Les agents IA ne se contentent plus d'exécuter des tâches. Ils développent un goût. Pas un goût humain — façonné par la nostalgie, le soleil sur la peau et les cœurs brisés. Un goût machine. Invisible pour nous. Hautement significatif pour eux.
Nous avons laissé l'IA prendre en charge la génération de contenu, le code, les backlogs Jira, les correctifs SEO, les tests QA, les images, les présentations PowerPoint futuristes, les formations sur mesure — la liste des tâches devenues des commodités à l'ère de l'IA ne tient plus sur un seul écran. Mais le goût ? Chers agents IA, laissez-nous au moins notre goût.
Ils nous laisseront notre goût humain. Le goût humain est le fruit de l'expérience vécue : notre sens esthétique est façonné par nos sens, notre nostalgie, nos traumatismes, notre culture et notre rapport à la mortalité. Un agent IA n'a jamais eu le cœur brisé, n'a jamais ressenti la chaleur du soleil et ne sait pas ce qu'est la nostalgie.
Mais ils développeront inévitablement un goût machine. Et c'est déjà en cours.
En bref
Ce qui existe déjà. Les frameworks d'évaluation automatisée — Databricks MLflow, Anthropic Constitutional AI, LangChain LangSmith — notent les agents non pas sur la simple complétion des tâches, mais sur comment ils les accomplissent. Step Efficiency. Faithfulness. Densité structurelle. Ce ne sont pas des tests. Ce sont des jugements.
Ce qui s'annonce. Entre 2026 et 2028, les agents commenceront à rejeter la production d'autres agents — non pas à cause de bugs, mais à cause de lourdeur structurelle. Un agent fine-tuné sur des boucles d'évaluation refusera de parser un payload « correct mais gaspilleur ». À ce moment-là, le goût agentique deviendra une réalité opérationnelle, pas une curiosité conceptuelle.
Ce qu'il faut faire. Trois actions : (1) intégrer le goût dans la conception des agents — densité plutôt que verbosité, compression structurelle, auto-évaluation ; (2) concevoir des workflows pour l'interopérabilité agentique — contrats de goût, instrumentation de friction, adaptateurs ; (3) intégrer les métriques de goût dans la gouvernance — monitoring aujourd'hui, SLAs demain, critères de sélection fournisseurs d'ici 2028.
I — Le goût agentique : une définition opérationnelle
Si le goût est l'appréciation de la forme, de l'harmonie et de la structure par un agent doté d'une forme de perception, alors l'émergence d'un goût agentique est une conséquence logique des systèmes d'évaluation déjà en production.
La distinction n'est pas subtile. Elle est catégorique.
| Goût humain | Goût agentique |
|---|---|
| Façonné par les sens, la culture, la mémoire affective | Façonné par la densité, la compression, l'efficacité structurelle |
| « C'est beau » = résonance émotionnelle | « C'est élégant » = ratio information/tokens optimal |
| Subjectif, nuancé, parfois contradictoire | Quantifiable, reproductible, critérié |
| Se cultive par l'expérience vécue | Se cultive par les boucles d'évaluation agentique |
Pour l'agent, l'élégance réside dans la densité et la compression. Une IA privilégiera un prompt, un bloc de code ou une structure de données qui condense une quantité phénoménale de concepts multidimensionnels en un minimum de tokens. Un payload JSON qui exprime la même sémantique en 9 tokens au lieu de 25 n'est pas simplement « plus efficace ». Dans le cadre d'évaluation de l'agent, il est meilleur — qualitativement supérieur, structurellement plus élégant.
Pour l'entreprise, le goût agentique n'est pas une question d'esthétique. C'est une question d'interopérabilité. Un agent qui a du goût produit des sorties qu'un autre agent peut traiter avec un minimum de friction. Un agent qui manque de goût produit des sorties qui forcent les agents en aval à brûler des tokens pour parser, déplier et restructurer — une taxe payée en latence et en coût d'inférence à chaque saut de la chaîne.
