Une meilleure IA ne supprime pas l'ambiguïté : elle la rend exécutable plus vite

L'idée reçue est confortable : à mesure que les modèles progressent, la rigueur d'ingénierie compterait moins. On décrit l'intention en deux phrases, l'agent comble le reste, l'itération corrige le tir.

C'est l'inverse qui se produit.

Un rapport technique publié sur arXiv en mai 2026 par Vu Hung Nguyen et Thanh Nguyen formalise ce que beaucoup d'équipes constatent sans le nommer : la vitesse agentique ne supprime pas la discipline d'ingénierie, elle la relocalise en amont, dans la précision de la spécification, dans des points de passage explicites et dans une traçabilité auditable. Dit autrement : ce que vous n'avez pas su formuler, l'agent l'exécute quand même.

La taxe d'ambiguïté

Les auteurs donnent un nom à ce mécanisme : la taxe d'ambiguïté. Plus la clarté de l'intention décroît, plus la probabilité d'erreur de l'agent augmente, et pas proportionnellement. La formule qu'ils proposent est une régularité observée, pas une loi mesurée ; nous la citons pour ce qu'elle éclaire, pas pour sa précision.

Ce qu'elle éclaire est simple. Une exigence floue ne coûtait pas cher. Elle déclenchait une conversation de couloir, un ticket, un arbitrage de trois jours. Le flou était freiné par la lenteur humaine. Un agent, lui, ne freine pas. Il propage l'interprétation qu'il a retenue dans tous les fichiers, tous les cas limites, toutes les branches, en une passe et en quelques heures. Le défaut ne reste pas local : il devient systémique avant la première relecture.

La partie étayée du dossier est ailleurs, et elle est plus dure encore. Une étude empirique acceptée à la conférence MSR 2026 (Hao He, Courtney Miller, Shyam Agarwal, Christian Kästner et Bogdan Vasilescu, arXiv, novembre 2025) compare des projets open source ayant adopté un assistant de codage agentique à un groupe témoin apparié. Résultat : le gain de vélocité est statistiquement significatif, important, et transitoire. La hausse des avertissements d'analyse statique et de la complexité du code, elle, est substantielle et persistante. Et ce sont ces deux dernières qui expliquent, à terme, le ralentissement de la vélocité. Les auteurs concluent que l'assurance qualité devient le goulot d'étranglement.

Traduit pour un comité exécutif : la vitesse sans discipline ne crée pas de la performance, elle crée de la dette, et la dette reprend la vitesse qu'elle avait prêtée. Automatiser un workflow défaillant produit d'ordinaire un workflow défaillant plus rapide.

La question de gouvernance a changé de verbe

Pendant trente ans, la question d'audit tenait en quatre mots : qui a écrit ça ? Un auteur, une revue par les pairs, une trace. Le nom au bas du livrable désignait à la fois la compétence et la responsabilité.

Cette question ne mord plus. Quand un système agentique produit un module, une note de crédit, une réponse à un régulateur ou un dossier de sinistre, la bonne question devient triple : qui l'a spécifié, qui l'a vérifié, qui a approuvé sa mise en production ?

Ce n'est pas une nuance sémantique, c'est un déplacement de la responsabilité. Et la jurisprudence n'a pas attendu la doctrine. En 2024, Air Canada a été condamnée à environ 812 dollars canadiens parce que son agent conversationnel avait inventé une politique de remboursement : l'entreprise répond des sorties de son IA, pas le fournisseur du modèle. En octobre 2025, Deloitte Australie a remboursé environ 97 000 dollars australiens sur un rapport gouvernemental contenant des citations hallucinées. Dans les deux cas, personne ne conteste que la machine ait produit le texte. Ce qui a coûté, c'est l'absence de quelqu'un qui l'avait vérifié et assumé.

Les trois signatures

Nous appelons cela les trois signatures. Spécifier, vérifier, approuver : trois actes, trois responsabilités nommées, jamais la même main.

Première signature, spécifier. Quelqu'un porte l'intention et répond de sa précision. Ce rôle n'existe presque nulle part dans les organigrammes actuels. Il ne s'agit pas d'écrire plus de documentation, il s'agit d'écrire une intention qui tient à l'exécution.

Deuxième signature, vérifier. Celui qui produit n'est jamais celui qui vérifie. Cette règle vaut pour les humains depuis toujours ; elle vaut désormais pour les agents. Le rapport de mai 2026 pousse la précaution un cran plus loin : l'autorité de contrôle doit rester hors de la famille de modèles qui a produit ou réparé les tests, sauf redondance explicitement conçue. Un correcteur qui note sa propre copie ne devient pas fiable parce qu'il est rapide.

