Retour au blog

Ingénierie & IA

Une IA qui choisit dans une liste invente moins de valeurs

19 novembre 20267 min de lecturePar Alpha Oumar Sow

Une étude de novembre 2026 : un assistant qui choisit dans une liste n'a inventé aucune valeur sur 10 888 appels, quand un modèle qui écrit en invente.

Une commande part chez un fournisseur avec une quantité que personne n'a saisie. Un rapport est lancé avec une option que personne n'a choisie. Le logiciel a décidé à votre place, et rien à l'écran ne l'a signalé.

Ce n'est pas une panne. C'est le comportement ordinaire d'un assistant qui écrit du texte pour agir.

Un tel programme, appelé agent dans le secteur, reçoit une demande, puis déclenche des actions dans vos logiciels : envoyer un courriel, créer une commande, lancer un calcul. Chaque action passe par un outil, une fonction que le logiciel expose, avec ses champs et le format attendu.

Le problème est là. Pour agir, l'assistant doit remplir ces champs. Et quand une valeur manque dans la demande, il en écrit souvent une. Elle est plausible. Elle est fausse.

Ce qui se passe quand un assistant remplit un formulaire

Un assistant ne clique pas dans une interface. Il rédige une demande, mot après mot, que le logiciel lit ensuite comme un formulaire rempli.

La comparaison utile est le formulaire papier. Imaginez un employé qui remplit un bon de commande au stylo, sans brouillon, et qui écrit même quand il ignore la réponse. Chaque case reçoit quelque chose de lisible. Rien ne l'oblige à laisser vide.

C'est ce qui se passe pour une quantité, une date, une référence produit ou un réglage technique. Le modèle poursuit son texte. Une valeur absente devient une valeur inventée, avec la même apparence que les autres.

La suite est plus gênante encore. L'action part. Un champ faux ne bloque pas l'envoi. Il devient un fait, et les étapes suivantes s'appuient dessus.

La valeur inventée n'est pas une erreur de calcul

On parle d'hallucination quand un programme de ce type produit une information fausse avec l'apparence du vrai. Le mot est trompeur : il suggère une panne passagère. Il décrit en réalité un fonctionnement normal.

Un modèle de langue, autrement dit un programme qui produit du texte en prolongeant ce qu'on lui donne, ne consulte pas un fichier pour retrouver la bonne valeur. Il écrit la suite la plus vraisemblable. Quand la valeur exacte n'est pas dans la demande, cette suite reste une valeur de même forme : un nombre au bon format, une date cohérente.

L'analogie tient au théâtre. Un comédien qui a oublié sa réplique improvise une phrase qui s'enchaîne bien. Le public ne voit rien. Le texte, lui, n'est plus celui de l'auteur.

C'est pourquoi la taille du modèle ne règle pas le problème. Un modèle plus grand improvise mieux, pas moins.

Une autre méthode : choisir au lieu d'écrire

Une équipe de recherche a pris le problème autrement. Au lieu de demander au modèle d'écrire l'appel, elle lui demande de choisir.

Le principe tient en une phrase : le modèle juge, le code exécute.

Trois pièces composent le dispositif. Un programme de traduction transforme la demande et la fiche technique de l'outil en questions fermées : quel outil, quelle valeur pour ce champ, faut-il appeler quelque chose du tout. Les réponses possibles viennent de la demande, de la fiche de l'outil ou d'une conversion à règle fixe. Le modèle lit chaque question et renvoie un score par option, entre 0 et 1. Il ne produit aucun texte. Le code, enfin, assemble l'appel avec les options retenues.

Deux garde-fous en découlent. Si deux outils sont proches, une question de départage tranche. Si le score du meilleur outil descend sous 0,5, l'assistant refuse la demande. Si une valeur obligatoire manque, il ne la remplit pas : il pose la question à l'utilisateur, à partir de la fiche de l'outil.

L'analogie est celle du guichet. Un rédacteur invente une réponse quand il ne sait pas. Un guichetier pointe une case sur une liste, et rend le dossier incomplet quand la pièce manque.