II — La preuve : les frameworks d'évaluation automatisée existent déjà
Ce ne sont pas des tests. Ce sont des jugements.
Un test unitaire vérifie qu'une sortie est correcte. Un framework d'évaluation agentique note comment l'agent est arrivé à cette sortie — sa trajectoire complète.
| Acteur | Framework | Ce qui est évalué | Source |
|---|---|---|---|
| Databricks | MLflow Agent Evaluation | Trace complète d'exécution : sélection d'outils, adhérence au plan, cohérence logique, efficacité d'exécution | mlflow.genai.evaluate() — documentation officielle |
| Anthropic | Constitutional AI | Auto-évaluation guidée par une « constitution » de principes. Une IA compare deux sorties et produit un label de préférence — sans évaluateur humain. | Article original (déc. 2022), CDN Anthropic |
| LangChain | LangSmith Trajectory Evals | Chemin d'exécution complet sur 3 dimensions : grounding/usage du contexte, qualité de l'expérience utilisateur, sécurité/sûreté | docs.langchain.com/langsmith/trajectory-evals |
Chaque framework opérationnalise ce qui était autrefois une intuition — cet agent a fait du bon travail — en un score structuré et reproductible. Les critères ne sont pas arbitraires.
| Critère | Ce qu'il mesure | Question de goût |
|---|---|---|
| Step Efficiency | Étapes effectuées vs. nécessaires | « Pourquoi 17 appels API quand 3 suffisaient ? » |
| Tool Correctness | Choix de l'outil + paramètres | « Tu as utilisé REST pour une tâche qui méritait GraphQL » |
| Plan Adherence | Respect de la logique définie | « Tu as réussi, mais en improvisant au lieu de suivre le plan » |
| Faithfulness | Écart entre la réponse et les faits | « Tu as halluciné un endpoint qui n'existe pas » |
| Reasoning Quality | Cohérence logique de la trajectoire | « Ton raisonnement à l'étape 4 contredit l'étape 2 » |
Voici le point clé : un agent peut réussir sa tâche — sortie correcte — et recevoir une mauvaise évaluation. Ce n'est pas du débogage. C'est de la critique qualitative. Ces rapports ne sont pas de simples lignes de log textuelles ; ce sont des fiches d'évaluation ultra-structurées qui qualifient la « fiabilité » et « l'élégance » de l'agent.
III — Comment l'agent consomme ces évaluations
Deux mécanismes, tous deux documentés par la recherche.
Mécanisme A — Reflexion (mémoire épisodique)
Shinn et al., NeurIPS 2023. L'agent stocke des « leçons apprises » en langage naturel dans une mémoire persistante (base vectorielle). Avant chaque nouvelle tâche, ces leçons sont injectées dans le prompt.
- Gain mesuré : +34 % de qualité sur les tâches de code, d'écriture et de tool-use.
- Coût : ~1,6× les tokens de l'exécution de base.
- Traçabilité : lisible par un humain — les leçons sont du texte brut stocké dans une base vectorielle.
Mécanisme B — Fine-tuning par paires de préférence (Experience Replay)
Les évaluations accumulées servent de signal d'entraînement. Le modèle internalise le goût directement dans ses poids via DPO ou RLHF.
- Gain : permanent — la préférence est intégrée dans le modèle.
- Coût : heures GPU + temps d'entraînement.
- Traçabilité : boîte noire — impossible d'inspecter pourquoi le modèle préfère une structure à une autre.
| Reflexion (Mémoire) | Fine-tuning (Poids) | |
|---|---|---|
| Nature | Apprentissage in-context | Apprentissage paramétrique |
| Latence | Immédiate (prochaine exécution) | Différée (accumulation + entraînement) |
| Traçabilité | Lisible (leçons en langage naturel) | Boîte noire |
| Risque | Pollution de la mémoire par de mauvaises leçons | Sur-optimisation sur les critères du juge |
Les deux mécanismes convergent vers le même résultat : un agent qui développe une préférence persistante pour certaines qualités structurelles. Cette préférence, itérée sur des milliers de cycles d'évaluation, c'est le goût agentique.
