NousCoder-14B, un modèle open source de programmation IA entraîné en 4 jours

Nous Research lance NousCoder-14B, un modèle open source spécialisé en programmation, entraîné en quatre jours sur 48 GPU Nvidia B200. Ce modèle vise à rivaliser avec des outils propriétaires comme Claude Code d'Anthropic, dans un contexte où les assistants IA pour développeurs suscitent un intérêt croissant.

NousCoder-14B affiche un taux de précision de 67,87 % sur LiveCodeBench v6, un benchmark évaluant les modèles sur des problèmes de programmation compétitive publiés entre août 2024 et mai 2025. Ce résultat représente une amélioration de 7,08 points de pourcentage par rapport à son modèle de base, Qwen3-14B d'Alibaba, selon le rapport technique publié par Nous Research. L'annonce intervient alors que Claude Code d'Anthropic connaît une forte visibilité depuis le début de l'année, avec des démonstrations d'agents capables de générer des systèmes logiciels complexes à partir de descriptions succinctes.

L'originalité de NousCoder-14B réside dans son approche totalement transparente. Nous Research publie non seulement les poids du modèle, mais également l'environnement complet de renforcement, la suite de benchmarks et l'infrastructure de entraînement (Atropos), permettant à quiconque disposant de ressources de calcul suffisantes de reproduire ou d'étendre les travaux. Cette démarche s'inscrit dans une volonté de promouvoir une recherche reproductible, notamment pour des tâches de raisonnement de niveau olympiade. Le modèle a été entraîné par Joe Li, chercheur chez Nous Research et ancien compétiteur en programmation, qui souligne dans son rapport une progression comparable à celle d'un humain passant du niveau 1600-1750 à 2100-2200 sur Codeforces en deux ans — un bond réalisé par le modèle en quatre jours.

Le processus d'entraînement repose sur un système de récompenses vérifiables : le modèle génère des solutions de code, celles-ci sont exécutées contre des cas de test, et un signal binaire (correct ou incorrect) est retourné. Cette boucle de rétroaction nécessite une infrastructure scalable, ici fournie par Modal, une plateforme cloud permettant d'exécuter du code en bac à sable. Chaque problème d'entraînement contient en moyenne des centaines de cas de test, avec des contraintes strictes de temps (15 secondes) et de mémoire (4 Go). La méthode employée, DAPO (Dynamic Sampling Policy Optimization), optimise dynamiquement l'échantillonnage des problèmes en fonction des performances du modèle.