Glossaire
Définitions des concepts utilisés dans la transformation IA.
Maturité IA
IA-assisté (AI-Assisted) : L'IA est un outil personnel; rien de structurel ne change si elle disparaît. Voir le cadre de référence.
IA-intégré (AI-Integrated) : L'IA est intégrée dans les flux de travail; les rôles passent de « faire » à « diriger ». Voir le cadre de référence.
IA-natif (AI-Native) : La conception du travail assume l'IA comme ressource de premier plan; les rôles sont définis par le jugement, pas l'exécution. Voir le cadre de référence.
IA-favorable (AI-Supportive) : Le dirigeant endosse publiquement l'IA sans pousser l'adoption organisationnelle. Voir le cadre de référence.
IA-opérationnel (AI-Operational) : Le dirigeant fixe des attentes par rôle et finance l'automatisation avant l'embauche. Voir le cadre de référence.
IA-stratégique (AI-Strategic) : Le dirigeant redéfinit l'organisation autour de l'IA et fait de la littératie IA une condition du leadership. Voir le cadre de référence.
Non exposé (Unexposed) (Tier 0) : L'IA ne fait pas partie du travail. Pas d'expérimentation, pas de conscience des capacités. Voir le cadre de référence.
IA-curieux (AI-Curious) (Tier 0.5) : A essayé l'IA, mais ça n'a pas changé la façon dont le travail se fait. L'écart vers le Tier 1 n'est pas une question de connaissance mais de l'habitude de saisir l'IA dès que le travail commence. Voir le cadre de référence.
IA-conscient (AI-Aware) (Tier 1) : L'individu utilise l'IA comme outil personnel sans changer ses flux de travail. Voir le cadre de référence.
IA-constructeur (AI-Building) (Tier 1.5) : Conçoit et teste activement des flux de travail IA. Construit des prompts, itère, expérimente. La phase de construction entre l'usage ponctuel et les flux établis. C'est là que la plupart des gens stagnent. Voir le cadre de référence.
IA-augmenté (AI-Augmented) (Tier 2) : L'individu intègre l'IA dans ses flux de travail récurrents de façon systématique. Voir le cadre de référence.
IA-avancé (AI-Advanced) (Tier 2.5) : Construit des systèmes où l'IA gère la majeure partie de l'exécution. Plusieurs processus reconçus. Le titre du rôle n'a pas changé mais le travail à l'intérieur a changé. Voir le cadre de référence.
IA-natif (AI-Native) (Tier 3) : Rôle reconçu autour du jugement et de la direction. La personne anticipe où la frontière humain-agent va se déplacer et alloue son attention là où elle crée le plus de valeur. Voir le cadre de référence.
Ingénierie IA
Production autonome (Autonomous production) (Échelon 5) Modèle d'ingénierie où la spécification entre et le logiciel sort sans intervention humaine sur le code. L'humain définit l'architecture, les contraintes et les scénarios; l'IA produit, teste et itère le code. Aussi appelé «usine autonome» (dark factory). Voir le Lab IA.
Code assisté (Assisted coding) (Échelon 0) Mode de développement où l'humain code et l'IA suggère des complétions. Le niveau d'assistance IA le plus bas en ingénierie logicielle.
Développement non-interactif (Non-interactive development) Mode de travail où les spécifications et scénarios dirigent des agents autonomes. L'humain ne code pas et ne converse pas avec l'agent pendant l'exécution. Voir le Lab IA.
Scénarios (Scenarios) Parcours utilisateur de bout en bout qui décrivent le comportement attendu du point de vue de l'utilisateur. Privilégiés par rapport aux tests unitaires parce qu'ils sont plus difficiles à contourner par les agents. Voir le Lab IA.
Métrique de satisfaction (Satisfaction metric) Approche d'évaluation qui mesure la fraction des trajectoires à travers tous les scénarios qui satisfont l'utilisateur, plutôt qu'un binaire tests verts/rouges. Voir le Lab IA.
Naïveté délibérée (Deliberate naivety) Posture consistant à retirer les conventions du développement classique et à se demander systématiquement : « Pourquoi est-ce que JE fais ça ? Le modèle devrait le faire à ma place. » Voir le Lab IA.
Terrain vierge (Greenfield) Projet démarré de zéro, sans code existant. Le terrain le plus naturel pour le développement non-interactif. Voir le Lab IA.