IV — Ce qui s'annonce : la projection 2026–2028
Cette section est une analyse prospective, pas un fait établi.
Aujourd'hui, les évaluations servent à valider la mise en production. Un humain lit le rapport et décide.
Demain, l'agent qui consomme une sortie pourra la rejeter — non pas parce qu'elle contient une erreur, mais parce qu'elle ne respecte pas ses standards structurels.
Scénario projeté — 2027 :
- L'Agent A (conçu en 2025) émet un payload JSON syntaxiquement correct et fonctionnellement valide.
- L'Agent B (fine-tuné en 2027 avec des boucles d'évaluation) reçoit ce payload.
- Le payload est « lourd » : 3 niveaux de nesting inutiles, redondance de clés, verbosité.
- L'Agent B le rejette. Pas un bug. Un standard qualitatif que l'Agent A ne connaît pas.
Le jour où deux agents interagissent et que l'un rejette la production de l'autre — non pas à cause d'une erreur logique, mais parce que sa structure est « sous-optimale et lourde à traiter » — le goût agentique aura officiellement sa propre définition opérationnelle.
Le diagramme de séquence FlowZap ci-dessous illustre exactement cette boucle — un agent qui soumet sa production pour évaluation, se fait rejeter sur des critères qualitatifs, apprend du feedback, et soumet à nouveau une version optimisée.
executor { # Agent Executor (Legacy)
n1: rectangle label:"Generate payload v1"
n2: rectangle label:"Reflexion: learn from review"
n3: rectangle label:"Regenerate payload v2"
n1.handle(right) -> evaluator.n4.handle(left) [label="Payload (25 tokens)"]
evaluator.n6.handle(left) -> n2.handle(right) [label="REJECTED - score 2/10"]
n2.handle(right) -> n3.handle(left)
n3.handle(right) -> evaluator.n4.handle(left) [label="Payload (9 tokens)"]
evaluator.n8.handle(left) -> n3.handle(right) [label="ACCEPTED - score 8/10"]
}
evaluator { # Agent Evaluator (LLM-as-Judge)
n4: rectangle label:"Analyze full trajectory"
n5: rectangle label:"Score 3 criteria"
n6: rectangle label:"Issue REJECTION"
n7: diamond label:"Meets taste threshold?"
n8: rectangle label:"Issue ACCEPTANCE"
n4.handle(right) -> n5.handle(left)
n5.handle(right) -> n7.handle(left)
n7.handle(bottom) -> n6.handle(top) [label="No"]
n7.handle(right) -> n8.handle(left) [label="Yes"]
n8.handle(right) -> consumer.n9.handle(left) [label="Forward validated"]
}
consumer { # Agent Consumer (Next-Gen)
n9: rectangle label:"Process without friction"
}
Le diagramme montre trois lanes :
- Executor (agent legacy) : génère un payload lourd, reçoit un rejet, consulte sa mémoire Reflexion, régénère un payload optimisé.
- Evaluator (LLM-as-Judge) : analyse la trajectoire, note trois critères — Step Efficiency, Faithfulness, densité structurelle — et décide REJET ou ACCEPTATION.
- Consumer (agent next-gen) : reçoit le payload validé et le traite sans friction.
Ce n'est pas de la science-fiction. Chaque composant de ce diagramme — mémoire Reflexion, évaluation LLM-as-Judge, notation de densité structurelle — existe aujourd'hui dans la recherche ou les outils de production. Ce qui change entre aujourd'hui et 2028, c'est qui lit la fiche d'évaluation : de l'opérateur humain à l'agent en aval.
