Agents IA : pourquoi ils s’effondrent sur les tâches longues

Temps de lecture : 5 min

Les agents IA savent tout faire, jusqu’au moment où tout casse

En pratique, les agents IA enchaînent aujourd’hui des actions complexes : consulter un site, manipuler des données, écrire du code, utiliser des outils, vérifier un résultat, corriger une erreur. Cette autonomie impressionne, mais elle a une limite que beaucoup sous-estiment : plus une mission comporte d’étapes interdépendantes, plus le risque d’échec augmente.

Ce que révèle une étude récente, intitulée « The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break », c’est que la dégradation n’est pas progressive. Les chercheurs ont développé un benchmark nommé Horizon et analysé plus de 3 100 trajectoires d’agents dans des environnements variés (Web, systèmes d’exploitation, bases de données, environnements incarnés). Les tests portaient sur des modèles d’OpenAI et d’Anthropic.

Résultat clé : les performances restent stables, puis s’effondrent brutalement au-delà d’un certain seuil. Autrement dit, un agent qui réussit une tâche en trois étapes ne garantit rien pour une mission en quinze étapes.

Ce qui fait vraiment la différence : le processus avant le modèle

L’étude distingue sept catégories de défaillances, regroupées en deux familles. La première concerne l’exécution : erreurs d’interaction avec l’environnement, mauvaise interprétation des instructions, problèmes de planification, accumulation d’erreurs. La seconde relève des capacités propres à l’agent : limitations de mémoire, oubli d’informations, fausses hypothèses.

La répartition est parlante : 72,5 % des échecs sont liés au processus, contre 27,5 % à la conception de l’agent. Cela signifie qu’améliorer le modèle n’est pas toujours la solution. Dans la majorité des cas, le problème se joue dans la manière dont la mission est découpée, planifiée et exécutée.

Soyons clairs : cette distinction n’est pas un détail théorique. Elle détermine la stratégie de remédiation. Une panne de conduite peut être corrigée en réorganisant le chantier. Une limite de fabrication exige de changer l’outil.

Pourquoi le chantier tient, puis s’effondre d’un coup

Le mécanisme de l’effondrement est simple. Une erreur de planification commise tôt peut se propager à toutes les étapes suivantes. L’agent construit alors la suite de son travail à partir d’une information erronée. Plus les actions sont dépendantes, plus l’effet domino devient probable.

Anthropic met aussi en avant un phénomène aggravant : la « pollution du contexte ». Au fil de la mission, l’agent accumule des informations et des résultats intermédiaires. Une partie devient inutile, mais encombre son contexte et brouille son jugement. D’où un constat crucial pour les entreprises : la performance sur une tâche courte ne prédit pas la fiabilité sur une tâche longue.

Le bon découpage : séparer des chantiers, jamais des étapes

Le réflexe naturel consiste à découper en phases : conception, réalisation, tests, chaque phase étant confiée à une machine différente. C’est ce que déconseillent les experts d’Anthropic. Ces phases partagent trop de contexte, et chaque passage de relais abîme l’information, comme dans un téléphone arabe.

Ce qui fonctionne, c’est de séparer des chantiers qui ne se marchent pas dessus, tout en laissant les tests à celle qui a produit le travail. Ce qui casse, ce sont les longues suites d’actions dépendantes, pas la durée en soi. Changer de fournisseur ne corrige rien. Seule la relecture d’ensemble échappe à la règle : elle revient à une machine n’ayant rien produit.

Les questions à poser avant de signer

Pour un dirigeant ou une DSI, la question n’est pas seulement de savoir si un agent est capable d’accomplir une mission. Il faut pouvoir retracer son travail, comprendre ses décisions et reprendre le processus après une erreur. Quatre questions sont essentielles :

• Qui a pris cette décision ?
• Sur quelles informations ?
• À quel coût ?
• Peut-on rejouer la seule étape qui a échoué ?

Faute de la quatrième réponse, chaque incident fait tout recommencer. La règle tient en une phrase : plusieurs petites machines sur des chantiers indépendants valent mieux qu’une seule qui fait tout. La condition est dans le mot « indépendants ». Sans elle, on paie le prix du découpage sans le bénéfice : de 3 à 10 fois plus cher qu’une machine seule, à résultat équivalent. La consigne des laboratoires reste de commencer par le plus simple qui marche.

Conclusion : anticiper les pannes pour mieux les éviter

En pratique, les agents IA sont des outils puissants, mais qui ont des limites structurelles. Comprendre ces limites permet de mieux les superviser et de concevoir des processus plus robustes. En appliquant les principes de découpage et de surveillance, vous réduirez considérablement les risques d’échec et maximiserez le retour sur investissement de vos solutions IA.