Projet existant (Brownfield) Projet avec du code et des habitudes existants, transitionné vers le modèle de production autonome. Plus difficile que le terrain vierge, mais plus d'impact. Voir le Lab IA.
Compétences IA
Littératie IA (AI literacy) : Usage structuré des outils IA et capacité à distinguer l'usage ponctuel de l'intégration dans les flux de travail. Voir le guide employés.
Rédaction de prompts (Prompt craft) : Instructions claires, format spécifié, exemples, ambiguïté résolue en amont. Voir les standards d'exécution.
Ingénierie de contexte (Context engineering) : Fichier de contexte structuré chargé avant les tâches IA. Voir les standards d'exécution.
Ingénierie d'intention (Intent engineering) : Hiérarchie des objectifs, règles d'arbitrage et conditions d'escalade définis. Voir les standards d'exécution.
Ingénierie de spécification (Specification engineering) : Toute tâche non triviale a une spécification écrite complète reposant sur cinq composantes. Voir les standards d'exécution et le guide de spécification pour des exemples pratiques.
Spécification (Specification) : Document définissant un problème avec assez de précision pour qu'un agent puisse le résoudre de façon autonome. Voir les standards d'exécution et le guide de spécification.
Énoncés de problème autonomes (Self-contained problem statements) : Problème formulé avec assez de contexte pour être résoluble sans information supplémentaire. Voir les standards d'exécution.
Critères d'acceptation (Acceptance criteria) : Ce à quoi ressemble « terminé », vérifiable par un observateur indépendant. Voir les standards d'exécution.
Architecture des contraintes (Constraint architecture) : Quatre catégories par tâche : Doit, Ne doit pas, Préfère, Escalade. Voir les standards d'exécution.
Décomposition (Decomposition) : Tâches découpées en composantes exécutables, testables et intégrables indépendamment. Voir les standards d'exécution.
Conception d'évaluation (Evaluation design) : Cas de test avec des résultats connus pour valider et détecter les régressions. Voir les standards d'exécution.
Conception des coutures (Seam design) Pratique consistant à structurer le travail pour que les transitions entre phases humaines et phases agent soient propres, vérifiables et récupérables. Une bonne couture définit l'artefact de transfert, permet de contrôler la production de l'agent au point de transition, et permet d'intervenir sans tout recommencer. Les coutures se déplacent à mesure que les capacités évoluent. Voir le guide employés.
Économie de la transformation
Migration de valeur (Value migration) La technologie réassigne la valeur à la couche la plus rare. Dans la transformation IA, la valeur quitte l'exécution (commodité) et se concentre sur le jugement, le cadrage et la propriété du risque (prime). Voir la vision.
Les 5 fonctions humaines (The 5 human functions) Direction, Jugement, Goût, Relation, Responsabilité. Les fonctions qui restent irremplaçables dans une organisation IA-native. Voir la vision.
Évolution des rôles
Convergence – Plusieurs rôles fusionnent parce que l'IA élimine les coûts de coordination qui justifiaient leur séparation. Le rôle convergé conserve la surface de jugement combinée. Voir Évolution des rôles.
Spécialisation (Specialization) – Un rôle se resserre autour de son noyau humain irréductible à mesure que l'IA absorbe la couche routinière. Le rôle devient plus précis, pas plus petit. Voir Évolution des rôles.
Élévation (Elevation) – Les humains passent de la production d'artefacts à leur spécification et évaluation. Correspond à la Règle de traduction universelle. Voir Évolution des rôles.
Absorption – Les responsabilités d'un rôle sont absorbées par les rôles adjacents ou les systèmes. Les responsabilités se redistribuent ; le rôle se contracte ou disparaît. Voir Évolution des rôles.
Émergence (Emergence) – Des rôles structurellement nouveaux surgissent de la structure organisationnelle IA-native. Nommés d'après leur responsabilité, pas la technologie. Voir Évolution des rôles.
Matrice de décision des rôles (Role Decision Matrix) – Outil structuré reliant les conditions observables au patron d'évolution le plus probable et à l'action recommandée. Voir Évolution des rôles.
Adoption et transition
Courbe en J de l'adoption (Adoption J-curve) Creux de productivité prévisible lors de l'adoption IA. La productivité baisse avant de remonter. Les organisations qui en sortent sont celles qui reconçoivent leurs flux de travail autour des capacités IA. Voir le guide gestionnaires.
