Contexte et limites des agents IA
Les évaluations récentes montrent que les agents IA restent en dessous des exigences opérationnelles. Sur le benchmark LiveBench 2.0, Claude Fable 5.2 atteint 82,9 % de réussite sur 100 tâches, tandis que ChatGPT‑6 Astra n’obtient que 75,6 %. Une étude interne d’EON dans un environnement d’entreprise simulé place Claude Opus 4.8 à 76,8 % de précision. Ces scores, bien que supérieurs à la moyenne, indiquent que les modèles probabilistes peinent à gérer des scénarios complexes sans supervision humaine.
Simulation et jumeau numérique
Plurai, fondée par Ilan Kadar et Elad Levi, exploite l’expérience de leurs précédents postes chez Nexar et Waymo, où ils ont développé des simulations pour la conduite autonome. Le 11 novembre 2026, la startup a levé 13 millions de dollars en seed, un tour mené par Team8 avec la participation de U&I, Velocity et Mercer. La plateforme crée un jumeau numérique des systèmes électroniques d’une entreprise – bases de connaissances, API et outils – puis génère un graphe de tous les flux possibles d’un agent. Ce graphe sert à identifier les cas limites et à préparer le modèle via des évaluations itératives avant le déploiement réel.
Entraînement ciblé et optimisation des coûts
Le processus de Plurai consiste à extraire un grand modèle de langage, à le découper en sous‑tâches grâce à la simulation, puis à entraîner un modèle à poids ouvert spécialisé sur les données synthétiques générées. Selon les tests menés avec Nvidia et Nebius, ces modèles spécialisés surpassent les modèles de milieu de gamme « frontier » tout en réduisant les dépenses d’inférence d’un à deux ordres de grandeur. Kadar précise que la vérification de la qualité se fait entièrement dans la simulation, garantissant une performance comparable ou supérieure sans recourir aux coûts élevés des modèles généraux.
Perspectives et contraintes
Le principal avantage identifié par la chercheuse de DeepMind, Reah Miyara, réside dans la capacité à cartographier les modes d’échec en production et à générer des données synthétiques ciblées. Cependant, la méthode dépend de la disponibilité d’un référentiel complet des systèmes d’entreprise ; toute omission dans le jumeau numérique peut laisser des scénarios non couverts. De plus, la réduction de coût ne s’applique qu’aux tâches où les données synthétiques reproduisent fidèlement la distribution réelle, ce qui nécessite un suivi continu des écarts entre simulation et environnement opérationnel. En l’absence de ces garanties, les agents restent sensibles aux dérives de contexte, comme les dépassements de politiques de dépenses ou les surcharges de contexte dans les conversations client.
