Technologie
Évaluer un agent consiste à lui donner des tâches et à examiner ses résultats avec des critères précis. Un score résume cette évaluation. Il faut lire les tâches et les réglages avant de conclure sur ses capacités.
Comprendre le mécanisme
Une évaluation prépare des tâches et définit comment juger leurs résultats. Un contrôleur peut comparer une réponse attendue, vérifier un format ou appliquer une grille. Les scores sont ensuite regroupés pour résumer le test.
Une équipe pourrait préparer dix dossiers fictifs, dont certains sont incomplets. Elle donnerait les mêmes tâches aux assistants comparés et garderait les réglages du test. Une relecture examinerait les dossiers réussis, les erreurs et les interventions nécessaires avant de discuter le score global.
Une note décrit les cas évalués avec leurs critères. Elle ne démontre pas la réussite sur toutes les situations absentes du test.
Dans un projet
Une équipe peut demander à plusieurs assistants de traiter les mêmes dossiers avec des critères communs. Elle examine les réussites, les erreurs et les conditions du test. Un score seul ne décrit pas toutes les situations de travail.
Exemple fictif. Il illustre un usage, sans résultat mesuré.
Lisez les tâches, les réglages, les coûts et les erreurs avant de choisir un outil.
Un travail défini à l’avance
Chaque résultat est évalué
À comparer avec les conditions du test
Illustration du principe. Les fonctions disponibles dépendent de l’outil et de vos accès.
Articles 51 - 60 sur 68. Les mots-clés, les dates et les conditions d’accès vous aident à choisir.
L’essentiel
JAPAN AI, entreprise japonaise filiale de GENIEE, ouvre les candidatures à JAPAN AI Cyber. Le premier diagnostic est annoncé gratuit, avec un périmètre convenu individuellement.
Source vérifiée le
L’essentiel
L’évaluateur Artificial Analysis publie AA-Robotics v0.1 en préversion de recherche. Cinq modèles affrontent huit tâches. GPT-6 Astra atteint 69,4 points, contre 64,6 pour GPT-6.1 Sol.
Source vérifiée le
L’essentiel
Google annonce l’accès mondial à Deep Review, avec deux revues offertes par semaine. Le service examine les arguments et la cohérence d’un document, avec une décision finale humaine.
Source vérifiée le
L’essentiel
Arm publie une méthode pour comparer les processeurs qui exécutent les outils des agents IA.
Source vérifiée le
L’essentiel
DXC décrit OASIS, ses agents déjà utilisés pour traiter des incidents informatiques.
Source vérifiée le
L’essentiel
Google décrit un essai sur les 205 000 lignes Python d’ADK. La revue conserve deux optimisations parmi six proposées par Gemini 4 Argon.
Source vérifiée le
L’essentiel
Google présente Gemini 4 Argon pilotant un robot Spot pour jeter une canette. Une simulation de la poubelle à pédale sert à préparer les mouvements.
Source vérifiée le
L’essentiel
L’institut britannique AISI propose huit priorités pour sécuriser les modèles avancés pendant leur développement et leur utilisation. Ces bonnes pratiques sont volontaires et ne créent pas de nouvelle obligation légale.
Source vérifiée le
L’essentiel
Alibaba Cloud décrit AgentCore, une plateforme pour exécuter les agents et suivre leur travail. L’article détaille leurs accès, leurs actions et leur évaluation, sans établir un premier lancement le 12 octobre.
Source vérifiée le
L’essentiel
DigitalOcean ouvre en préversion des outils pour examiner les actions d’un agent et tester des corrections. Le service de données reste en préversion privée, et ces services ne couvrent pas la production.
Source vérifiée le