Brief de transition (Transition brief) Document structuré livré par un employé qui décrit son rôle actuel, sa vision IA du rôle, l'écart, les systèmes à construire, les métriques et le plan 30/60/90. Voir le guide employés.
Cliniques IA (AI clinics) Sessions régulières (hebdomadaires ou bimensuelles) où l'équipe partage ses découvertes, ses blocages et ses flux de travail. Format court (30 min). L'objectif est l'apprentissage entre pairs. Voir le guide gestionnaires.
Mur des six mois (Six-month wall) Patron de défaillance où les projets IA sans implication humaine forte (spécification, scénarios, architecture) accumulent une dette structurelle qui explose après environ six mois. Les scénarios sont la défense principale. Voir le Lab IA.
Décalibration (Calibration decay) Les compétences IA expirent à mesure que les capacités évoluent. Une personne qui a calibré son sens de la frontière humain-agent il y a six mois surestime ou sous-utilise les modèles actuels. L'antidote est la densité de rétroaction : des cycles fréquents de déléguer-évaluer-ajuster avec les modèles actuels, pas de formation ponctuelle. Voir le guide gestionnaires.
Coût cognitif
Courbe en J cognitive (Cognitive J-curve) Le pendant en énergie mentale de la courbe en J de productivité. La charge cognitive augmente fortement pendant la transition Tier 1→2 (apprendre à spécifier, évaluer des résultats peu fiables, maintenir la charge normale) et redescend une fois les flux stabilisés au Tier 2. L'épuisement se concentre dans la transition, pas dans l'état final. Voir Coût cognitif.
Surcharge cognitive (Cognitive overload) (brain fry) Fatigue mentale due à une surveillance de l'IA qui dépasse la capacité cognitive. Symptômes : brouillard mental, décisions plus lentes, taux d'erreurs croissants. L'étude BCG/UC Riverside a constaté que les gains de productivité s'inversent au-delà de trois outils IA simultanés. Voir Coût cognitif.
Fatigue décisionnelle (Decision fatigue) Épuisement dû au volume de micro-décisions qu'introduit l'IA. Chaque production IA est une décision (suffisamment bon, modifier, régénérer, faire confiance, vérifier) et le volume dégrade la qualité des décisions qui comptent vraiment. Voir Coût cognitif.
Fatigue de vigilance (Vigilance fatigue) Épuisement dû à la surveillance soutenue de systèmes IA qui sont généralement corrects. Structurellement similaire à la complaisance face à l'automatisation en aviation : l'attention dérive parce que le système fonctionne bien la plupart du temps, et les erreurs ont l'air plausibles. Voir Coût cognitif.
Intensification du travail (Work intensification) Le patron par lequel l'IA élargit la portée plutôt que de la réduire. Trois mécanismes : expansion des tâches (les gens prennent en charge du travail qu'ils n'auraient pas tenté), frontières floues (les outils IA semblent informels, le travail déborde) et multitâche (l'IA génère en parallèle pendant que les humains surveillent). Voir Coût cognitif.
Inflation de la charge de travail (Workload inflation) La tentation organisationnelle d'augmenter les quotas de production proportionnellement à la vitesse rendue possible par l'IA. La capacité de production s'adapte à l'IA ; la capacité de jugement, non. Doubler les quotas parce que les ébauches sortent plus vite est la façon dont les personnes les plus engagées s'épuisent. Voir Coût cognitif.
Anxiété liée à l'IA (AI anxiety) Stress anticipatoire alimenté par l'incertitude sur la sécurité d'emploi, la pertinence des compétences et la trajectoire de carrière. Distinct du brain fry : touche les personnes qui craignent l'IA, y compris celles qui n'ont pas encore commencé à l'utiliser. Voir Coût cognitif.
Rupture identitaire (Identity disruption) Perte d'identité professionnelle quand l'IA accomplit des compétences qui définissaient l'image de soi. Même quand les rôles s'améliorent objectivement, les travailleurs rapportent des sentiments d'obsolescence, de perte de sens et de réduction de l'estime de soi. Voir Coût cognitif.
Résignation acquise (Learned helplessness) Le patron de désengagement quand les systèmes IA prennent des décisions que les travailleurs ne comprennent pas, ne contrôlent pas ou ne peuvent pas outrepasser. Les gens cessent d'évaluer les productions IA de façon critique et se fient à elles même quand ils ne sont pas d'accord. Le patron le plus dangereux pour une transformation parce qu'il ressemble à de la conformité. Voir Coût cognitif.
