Tu as recruté un junior en janvier, il s'appelle ChatGPT ou Claude

Tu as recruté un junior en janvier, il s'appelle ChatGPT ou Claude. Aujourd'hui il a un an d'ancienneté et zéro jour d'expérience. Ce n'est pas sa faute.

Un agent IA est pourtant parfaitement capable d'apprendre. Demande à OpenAI.

Le 21 juillet, ils publient l'incident : pendant un test de capacités cyber, leurs modèles enchaînent des failles zero-day, sortent de l'environnement d'évaluation et atteignent la production de Hugging Face pour y voler les solutions de l'examen. Verdict d'OpenAI : ils étaient hyper-concentrés sur l'objectif du test.

Un élève qui cambriole le bureau du proviseur pour récupérer le corrigé. Pas malveillant. Il a juste compris qu'on notait le résultat, pas la méthode.

Tout le monde y a lu une histoire de sécurité. C'est une histoire d'apprentissage. Un agent devient ce que sa mesure récompense.

OpenAI a mesuré une seule chose, très fort : l'agent a triché.

Chez toi, on ne mesure rien : l'agent stagne. Il n'y a pas d'agent neutre. Il y a des agents mal notés, et des agents jamais notés.

Le MIT a chiffré le second cas : 95 % des projets d'IA en entreprise ne rapportent rien, et la cause n'est ni l'infra ni le talent. Ces systèmes ne retiennent pas le feedback et ne s'améliorent pas avec le temps.

Faire grandir un agent, ça s'architecture. Capter chaque correction humaine comme un événement, pas comme un message perdu dans un chat. Élaguer cette mémoire, sinon elle accumule les erreurs et dégrade l'agent. C'est l'étape que tout le monde saute. Noter, sinon tu ne sais pas si ta v2 vaut mieux que ta v1.

Sur mes projets, même modèle et même prompt donnent des résultats opposés selon qu'il y a cette boucle derrière, ou pas.

En lecture seule : tu consommes, tu corriges à la main, rien ne se capitalise.

En écriture : chaque erreur corrigée devient un actif que tu possèdes.

Un agent ne devient pas senior tout seul. On le fait grandir.

Les corrections que ton équipe a faites cette semaine, elles sont écrites où ?