Cet article présente l'architecture métacognitive basée sur le LLM (MeLA), un nouveau paradigme pour la conception heuristique automatisée (AHD). Contrairement aux méthodes évolutionnaires existantes qui font évoluer directement le code heuristique lui-même, MeLA fait évoluer des invites directionnelles qui guident un modèle de langage à grande échelle (LLM) pour générer des heuristiques. Ce processus d'« évolution des invites » s'appuie sur un nouveau cadre métacognitif qui affine systématiquement la stratégie de génération en analysant les retours de performance. L'architecture de MeLA intègre un analyseur de problèmes qui construit des invites stratégiques initiales, un système de diagnostic d'erreurs qui corrige le code défectueux et un moteur de recherche métacognitif qui optimise itérativement les invites en fonction de l'efficacité heuristique. Lors d'expériences approfondies sur des problèmes de référence et réels, MeLA surpasse systématiquement les méthodes de pointe existantes, générant des heuristiques plus efficaces et plus robustes. En fin de compte, cette étude démontre le potentiel de l’utilisation des sciences cognitives comme modèle pour l’architecture de l’IA, démontrant que le LLM peut guider de manière métacognitive les processus de résolution de problèmes, ouvrant ainsi une voie plus robuste et interprétable vers l’AHD.