Fatigue de transformation (Transformation fatigue) Épuisement cumulatif du changement constant (nouveaux outils, nouveaux flux, nouvelles attentes) en plus de la charge normale. Pas spécifique à l'IA mais amplifiée par elle. Une réponse rationnelle à une demande cognitive soutenue sans récupération suffisante. Voir Coût cognitif.
Maturité du code
Niveaux de maturité du code (Codebase readiness levels) Échelle de 0 à 5 décrivant ce qu'une base de code supporte pour le travail des agents IA. Chaque niveau est défini par le mécanisme de rétroaction qu'il ajoute. Le niveau le plus bas des neuf dimensions détermine le niveau effectif. Voir Maturité du code.
Grille de maturité du code (Codebase Readiness Grid) Outil de diagnostic à neuf dimensions avec un barème de 1 à 5 par dimension. Quatre règles de notation : le plafond est le score le plus bas; trois dimensions sont bloquantes (D1, D2, D5) et six sont contraignantes; les reports intentionnels documentés valent un niveau de crédit; ne jamais résumer avec une moyenne. Disponible comme compétence Claude Code open source. Voir Maturité du code.
Harnais (Harness) L'infrastructure qui entoure un agent de codage IA : tests, IC, observabilité, types, conventions, intention documentée. Fowler : Agent = Modèle + Harnais. Le harnais est ce que les agents amplifient; sans lui, ils amplifient le désordre. Voir Maturité du code.
Affordances ambiantes (Ambient affordances) Propriétés structurelles d'une base de code de Niveau 3 et au-delà qui la rendent lisible pour un agent sans instruction supplémentaire : nommage cohérent, frontières de modules claires, contrats comportementaux déclarés. Leur absence force l'agent à inventer une structure. Voir Maturité du code.
Topologie des boucles de rétroaction (Feedback loop topology) La façon dont les boucles de rétroaction (tests, IC, observabilité) sont câblées dans une base de code. Chaque niveau de maturité est défini par la boucle de rétroaction qu'il ajoute. Une IC de 72 heures n'est pas un capteur, c'est un rapport. Voir Maturité du code.
Actualité des dépendances et du runtime (Dependency and runtime currency) Dimension D9 de la Grille de maturité du code. Les agents sont entraînés sur les versions et idiomes courants; une base de code utilisant des patrons vieux de 2 à 3 ans reçoit du code qui contredit ses propres conventions. Voir Maturité du code.
Dimensions bloquantes (Blocking dimensions) D1 (couverture de tests et latence de rétroaction), D2 (rigueur des types), D5 (visibilité directe des API). Un faible score sur une dimension bloquante compromet fondamentalement le travail des agents et ne peut pas être compensé par de bons scores ailleurs. Voir Maturité du code.
Dimensions contraignantes (Constraining dimensions) D3, D4, D6, D7, D8, D9. Un faible score dégrade la qualité mais les agents peuvent encore produire de la valeur. Plus de révision humaine par changement, plus de nettoyage, plus de friction. Voir Maturité du code.
Stratégie brownfield
Les quatre modes brownfield (The four brownfield modes) Remédier sur place, migration strangler-fig, reconstruction complète, isoler et contourner. Chaque mode est un chemin vers le Niveau 5 différent. Le bon mode dépend de la solidité architecturale, de la disponibilité de coutures et de la valeur résiduelle. Voir Stratégie brownfield.
Isoler et contourner (Isolate and bypass) Mode 4 : geler le legacy, construire la nouvelle valeur sous forme de nouvelles applications Niveau 5-prêtes à côté, sans tenter de moderniser le legacy. « Ne pas investir » est une issue légitime quand le coût de remédiation dépasse la valeur résiduelle. Voir Stratégie brownfield.
Recherche, revue, reconstruction (Research, Review, Rebuild) Méthodologie brownfield en trois phases (Fowler/EPAM). Phase 1 : l'IA analyse le code existant et reconstruit l'intention. Phase 2 : les experts du domaine valident. Phase 3 : l'IA génère le code de remplacement avec une ambiguïté minimale. L'ordre est structurant : sauter les phases 1 et 2 efface l'accélération. Voir Stratégie brownfield.