Conséquence directe : une valeur inventée devient impossible. Le modèle ne peut choisir que parmi les options qu'on lui montre.

Ce que mesure l'étude

L'étude a été déposée le 16 novembre 2026 sur arXiv, l'archive publique de prépublications. Ses auteurs, Eleftherios Tzanis et Michail E. Klontzas, viennent de l'université de Crète et de l'institut Karolinska. Le terrain est biomédical : 157 outils sur 18 serveurs, de l'imagerie médicale à l'analyse de génomes.

Six agents « choix multiple » ont été comparés à neuf agents classiques, avec et sans phase de raisonnement, tous en local sur une seule carte graphique.

Le jeu de test compte 1 952 demandes, dont 307 hors sujet auxquelles aucun outil ne peut répondre.

Sur la sélection de l'outil, le meilleur agent « choix multiple » atteint 97,0 %, contre 95,2 % pour le meilleur agent classique. Sur les demandes entièrement correctes, les deux scores sont 93,9 % et 91,3 %.

La mesure la plus parlante concerne la fiabilité. Sur 10 888 appels et 33 945 valeurs transmises, aucun appel du dispositif « choix multiple » ne contient de valeur inventée. Chez les agents classiques, 5,5 à 19,7 % des appels en contiennent au moins une, selon la configuration. La phase de raisonnement ne les fait pas disparaître.

Le cas des demandes incomplètes est plus net encore. Sur 174 demandes auxquelles manquait une valeur obligatoire, les agents « choix multiple » ont choisi le bon outil. Ils ont rempli les valeurs présentes et signalé la case manquante dans 86,2 à 93,7 % des cas. Les agents classiques y sont parvenus dans 5,7 % des cas au mieux. Le plus précis d'entre eux a inventé la valeur manquante dans 27,6 % des demandes, et jusqu'à 62,1 % pour d'autres configurations.

Ce que cela change dans une PME

La question utile n'est pas « quel modèle est le meilleur ». C'est « quelles décisions ai-je le droit de laisser à un programme ».

Trois conditions signalent une tâche adaptée. Les actions possibles sont connues à l'avance. Les valeurs utiles figurent déjà dans la demande ou dans un référentiel. Une erreur se voit tout de suite.

Quelques exemples : orienter un courriel client vers le bon service, créer une commande depuis un bon de livraison, extraire les champs d'une facture, choisir la procédure applicable à une demande de congé.

À l'inverse, trois familles restent du texte libre : rédiger une réponse commerciale, résumer un contrat, arbitrer une demande ambiguë. Là, la souplesse du modèle fait la valeur, et la relecture humaine reste un contrôle, pas une formalité.

Le point de gouvernance compte aussi. Chaque question et chaque score s'enregistrent. Une décision se rejoue, se vérifie, s'explique : « voici la case cochée, et voici pourquoi ».

Trois questions à un fournisseur suffisent pour trier les offres. Que se passe-t-il quand une valeur obligatoire manque ? L'outil peut-il refuser une demande qu'il ne sait pas traiter ? Peut-on rejouer une décision passée, champ par champ ?

Trois limites à vérifier avant d'adopter

Première réserve : c'est une prépublication, déposée le 16 novembre 2026 et pas encore évaluée par les pairs. Elle vient d'une seule équipe, sur un seul domaine, avec des outils biomédicaux. Les auteurs publient le code, les données et les résultats, ce qui permet de refaire les calculs. Cela ne remplace pas une réplication indépendante.

Deuxième réserve : la méthode ne couvre que les appels structurés. Sur le remplissage des valeurs, cinq agents classiques ne sont pas significativement derrière le meilleur agent « choix multiple ». L'avantage porte surtout sur le choix de l'outil et sur le refus.

Troisième réserve : les erreurs ne disparaissent pas, elles changent de forme. Un agent peut choisir la mauvaise option parmi celles qu'on lui montre, ou placer une valeur correcte dans un champ au mauvais format : 22 cas sur 10 888 appels. Le dispositif supprime l'invention, pas la faute.

