La recherche de Google révèle un défaut critique dans l'architecture de livraison des agents IA

Les agents IA multi-étapes subissent un effondrement de précision

Les chercheurs de Google ont constaté que les agents IA multi-étapes rencontrent une corruption sévère des données lorsqu'ils re‑émettent des enregistrements structurés directement dans les fenêtres de contexte du LLM. En passant d’une synthèse contextuelle à une architecture de livraison déterministe nommée BYPASS, la précision par échange est passée de 45,7 % à 92,3 %, tout en supprimant les pics de coût exponentiels liés à un volume élevé de données.

Qu’est‑ce que Google a découvert sur les architectures d’agents IA ?

Dans un article intitulé Fidelity Collapses with Table Size, Not Turn Count, les chercheurs ont analysé les modes d’échec en production d’agents IA utilisant des outils. L’étude a comparé un agent de voyages récompenses en production sur deux architectures distinctes, SYNTHESIS et BYPASS, en utilisant les mêmes charges utiles, prompts et paramètres d’échantillonnage.

• SYNTHESIS : le système injecte l’ensemble des enregistrements structurés directement dans le contexte du planificateur, obligeant le modèle à calculer les réponses « dans la tête ».
• BYPASS : les enregistrements restent dans un état de session déterministe. Lorsqu’un utilisateur pose une question de suivi, le système traduit l’entrée en filtres d’arguments pour un moteur d’exécution déterministe, livrant les lignes via un canal latéral typé.

Sur 24 dialogues (339 tours évalués), l’architecture BYPASS a atteint 92,3 % de précision totale par tour, contre seulement 45,7 % pour SYNTHESIS, soit un écart de +46,6 points de pourcentage.

Points clés

• La fidélité des données des agents IA s’effondre en fonction de la taille du tableau, pas du nombre d’échanges.
• La livraison par canal latéral BYPASS atteint 92,3 % de précision par échange contre 45,7 % pour la synthèse contextuelle.
• La corruption de données apparaît dès 10 à 198 lignes selon la capacité du LLM (GPT‑4o‑mini à Gemini 2.5 Pro).

Pourquoi cela compte‑t‑il ?

Cette recherche remet en cause le paradigme de l’ingénierie des agents IA. Les développeurs pensaient que de plus grands fenêtres de contexte résolveient le problème de récupération de données dans les dialogues multi‑étapes. Les données empiriques de Google démontrent que l’injection de gros tableaux dans le prompt entraîne une corruption systématique et des pics de coût incontrôlables.

Pour les organisations d’entreprise déployant des agents de support client, d’analyse ou de gestion de transactions, se fier à la synthèse pure en prompt crée un risque opérationnel important. L’adoption de couches d’exécution déterministes avec livraison de données via un canal latéral garantit la précision des données tout en maintenant les coûts d’inférence prévisibles.

En outre, cette découverte redéfinit les métriques d’acquisition IA. La performance d’un système n’est plus définie uniquement par les scores de benchmark du modèle sous‑jacents, mais par l’efficacité et l’architecture de la couche de gestion d’état entourant le modèle.