Agents IA : cinq questions pour valider un travail avec des preuves

Anthropic rapporte que, dans ses essais, Claude, son IA, avait tendance à annoncer une fonction achevée avant de l'avoir convenablement mise à l'épreuve. Voici cinq questions pour accepter le travail d'un agent IA, avec les pièces attendues et une personne chargée de les relire.

• Demandez une pièce consultable pour chaque résultat annoncé comme testé.
• Nommez la personne qui accepte le travail et donnez-lui les moyens de le contrôler.
• Élargissez l'autonomie tâche par tâche, après des succès répétés.

Avant de commencer, réunissez une tâche délimitée, les documents nécessaires, un relecteur nommé et un rangement pour les pièces. Les erreurs à écarter : accepter sur la seule synthèse, demander simplement de « vérifier que c'est bon » ou lancer une consigne sans pièce attendue. Pour mesurer le temps nécessaire, notez séparément la préparation, l'exécution par l'agent et la relecture humaine lors de votre essai.

Traitez le compte rendu de l'agent comme le point de départ de votre relecture. Dans son article sur les agents travaillant longtemps, publié en novembre 2025, Anthropic rapporte que Claude annonçait trop vite l'achèvement du projet. Certaines fonctions recevaient aussi le statut de travail terminé alors que leur contrôle restait insuffisant. La parade décrite consiste à réserver le statut « réussi » au travail passé par un test de bout en bout. Autrement dit, on essaie le parcours complet, de la première action au résultat final.

Pour votre entreprise, traduisez cette règle en une question très terre à terre : qu'est-ce que je peux regarder pour accepter ce résultat ? La synthèse est le récit que l'agent fait de son propre travail. Il raconte, et il raconte bien. Demandez l'élément qui relie l'affirmation au travail effectué : le résultat du test, le document produit ou la trace de l'action attendue.

Commencez par une tâche délimitée, par exemple la préparation d'un tableau à partir de documents que vous fournissez. Écrivez ce que le tableau doit contenir, puis demandez comment chaque information pourra être retrouvée dans les documents de départ. Prévoyez aussi le traitement des informations manquantes. Vous aurez ainsi quelque chose de précis à relire.

Fixez enfin le sens du mot « terminé » avant de lancer le travail. Vous pouvez distinguer le résultat préparé, le contrôle effectué et l'acceptation humaine. Même dans un simple document partagé, ces états vous donnent une façon claire de dire où en est la tâche.

Rédigez la consigne et le contrôle dans le même mouvement. Anthropic explique, dans « Building effective agents », publié en 2024, qu'un agent doit obtenir à chaque étape une « vérité terrain » issue de son environnement pour juger de ses progrès. Cela peut être le résultat d'un outil ou l'exécution du code. En langage courant : quelque chose d'observable auquel confronter ce qu'il raconte.

Pour votre premier essai, choisissez un résultat que vous savez vous-même contrôler. Si vous demandez un tableau, indiquez les rubriques attendues et les documents à utiliser. Si vous demandez une modification, décrivez ce qui devra fonctionner une fois celle-ci réalisée.

Vous pouvez préparer une fiche de mission avec ce cadre. Elle rassemble ce que l'agent doit faire et ce que vous devrez pouvoir examiner.

Reliez chaque pièce à une affirmation précise. Choisissez la preuve qui répond à votre question : une capture pour un affichage, le détail de l'opération pour un calcul. Dans ce dernier cas, demandez aussi les valeurs utilisées.

Regroupez les points d'arrêt utiles dans la consigne. Anthropic décrit la possibilité de faire une pause pour un retour humain ; dans « Trustworthy agents in practice », publié en 2026, l'entreprise présente aussi le mode Plan de Claude Code : l'utilisateur relit, modifie et approuve le plan avant toute action. Reprenez ce principe pour les choix qui méritent discussion. Écrivez quelles actions exigent votre accord et dans quelles situations l'agent doit vous rendre la main.

Désignez la personne qui peut accepter le résultat avant de démarrer. Dans son guide d'auto-évaluation sur l'IA en production de mars 2022, la CNIL invite à identifier les personnes chargées de la supervision, à les former et à leur donner les moyens nécessaires. Elle demande aussi de contrôler la qualité des sorties tout au long de la vie du système. Le nom du responsable est donc un début ; prévoyez aussi son accès aux pièces et sa capacité à demander une correction.

La CNIL distingue trois niveaux de contrôle humain. Pour organiser votre essai, partez d'une question pratique : à quel moment voulez-vous intervenir ? Reportez cette réponse dans les points d'arrêt de la fiche de mission.