Une conséquence pratique : la qualité de vos fiches d'outils devient le plafond. Un champ mal décrit produit de mauvaises options. Le travail de fond se déplace du choix du modèle vers la description précise de vos processus.

Reste une question de méthode, valable même sans adopter cette approche. Avant d'automatiser une action, demandez ce que le programme fait quand l'information manque. Souvent, il écrit quelque chose.

Ce qu'il faut retenir

  • Un assistant qui déclenche une action doit remplir des champs. Quand une valeur manque, un modèle qui écrit en produit une plausible, et rien ne le signale.
  • Dans l'étude du 16 novembre 2026, 5,5 à 19,7 % des appels d'agents classiques contiennent au moins une valeur inventée.
  • La méthode inverse transforme chaque décision en choix multiple : aucune valeur inventée sur 10 888 appels.
  • Le meilleur agent « choix multiple » a traité 93,9 % des demandes entièrement correctement, contre 91,3 % pour le meilleur agent classique.
  • Pour une tâche répétitive à champs fixes, demandez un agent qui choisit et qui pose la question au lieu de deviner.
  • Une valeur manquante doit produire une question, jamais une réponse plausible.

À lire : Agents IA en production : ce qui marche vraiment et Une IA corrige votre code : quatre erreurs sur dix passent les tests.

Situer votre entreprise.

Pour aller plus loin · Situer votre entreprise en 30 minutes

Références

  1. [1] Eleftherios Tzanis et Michail E. Klontzas, « System 1 agents: a method for local, reliable and fast agentic AI », prépublication arXiv:2611.21053, déposée le 16 novembre 2026 — les auteurs proposent de construire des agents locaux qui appellent des outils sans générer de texte ; un programme déterministe transforme la fiche de l'outil et la demande en questions à choix multiples, auxquelles un modèle de décision répond par une probabilité par option ; sur 1 952 demandes adressées à 157 outils biomédicaux, le meilleur agent « choix multiple » a choisi le bon outil ou correctement refusé dans 97,0 % des cas, contre 95,2 % pour le meilleur des 18 réglages d'agents fondés sur un modèle de langue local ; il a rempli 97,0 % des 6 056 valeurs énoncées ; aucun appel n'a contenu de contenu inventé, contre 5,5 à 19,7 % des appels des agents classiques ; le code est publié en logiciel libre ; prépublication non encore évaluée par les pairs, consultée le 19 novembre 2026
  2. [2] Eleftherios Tzanis et Michail E. Klontzas, « System 1 agents: a method for local, reliable and fast agentic AI », texte intégral, arXiv:2611.21053v1, 16 novembre 2026 — résultats détaillés : 10 888 appels et 33 945 valeurs transmises sans contenu non ancré pour les agents « choix multiple » ; sur 174 demandes auxquelles manquait une valeur obligatoire, les agents « choix multiple » ont traité correctement 86,2 à 93,7 % des cas, contre 5,7 % au mieux pour les agents classiques, dont le plus précis a inventé la valeur manquante dans 27,6 % des demandes et jusqu'à 62,1 % pour d'autres réglages ; consommation de 0,072 à 0,407 wattheure par demande entièrement correcte contre 0,080 à 2,481 pour les agents classiques ; 22 appels sur 10 888 ont transmis une valeur écrite dans un format refusé par la fiche de l'outil ; consulté le 19 novembre 2026
  3. [3] Eleftherios Tzanis, dépôt « SystemOneAgents » sur GitHub — code, données et résultats de l'étude, avec la description de l'architecture en trois composants (agent, compilateur, modèle de décision) et la consigne « le modèle juge, le code assemble » ; le dépôt indique que six agents « choix multiple » ont été comparés à neuf agents fondés sur un modèle de langue local, chacun avec et sans raisonnement, sur 157 outils de 18 serveurs biomédicaux ; consulté le 19 novembre 2026

Alpha Oumar Sow

Gufaca — ingénierie logicielle et IA

Profil LinkedIn

Prêt à passer à l’action ?

Réservez un échange avec un ingénieur et repartez avec une feuille de route claire.

Réserver un diagnostic