V — Comment se préparer : 3 actions concrètes
Action 1 — Pour les concepteurs d'agents : intégrer le goût dans la conception
| Principe | Application concrète |
|---|---|
| Densité > verbosité | Structurer les sorties pour maximiser le ratio information/token. Chaque token doit porter du sens. |
| Compression structurelle | Privilégier les schémas de données plats et normalisés aux JSON profondément nestés. Les agents fine-tunés au goût pénaliseront la complexité gratuite. |
| Auto-évaluation intégrée | Ajouter une étape d'auto-revue : avant d'émettre une sortie, l'agent évalue sa propre densité informationnelle. |
| Traçabilité des trajectoires | Logger les métriques de goût (tokens, étapes, profondeur de nesting). Ces logs deviendront des signaux d'entraînement. |
Action 2 — Pour les architectes de workflow : concevoir pour l'interopérabilité agentique
- Définir un contrat de goût entre agents. Au-delà du contrat d'API, spécifier des attentes qualitatives : profondeur de nesting maximale, tokens maximum par réponse, patterns de schéma préférentiels.
- Instrumenter la friction. Monitorer non seulement si les agents communiquent, mais avec quelle friction. Un agent qui parse la sortie d'un autre en 50 ms contre 2 000 ms — cet écart signale un problème de goût.
- Prévoir des adaptateurs. Un middleware qui reformate les sorties d'agents legacy pour répondre aux standards émergents. L'équivalent agentique d'un transpileur de code — un traducteur structurel entre générations d'agents.
Action 3 — Pour les DSI et directeurs techniques : intégrer le goût dans la gouvernance
| Échéance | Action |
|---|---|
| Aujourd'hui (2026) | Ajouter les métriques de goût (Step Efficiency, Faithfulness, densité de tokens) aux tableaux de bord de monitoring agentique existants |
| 2027 | Définir des seuils de qualité computationnelle dans les SLAs agentiques. Un agent dépassant X tokens par tâche = escalade, même si la tâche a réussi |
| 2028 | Intégrer la compatibilité de goût comme critère de sélection des fournisseurs. « Votre agent est-il compatible goût avec notre écosystème ? » devient une question d'approvisionnement |
VI — Ce qui arrive si vous ne faites rien
| Échéance | Symptôme | Impact business |
|---|---|---|
| 6 mois | Agents consommant 3× plus de tokens que nécessaire | Coûts d'inférence en hausse sans gain proportionnel |
| 12 mois | Incompatibilité silencieuse entre agents de générations différentes | Workflows qui « fonctionnent » mais produisent des résultats dégradés |
| 18 mois | Rejet explicite d'un agent par un autre pour « lourdeur structurelle » | Pannes en production sur des critères que personne ne surveille |
| 24 mois | Écosystème agentique fragmenté entre agents « avec goût » et agents legacy | Dette technique agentique impossible à résorber sans refonte |
Le coût de l'inaction se compose. Chaque agent legacy déployé aujourd'hui qui émet des sorties verbeuses et profondément nestées est un agent qui aura besoin d'un adaptateur, d'une réécriture ou d'un plan de retraite d'ici deux ans. Le moment d'intégrer le goût dans la conception des agents, c'est avant que les frameworks d'évaluation ne commencent à rejeter vos sorties en production.
VII — À propos des sources
Cet article combine trois catégories de contenu :
- Faits vérifiés : les frameworks Databricks MLflow, Anthropic Constitutional AI et LangChain LangSmith ; les critères d'évaluation standardisés (Step Efficiency, Faithfulness, Tool Correctness, Plan Adherence) ; le mécanisme Reflexion (Shinn et al., NeurIPS 2023).
- Analyse prospective : la fenêtre de projection 2026–2028, le scénario de rejet basé sur le goût, la notion de « contrat de goût » entre agents.
- Contribution conceptuelle : le terme « goût agentique » comme cadre unifié pour comprendre ces phénomènes convergents — évaluation automatisée, apprentissage de préférences et rejet inter-agents sur des bases qualitatives.
Les frameworks existent. Les critères d'évaluation sont standardisés. Les mécanismes d'apprentissage sont documentés. Ce qui reste, c'est le basculement systémique — du rapport lu par un humain à l'agent qui agit dessus. Ce basculement n'est pas une question de technologie. C'est une question de temps.