Les modèles de langage sont de plus en plus capables de produire des sites web complets à partir d’une simple description textuelle. Mais pour les entraîner à mieux répondre à des demandes ouvertes, l’un des principaux freins reste la conception du signal de récompense utilisé en apprentissage par renforcement. Les approches existantes reposent soit sur des scripts de test écrits à la main, jugés coûteux à maintenir, soit sur des évaluateurs visuels ou des agents d’interface qui peuvent conclure trop tôt, avant d’avoir observé l’état réellement décisif de l’application.
L’article WebGrader propose une alternative: un grader programmatique auto-évolutif capable de dériver automatiquement les séquences d’interaction nécessaires à partir de chaque consigne de création de site. Ces séquences sont formalisées sous forme de Flow Contracts exécutables, dont l’issue sert ensuite de récompense pour l’entraînement. Le système exécute le projet généré dans un navigateur réel, aligne les actions attendues avec le code source et le DOM actif, puis collecte différents types de preuves le long du parcours: éléments visuels, structure DOM, réponses et états persistants.
Les auteurs décrivent aussi une boucle hors ligne, guidée par les erreurs résiduelles, pour découvrir des compétences de vérification réutilisables. Celles-ci sont testées sur des pages de validation distinctes avant d’être figées dans un graphe de compétences utilisé pendant l’entraînement. Cette séparation entre planification des tests, ancrage des actions, collecte de preuves et jugement sémantique vise à ne valider une tâche qu’après observation effective de la transition demandée.
Sur WebGen-Bench, WebGrader permettrait d’entraîner une politique de 8 milliards de paramètres à un taux de réussite fonctionnelle de 52,01 %, soit 7,88 points de plus qu’une récompense combinant apparence et scripts, d’après les auteurs. Le papier indique également des performances supérieures à o4-mini, DeepSeek-v4-flash et Qwen3-Coder-480B sur les benchmarks cités. Ces résultats restent à confirmer par la communauté, mais ils suggèrent une piste crédible pour rendre l’entraînement des LLM de développement web plus robuste et mieux corrélé à l’usage réel.