Les générateurs de diapositives qui vivent dans une appli cloud sont désormais courants, mais un modèle qu'on peut faire tourner soi-même et à qui enseigner son style maison est plus rare, car les petits modèles ouverts sont vraiment mauvais pour fabriquer des diapositives. Les titres se fondent dans l'arrière-plan, le texte déborde du bord, les formes s'empilent les unes sur les autres. Palette, d'IBM, est une tentative de recherche pour corriger cela, et son idée la plus réutilisable n'est pas le modèle mais la méthode autour.
L'astuce centrale est de cesser de traiter une présentation comme un seul travail. Construire une diapositive force deux décisions différentes à la fois : quoi dire et comment le montrer, ce qui est éditorial, et où placer précisément les choses, ce qui est géométrie. Palette les sépare en deux rôles servis par un seul adaptateur LoRA. Un designer lit le plan et écrit un brief structuré en JSON : palette, système typographique, mise en page et contenu de chaque diapositive, avec une brève justification. Un coder prend ensuite le brief d'une diapositive et écrit le JavaScript qui la dessine avec pptxgenjs. Le brief intermédiaire est lisible et modifiable, si bien qu'une personne ou un agent peut changer la mise en page d'une diapositive sans régénérer toute la présentation, et comme le contexte de chaque diapositive est fixé d'abord, le coder tourne en parallèle, ce qui rend cette étape environ six à sept fois plus rapide.
Les données d'entraînement sont elles-mêmes synthétiques. Sans corpus public de plans, de décisions de design et de code de diapositives, IBM a généré environ 1 000 présentations couvrant quelque 10 000 diapositives à partir d'un modèle enseignant plus grand, chacune partant d'une recette fixant genre, longueur et mise en page pour que les données de contrôle aient de la couverture. Chaque exemple porte un raisonnement écrit en contrefactuel, qui explique pourquoi un choix rejeté était mauvais, afin que le modèle apprenne la règle et pas seulement le résultat.
La partie à copier est le vérificateur. Chaque présentation synthétisée est rendue et inspectée pour les chevauchements et débordements par le même harnais utilisé à l'inférence, et les diapositives cassées sont réparées, la correction n'étant gardée que si le vérificateur confirme que la diapositive s'est améliorée. Cela rend la boucle de réparation sûre à lancer sur chaque sortie : elle peut corriger une diapositive, jamais l'aggraver. Sur PresentBench, le harnais ajoute 3.5 points en moyenne sur 131 présentations, et Palette se classe deuxième sur trois domaines avec 59.7 contre 60.8 pour NotebookLM, en tant que seul modèle ouvert de 20B. Nous testons des rivaux cloud comme Gamma et Beautiful.ai qui résolvent la version hébergée de ce problème.
Les réserves sont réelles. Le billet ne nomme aucun modèle de base, aucune licence ni lien pour télécharger les poids, il se lit donc pour l'instant comme un rapport de recherche plutôt que comme quelque chose qu'on peut auto-héberger aujourd'hui. IBM est franc : la fidélité est le problème le plus dur ; si un brief demande un tableau de six par cinq mais fournit trois puces, le coder doit inventer le reste, et aucune règle de prompt ne l'empêche de façon fiable. La méthode, pas le score du banc d'essai, est ce que d'autres équipes produisant des documents structurés devraient retenir.