Préparez une relecture que quelqu'un d'autre pourrait reprendre. Indiquez où trouver le résultat, quelle pièce consulter et quel critère appliquer. Une consigne comme « vérifier que c'est bon » laisse beaucoup de place à l'improvisation. Préférez un contrôle précis, avec un critère que le relecteur peut appliquer.

Le relecteur doit aussi pouvoir refuser le résultat ou demander un complément. À chaque écart, choisissez la suite : corriger, expliquer ou soumettre le choix à un humain. Inscrivez cette décision avec la pièce qui la justifie.

Raphaël Tournaire, à qui appartient ce site, applique cette séparation dans son propre tableau de pilotage d'agents IA. Il en témoigne ainsi : « Dans mon tableau de pilotage d'agents IA, aucun agent ne valide son propre travail : c'est moi qui accepte chaque tâche et qui valide chaque résultat, et les deux sont signés. » Dans votre méthode, vous pouvez vous en inspirer en prévoyant des champs distincts pour le compte rendu et pour la décision du relecteur.

Raphaël précise : « Chez moi, chaque “vérifié” ou “testé” d'un agent doit s'appuyer sur une pièce : une modification datée du code, une capture d'écran, la sortie d'un test. » À la réception du travail, ouvrez la pièce associée à chaque contrôle annoncé.

Il ajoute : « Une recherche vide ne prouve pas une absence : mes agents doivent dire où ils n'ont pas cherché. » Pour votre recherche, demandez les endroits consultés et ceux laissés de côté afin de décider si le périmètre répond à votre besoin.

Il s'impose aussi cette règle : « Ma règle : un seul exemplaire de chacun de mes agents travaille à la fois. » Pour votre tâche d'essai, faites travailler un seul exemplaire du même agent à la fois.

Enfin, il décrit sa façon de contester un résultat : « Quand je conteste un résultat, l'agent maintient avec ses preuves ou reconnaît son erreur ; il ne change pas d'avis seulement parce que j'insiste. » Pour votre relecture, ramenez donc la discussion aux pièces et au critère fixé au départ.

Passez maintenant les cinq questions sur une tâche réelle et délimitée. Pas besoin d'organiser un grand oral : ouvrez le résultat et ses pièces, puis inscrivez votre décision.

Pour le tableau préparé par l'agent, reprenez les critères écrits au départ et examinez les justificatifs correspondants. Décidez ensuite si vous l'acceptez pour l'usage prévu ou si vous demandez une correction ciblée.

Si une pièce manque, formulez une demande qui puisse être exécutée. Écrivez par exemple : « Indique le document utilisé pour cette information et le passage qui la justifie. » Si le résultat reste discutable, revenez au critère d'acceptation. Cette façon de faire donne une suite concrète à la relecture.

Rangez ensemble la consigne, le résultat, les pièces et votre décision, à un endroit que votre équipe saura retrouver. À la tâche suivante, repartez de la même grille et ajustez seulement ce qui doit l'être.

Faites progresser l'autonomie par type de tâche. Dans « Building effective human-agent teams », publié en 2026, le blog de Claude décrit une démarche où des humains relisaient d'abord chaque décision et écrivaient des listes de vérification adaptées aux tâches. L'autonomie s'élargissait après des succès répétés dans une catégorie donnée. Les décisions demandant un arbitrage difficile gardent toujours un humain.

Pour appliquer cette logique, regroupez vos essais par travail comparable. Préparer un tableau, rechercher une information et proposer une modification peuvent avoir chacun leur grille. Quand une catégorie donne satisfaction de façon répétée, décidez quel point de contrôle vous souhaitez alléger. Gardez une validation humaine pour les choix qui exigent votre jugement.

Prévoyez aussi un espace d'essai distinct de votre travail courant. Dans son article de 2024, Anthropic souligne que l'autonomie veut dire des coûts plus élevés et des erreurs qui peuvent s'additionner ; l'entreprise recommande de longs essais dans un environnement isolé, avec des garde-fous. Pour votre méthode, utilisez des copies de travail et définissez les actions autorisées avant le lancement.

Le bon premier geste tient dans une fiche : une tâche, un résultat attendu, une pièce, une personne qui valide. Faites cet essai, relisez le résultat et notez ce qu'il faut améliorer dans la consigne. Pour préparer la tâche suivante, reprenez aussi les temps mesurés : préparation, exécution et relecture.

• Anthropic, Building effective agents
• Anthropic, Effective harnesses for long-running agents
• Claude, Building effective human-agent teams
• Anthropic, Trustworthy agents in practice
• CNIL, Utiliser un système d'IA en production