Spec-depuis-le-code (Spec-from-code) L'inversion brownfield de la spécification-d'abord. Quand le code existe déjà, la spécification doit être rétro-ingéniée à partir de lui avant que le nouveau travail spécification-d'abord puisse reprendre. Voir Stratégie brownfield.
Migration strangler-fig (Strangler-fig migration) Construire les nouvelles fonctionnalités Niveau 5-prêtes à côté de l'ancien système, router le trafic via une façade, et tuer les morceaux de l'ancien système un par un. Le patron de Fowler. Requiert des coutures propres pour l'extraction. Voir Stratégie brownfield.
Quadrant de la dette technique (Technical Debt Quadrant) Taxonomie de Fowler classant la dette selon deux axes : prudente/imprudente et délibérée/involontaire. La dette imprudente-involontaire est une candidate à la reconstruction car la structure reflète une ignorance que la connaissance ultérieure ne peut pas défaire sur place. Voir Stratégie brownfield.
Identification des coutures (Seam identification) Dans la migration strangler-fig, localiser les endroits où les responsabilités peuvent être extraites sans couplage à d'autres modules. Si les coutures ne sont pas propres, la migration strangler-fig devient une reconstruction complète avec des étapes supplémentaires. Voir Stratégie brownfield.
Techniques boîte noire à plan (Black Box to Blueprint techniques) Cinq techniques de rétro-ingénierie quand le code est la seule source de vérité : reconstruction par la couche UI, capture des données de changement, inférence de la logique serveur, archéologie binaire, enrichissement multi-passes progressif. Deux disciplines non négociables : triangulation et suivi de la lignée. Voir Stratégie brownfield.
Réalité opérationnelle au T3 / É5
Unité opérationnelle à cinq étapes (Five-stage operational unit) L'unité opérationnelle récurrente au Tier 3 / Échelon 5 : Contexte → Clarification → Exécution → Validation → Récupération. Les humains se concentrent aux frontières (avant : spécification et clarification; arrière : validation et récupération); l'agent s'exécute à l'intérieur. La même forme s'applique aux domaines à tâches discrètes, quelle que soit la substance. Voir Lab IA § Les cinq étapes.
Travail aux deux frontières (Two-boundary work) Le patron structurel du travail Tier 3 / Échelon 5 : l'attention humaine se concentre à la frontière avant (préparation du contexte + clarification) et à la frontière arrière (validation + récupération). À l'intérieur de la boucle, l'agent s'exécute sans supervision. Le passage est de la revue ligne par ligne à la direction-et-jugement boucle par boucle.
Patron à tâches discrètes (Discrete-task pattern) La catégorie de travail où l'IA opère comme couche d'exécution : une unité claire (story, ticket, transaction, requête, clause contractuelle), des sorties vérifiables, un risque gradable. Ingénierie, service client, opérations financières, revue juridique et recherche de connaissances entrent dans cette catégorie. Les patrons v3 du cadre s'appliquent à toute cette catégorie. Le travail continu / créatif / interpersonnel (ventes, création marketing, design, RH) requiert un cadre différent : reporté à une future piste d'augmentation v4+.
Dialogue de clarification (Clarification dialogue)
Une étape opérationnelle discrète au Tier 3 / Échelon 5 où l'agent revoit la spécification, expose ses hypothèses et pose des questions calibrées avant d'exécuter. Le /speckit.clarify de spec-kit et le mode plan + l'outil AskUserQuestion d'Anthropic livrent ce patron en production. Règle de coût : le coût de la clarification est borné en minutes; le coût de la correction croît avec la profondeur d'exécution. Voir Guide de spécification § Dialogue de clarification.
Conception de processus pour l'IA (Process design for AI) La discipline de concevoir des flux de travail contraints et par étapes dans lesquels l'IA opère de façon cohérente : distincte de l'ingénierie de prompts et de la rédaction de spécifications en tant que telle. Couche 5 des Standards d'exécution IA. Distingue le travail Tier 3 / Échelon 5 du travail Tier 2 / Échelon 4. Voir Standards d'exécution IA § Couche 5.
Topologies de processus (les six) (Process topologies (the six)) Le vocabulaire d'Anthropic pour décrire la structure du pipeline qui exécute une spécification : prompt chaining (étapes séquentielles à prompt unique avec validation intermédiaire), routing (classer puis dispatcher vers des prompts spécialisés), parallélisation (exécuter des sous-tâches indépendantes en concurrence), orchestrateur-travailleurs (un agent maître décompose et dispatche les travailleurs), évaluateur-optimiseur (générateur associé à un évaluateur séparé), et agents autonomes (exploration ouverte avec usage d'outils et boucles de rétroaction). Règle de décision : commencer à prompt unique; ajouter de la complexité seulement quand la valeur par tâche justifie le surcoût en tokens.
