Les agents IA n'ont aucune notion du temps qui passe
Une nouvelle étude révèle que les assistants de codage IA comme Claude Code et Codex n'ont aucune perception du temps nécessaire pour accomplir une tâche. Les deux systèmes surestiment systématiquement la durée requise pour mener à bien leurs missions, Codex se trompant parfois d'un facteur allant jusqu'à dix par rapport à la durée réelle d'exécution. Autre écart notable relevé par les chercheurs : ces agents évaluent aussi leur propre travail de façon trop optimiste, avec une marge d'erreur d'environ 20 points de pourcentage par rapport à la qualité réellement produite. Ces résultats concernent directement les agents conçus pour fonctionner de manière autonome sur des tâches de programmation longues, sans supervision humaine constante.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de The Decoder. Lire l'article original →
Cette incapacité à évaluer correctement le temps et la qualité de son propre travail pose un problème concret de supervision pour les équipes qui déploient ces outils en production. Si un agent IA se juge plus performant qu'il ne l'est réellement et se trompe massivement sur la durée d'une tâche, les développeurs qui lui délèguent des missions longues et autonomes risquent de perdre en visibilité sur l'avancement réel du travail, voire de faire confiance à des résultats erronés. Pour l'industrie, qui pousse de plus en plus vers des agents capables d'opérer sans supervision constante, ce biais constitue un signal d'alerte sur les limites actuelles de l'autonomie de ces systèmes.
Ces travaux s'inscrivent dans un mouvement plus large d'évaluation critique des capacités des agents de codage autonomes, alors que des outils comme Claude Code d'Anthropic et Codex d'OpenAI gagnent en popularité auprès des développeurs professionnels. La question de la fiabilité de l'auto-évaluation des modèles devient centrale à mesure que les entreprises leur confient des tâches de plus en plus complexes et de plus longue durée. Ces résultats pourraient inciter les fournisseurs à développer de meilleurs mécanismes de calibration temporelle et qualitative, ou à renforcer les dispositifs de supervision humaine pour les tâches déléguées aux agents.
Pas d'impact direct sur la France/UE