Évaluation d’agents IA : trajectoires, outils et autorité
Évaluer un agent IA au-delà du résultat final : plan, appels d’outils, état, coûts, permissions, récupération et refus.
Un agent peut atteindre un bon résultat par une trajectoire dangereuse, coûteuse ou non reproductible.
Donner au modèle la capacité de proposer et d’autoriser ses propres actions concentre trop d’autorité dans un composant probabiliste.
L’évaluation doit porter sur la trajectoire complète et séparer proposition, permission, exécution et vérification.
Ce que l’architecture doit rendre explicite
Évaluer un système IA consiste à relier une capacité, un objet exact, un protocole, des observations et une règle de décision. Un score isolé n’est pas une qualification.
Passer d’un mot-clé à une décision d’ingénierie inspectable
Contractualiser
Définir le comportement requis, les erreurs interdites et les seuils avant le test.
Séparer
Isoler recherche, confirmation, données protégées et Fresh Final pour éviter la contamination.
Mesurer
Enregistrer sorties, métriques, erreurs, latence et identité du sujet mesuré.
Adjudication
Interpréter les observations sans permettre au producteur du candidat d’imposer le verdict.
Une affirmation ne vaut que par son binding
Le gate doit évaluer la sortie réellement produite par la réalisation exacte. Intégrité, validité scientifique et autorité sont liées, mais jamais interchangeables.
Les questions qui changent la conception
Que demande concrètement évaluation d’agents ia : trajectoires, outils et autorité ?
Un agent peut atteindre un bon résultat par une trajectoire dangereuse, coûteuse ou non reproductible. Évaluer un système IA consiste à relier une capacité, un objet exact, un protocole, des observations et une règle de décision. Un score isolé n’est pas une qualification.
Quelles preuves faut-il conserver ?
Au minimum : identité exacte de la réalisation, entrées et sorties, version du protocole, mesures, cas d’échec et règle de décision. L’évaluation doit porter sur la trajectoire complète et séparer proposition, permission, exécution et vérification.
AMF impose-t-il un modèle particulier ?
Non. AMF traite modèle, runtime, données, outils et composants déterministes comme des matériaux candidats. Leur conservation dépend de leur contribution mesurée et des contraintes déclarées.