortie et le banc d'essai d'évaluation, la métrique obtenue mesure d'abord la conformité à un périmètre de règles qu'il a lui-même tracé. — Olya