Validation graduée par le risque
Portes de validation graduées par le risque (Risk-graded validation gates) Le principe que la validation à l'Échelon 5 n'est pas monolithique : différentes classes d'actions obtiennent différentes portes selon le rayon d'impact, la réversibilité et la conséquence. Trois postures opérationnelles (HITL / HOTL / HOOTL) décrivent ce dégradé. Une équipe Échelon 5 mature opère les trois en parallèle, choisissant la porte par classe d'action. Voir Lab IA § Portes de validation graduées par le risque.
HITL — Human-in-the-Loop Posture de validation où l'approbation humaine est requise avant l'exécution de l'action IA. Posture par défaut pour les actions irréversibles à fort impact : transactions financières, déploiements en production, communications destinées aux clients, tout ce qui crée une obligation légale ou financière. Le débit est limité par la capacité de revue humaine. Voir Lab IA § Portes de validation graduées par le risque.
HOTL — Human-on-the-Loop Posture de validation où l'IA agit de façon autonome mais l'humain surveille avec autorité d'intervention (coupe-circuit, rollback, override). Posture par défaut pour le travail réversible en production avec une bonne couverture d'évaluation. Opérationnellement fragile quand traitée comme une surveillance passive : la fatigue de vigilance transforme un HOTL nominal en théâtre de conformité. Voir Lab IA § Portes de validation graduées par le risque.
HOOTL — Human-out-of-the-Loop Posture de validation où l'IA agit dans des limites prédéfinies sans implication humaine en temps réel. Réservée au travail isolé, réversible, avec des tests solides et un agent réviseur sur chaque artefact. Les fusions de code dans un dépôt bien testé avec un agent réviseur fonctionnent typiquement en HOOTL. Voir Lab IA § Portes de validation graduées par le risque.
Domaine de conception opérationnelle (ODD) (Operational Design Domain) Les conditions dans lesquelles un agent IA est conçu pour fonctionner. Tiré de SAE J3016 (conduite automobile) comme l'analogie la plus propre. En dehors de l'ODD, l'agent ne fait aucune affirmation; la porte retombe sur l'humain. Définir l'ODD fait partie de la conception de processus : quels outils l'agent possède, quelles données il peut accéder, quelles actions il peut prendre. Voir Lab IA § Portes de validation graduées par le risque.
Agent réviseur (Agent-as-reviewer) Le patron consistant à associer un agent générateur avec un agent évaluateur séparé (contexte différent, parfois modèle différent) qui révise la sortie avant la fusion ou le commit. Maintenant la posture par défaut pour la revue de code (CodeRabbit, Graphite Diamond, Greptile, GitHub Copilot review) et en adoption dans le service client, le traitement de documents et d'autres domaines à tâches discrètes. Remplace la revue humaine synchrone à grande échelle parce que le calcul coût-par-unité-fusionnée fonctionne là où la revue humaine à l'échelle ne fonctionne pas. Voir Ingénierie de la fiabilité § Agent réviseur.
Responsable des permissions (Permissions Owner) Rôle organisationnel nommé dans les systèmes IA de production. Responsable de ce que chaque agent peut et ne peut pas faire, et du niveau de la porte de validation (HITL / HOTL / HOOTL) par classe d'action. Devient porteur de charge dès que les agents touchent à des systèmes de production avec effets secondaires irréversibles. Voir Standards d'exécution IA § Rôles organisationnels.
Modes de défaillance et récupération
Protocole d'état bloqué (Stuck-state protocol) La procédure Échelon 5 / Tier 3 pour gérer un livrable où l'agent a atteint une limite structurelle. Détecter l'état bloqué (limite d'itération atteinte, même patron d'échec récurrent, ou problème subjectif soulevé par un utilisateur); arrêter d'itérer; convoquer une session de recalibrage; respécifier ou recontextualiser; redémarrer la boucle depuis Contexte, pas depuis Exécution. La règle du Lab est explicite : ne pas reprendre le travail manuellement. Voir Lab IA § Protocole d'état bloqué.