Troisième signature, approuver. L'autorisation de mise en production reste humaine, et elle est nominative. Les auteurs, pourtant favorables aux agents, ne transigent pas sur ce point : la synthèse peut être déléguée, l'autorité de livraison non.

Ce cadre est plus exigeant que le human in the loop générique, et c'est tout son intérêt. Le human in the loop affirme qu'un humain se trouve quelque part dans la chaîne. Il ne dit ni quelle autorité il détient, ni surtout laquelle il ne doit pas détenir. Les trois signatures, elles, se vérifient dans un journal : trois identités distinctes, ou un défaut de contrôle.

Une spécification exécutable se mesure

Reste la question pratique : à quoi reconnaît-on une intention suffisamment précise pour être confiée à un système agentique ? Le rapport propose quatre dimensions, et elles sont directement auditables.

1. Complétude : les cas limites et les modes de défaillance sont écrits, pas sous-entendus.
2. Cohérence : les exigences ne se contredisent pas entre elles.
3. Non-ambiguïté : chaque exigence n'admet qu'une seule lecture stable.
4. Vérifiabilité : chaque exigence se rattache à un test ou à un critère objectif.

La quatrième est celle qui manque presque toujours. Une exigence non vérifiable n'est pas une exigence, c'est une intention. Elle passe très bien en comité et très mal en production.

Le même mardi matin, deux assureurs européens lancent le même agent d'instruction de dossiers. Le premier a écrit trente pages de contexte et deux critères d'acceptation. Le second a écrit huit pages, quarante critères d'acceptation testables et une liste explicite de ce que l'agent n'a pas le droit de décider. Six semaines plus tard, le premier découvre en recette un traitement incohérent des cas de subrogation, propagé partout. Le second a arrêté le même défaut au troisième jour, sur un test rouge. Ce ne sont pas deux modèles différents. C'est la même technologie, avec et sans première signature.

Le goulot d'étranglement de vos agents n'est pas la puissance du modèle. C'est la précision de ce que vous lui avez demandé, et le nom de la personne qui a signé pour l'envoyer en production.

Cinq questions pour votre prochain COMEX

1. Pour notre déploiement IA le plus avancé, qui porte nommément la spécification, et où est-elle écrite ?
2. Combien de nos exigences sont rattachées à un test ou à un critère objectif, et combien restent des intentions ?
3. Celui qui vérifie est-il indépendant de celui qui produit, y compris quand les deux sont des agents ?
4. Qui détient l'autorisation de mise en production, et cette autorisation laisse-t-elle une trace nominative ?
5. Si un régulateur ou un client nous demandait demain qui a spécifié, vérifié et approuvé une sortie donnée, combien de temps nous faudrait-il pour répondre ?

Si la cinquième question demande plus d'une journée de travail, le sujet n'est pas votre modèle.

Le vrai chantier des entreprises en 2026 n'est pas d'obtenir des modèles plus puissants. Ils arriveront de toute façon, et plus vite que vos cycles budgétaires. Le chantier est d'avoir des workflows assez spécifiés, assez vérifiables et assez gouvernés pour être confiés à des systèmes agentiques. C'est exactement la différence entre un pilote qui impressionne et une production que l'on assume. C'est ce que nous construisons chez nos clients, et ce que nous avons mis en oeuvre pour nos propres produits, à commencer par RegRadar by TokenShift.

Question franche : dans votre organisation, sauriez-vous nommer aujourd'hui les trois signatures de votre déploiement IA le plus critique ?

Nous publions cette série tout au long de l'été, en préparation de notre campagne COMEX de septembre. Suivez la Page pour la suite.

Sources :

• Vu Hung Nguyen et Thanh Nguyen, SDAD: Spec-Driven Agentic Development for the AI-Native SDLC, rapport technique arXiv, mai 2026.
• Hao He, Courtney Miller, Shyam Agarwal, Christian Kästner, Bogdan Vasilescu, Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects, MSR 2026 (arXiv, novembre 2025).
• Décision du Civil Resolution Tribunal de Colombie-Britannique contre Air Canada, 2024.
• Fortune, 7 octobre 2025, remboursement de Deloitte Australie au gouvernement australien.

#GouvernanceIA #IAEntreprise #COMEX #MiseEnProduction