Macaron-A2UI: A Model for Generative UI in Personal Agents
Article arXiv 2026 récent centré sur la Generative UI au runtime pour les agents personnels. Les auteurs montrent que le chat seul devient un goulot d'étranglement pour les tâches agentiques complexes, introduisent un grand corpus de Generative UI ainsi qu'A2UI-Bench, et entraînent des modèles qui génèrent du langage naturel avec des actions UI exécutables légères pour la confirmation, l'affinage des préférences et la coordination multi-objectifs.
Efficient Personalization of Generative User Interfaces
Article arXiv récent sur l'un des problèmes centraux encore ouverts de GenUI : la personnalisation. Les auteurs collectent des jugements par paires auprès de designers formés sur les mêmes 600 UI générées, montrent que les préférences de design divergent fortement, puis proposent un modèle de préférences frugal en échantillons qui personnalise les interfaces générées mieux que les évaluateurs baseline et le prompting direct.
MAIC-UI: Making Interactive Courseware with Generative UI
Article arXiv récent qui présente un système GenUI zero-code pour les supports pédagogiques interactifs. MAIC-UI transforme manuels, PPT et PDF en pages d'apprentissage interactives, utilise un pipeline generate-verify-optimize pour préserver la justesse pédagogique, et prend en charge des éditions incrémentales click-to-locate au lieu d'une régénération complète coûteuse.
Software as Content: Dynamic Applications as the Human-Agent Interaction Layer
Article arXiv 2026 qui défend l'idée que le chat seul est un mauvais médium pour le travail humain-agent structuré et stateful. Les auteurs proposent Software as Content, où des applications agentiques générées dynamiquement deviennent la couche d'interaction principale, persistent entre les tours et exposent des contrôles actionnables au lieu de tout forcer dans du texte linéaire.
The Keyhole Effect: Why Chat Interfaces Fail at Data Analysis
Article arXiv 2026 qui soutient que le chat est une mauvaise surface par défaut pour les travaux d'analyse multi-étapes et stateful. Il fournit une explication issue des sciences cognitives sur les limites des conversations linéaires, puis positionne la Generative UI et d'autres patterns d'interaction hybrides comme des moyens pratiques de restaurer visibilité, mémoire spatiale et contrôle utilisateur.
Gradual Generation of User Interfaces as a Design Method for Malleable Software
Article arXiv 2026 qui propose "Gradually Generating User Interfaces", une méthode de design GenUI insérant des couches d'interface intermédiaires pendant la génération afin que les utilisateurs découvrent et contrôlent les options de personnalisation sans être submergés par un énorme prompt ou un système de menus dense.
Generative UI: LLMs are Effective UI Generators
Paper Google Research qui articule pour la première fois de façon systématique le concept de Generative UI. Il définit la Generative UI comme "des modèles d'IA générant non seulement du contenu, mais toute l'expérience utilisateur". Les expériences montrent qu'avec les bons prompts et outils, les LLMs peuvent générer des interfaces interactives personnalisées de haute qualité, largement préférées par des utilisateurs humains (44 % des cas comparables à des experts humains). Le paper publie aussi le dataset PAGEN pour évaluer les interfaces générées.
Generative Interfaces for Language Models
Paper ACL 2026 Findings qui propose un paradigme où les LLMs génèrent proactivement des interfaces adaptées à la tâche au lieu de répondre uniquement par du texte. Le travail combine des représentations spécifiques aux interfaces avec un raffinement itératif et rapporte que les évaluateurs humains ont préféré les interfaces génératives aux interfaces conversationnelles jusqu'à 72 % sur des tâches denses en information et exploratoires.
Towards a Working Definition of Designing Generative User Interfaces
Paper DIS 2025 qui propose la première définition de travail de Generative UI (GenUI) à partir d'une revue de littérature et d'analyses de cas. La recherche identifie GenUI comme un nouveau paradigme de création d'interfaces où "les humains et l'AI collaborent au design-time pour générer des interfaces, et les utilisateurs interagissent au runtime avec des interfaces générées par l'AI". Le paper résume cinq caractéristiques clés de GenUI : co-création, expansion de l'espace de design, fluidité représentationnelle, adaptation contextuelle et generation-first.
Generative and Malleable User Interfaces with Generative AI
Paper CHI 2025 qui propose d'utiliser l'AI pour générer des "interfaces utilisateur génératives et malléables" à partir des tâches utilisateur. Les auteurs conçoivent un modèle de données task-driven où les LLMs analysent les prompts utilisateur et génèrent des spécifications UI, puis les mappent vers des interfaces concrètes. Les expériences démontrent que cette méthode peut générer dynamiquement des éléments d'interface comme des formulaires et des visualisations, tout en permettant aux utilisateurs de modifier les interfaces en langage naturel.
BISCUIT: Scaffolding LLM-Generated Code with Ephemeral UIs in Computational Notebooks
Paper VL/HCC 2024 d'Apple Research qui présente BISCUIT, un workflow JupyterLab insérant une couche UI éphémère entre l'intention utilisateur et le code généré par LLM. Au lieu de passer directement du prompt aux fichiers source, les utilisateurs interagissent d'abord avec des contrôles générés temporaires qui les aident à comprendre les options, affiner leurs demandes et explorer les variables avant l'émission du code.