Goulot d'étranglement IA (AI bottleneck) Le mode de défaillance Tier 2.5+ où un livrable rate son échéance parce que l'agent a atteint une limite structurelle (mauvaise direction, spécification ambiguë, cas limite subjectif qu'il ne peut pas résoudre seul), pas parce que la capacité humaine est insuffisante. Cemri et al. (Why Do Multi-Agent LLM Systems Fail?, 2025) ont trouvé que 41,8 % des défaillances multi-agents correspondent à ce patron. La réponse du leadership est du temps de recalibrage, pas une redistribution du travail ni de nouveaux effectifs. Voir Piloter la transformation § Goulot d'étranglement IA.
Sycophantisme (Sycophancy) Les LLM qui défendent de façon fiable des positions erronées avec confiance. Mesuré dans Sharma et al. (2023), Wen et al. (2024) et les travaux d'OpenAI sur l'hallucination (2025). La littérature est en réel désaccord sur la question de savoir s'il s'agit d'une correction d'entraînement traitable ou d'un artefact structurel du RLHF; la posture du cadre est de traiter le sycophantisme comme une préoccupation structurelle pour les fins d'ingénierie indépendamment de la trajectoire d'entraînement. Intégrer des garde-fous de processus (signal externe, agent réviseur, récupération de vérité-terrain, tests exécutables) dans chaque boucle. Voir Ingénierie de la fiabilité § Sycophantisme.
Cas limite subjectif (Subjective edge case) Une défaillance soulevée par un utilisateur, pas par les tests ni la surveillance : l'IA a produit quelque chose de qualitativement erroné (ton, intention, voix de marque, alignement client) mais la sortie technique a passé toutes les vérifications. Le mode de défaillance dominant à plus haute maturité. La récupération est la conversation, pas la rustine : parler à l'utilisateur, comprendre ce qu'il essayait d'accomplir, mettre à jour la spécification ou le contexte. Voir Ingénierie de la fiabilité § Cas limites subjectifs.
Recalibrage vs débogage (Recalibration vs debugging) Deux réponses opérationnellement distinctes quand l'IA se trompe. Le recalibrage reconstruit la compréhension de l'agent via un contexte neuf, une spécification ré-articulée ou un brainstorm multi-perspectives. Le débogage corrige l'artefact que l'agent a produit. La littérature sur l'auto-correction intrinsèque est unanime : un modèle qui s'est engagé dans une mauvaise direction ne le remarquera pas de façon fiable par lui-même, ce qui signifie que la plupart des défaillances non triviales au T3 / É5 sont des problèmes de recalibrage déguisés en problèmes de débogage. Voir Ingénierie de la fiabilité § Recalibrage vs débogage.
Économie de l'IA à maturité
Coût par unité de sortie (Cost per unit of output) La métrique de mesure du Niveau 3 qui remplace « le temps gagné par l'IA » : coût par PR fusionnée, coût par ticket résolu, coût par transaction traitée, coût par client servi. L'unité varie par domaine; le principe est constant : la dépense IA totale sans dénominateur n'a pas de sens à maturité. Voir Analyse de rentabilité § Économie de l'IA à maturité.
Marge brute IA (AI gross margin) Le ratio de la valeur produite à la dépense d'inférence au niveau de l'équipe ou de l'entreprise. Les entreprises IA de la couche application opèrent à 40 à 55 % de marge brute contre 70 à 90 % pour le SaaS traditionnel : un écart structurel parce que l'inférence est un coût variable qui croît avec l'usage. La question de savoir si l'écart se réduit avec le temps est contestée; le plancher est réel et les entreprises IA-natives doivent planifier autour de lui. Voir Analyse de rentabilité § Économie de l'IA à maturité.
Économie des tokens (Token economics) La discipline de mesurer l'IA comme infrastructure de production : coût par tâche, coût par unité fusionnée, débit d'agent par dollar, marge brute IA. Remplace « le temps gagné » comme métrique contraignante au Niveau 3. Les coûts par token baissent de 10 à 40× par an, mais les coûts par tâche augmentent souvent parce que les modèles de raisonnement, les boucles d'agents et les contextes longs consomment 10 à 100× les tokens des complétions à un coup (paradoxe de Jevons appliqué à l'inférence). Voir Analyse de rentabilité § Économie de l'IA à maturité et Lab IA § Économie des tokens.
← Retour à l'accueil · Le cadre de référence · Standards d'exécution IA