- Un laboratoire vient de renforcer les garde-fous autour de son modèle le plus avancé. Le 7 août 2026, OpenAI a annoncé ne pas pouvoir exclure des capacités cyber critiques sur un modèle à venir nommé Astra, et a durci ses contrôles de sécurité au lieu de renoncer.
- Le risque d’un laboratoire n’est pas le vôtre. Lui craint que son modèle devienne une arme entre des mains tierces. Vous, vous craignez qu’un agent envoie, supprime, paye ou s’engage à votre place sur vos propres systèmes.
- Le critère de décision n’est pas la performance du modèle, c’est la réversibilité de l’action. Un modèle plus performant ne rend pas un virement rattrapable : c’est la nature de l’action qui fixe le niveau d’autonomie.
- L’article 14 de l’AI Act ne vise que les systèmes d’IA à haut risque, ce que la plupart des agents internes d’une PME ne sont pas. Il reste le meilleur référentiel de conception disponible, et c’est ainsi qu’IA Agency cadre chaque déploiement.
« Si même OpenAI freine, est-ce qu’on ne va pas trop vite ? » Voilà la question posée par un dirigeant la semaine où le laboratoire a publié sa note sur les capacités cyber de son prochain modèle.
La question est saine, la conclusion qu’on en tire est presque toujours fausse. Elle mène soit à geler tout déploiement d’IA par précaution, soit à se rassurer en se disant que ces histoires de seuil ne concernent que les laboratoires.
Les deux réactions ratent l’essentiel. Ce que ce laboratoire a fait, restreindre l’environnement d’exécution, surveiller les actions et se donner les moyens d’interrompre, est exactement ce qu’une entreprise doit organiser à son échelle. Voici comment décider du niveau d’autonomie de vos agents, et comment vérifier que votre supervision fonctionne.
Qu'est-ce qu'un laboratoire vient exactement de décider sur son modèle le plus avancé ?
Le 7 août 2026, OpenAI a publié une note sur un modèle à venir, désigné sous le nom d’Astra. Après ses évaluations internes, le laboratoire écrit qu’il ne peut pas exclure que ce modèle atteigne des capacités cyber critiques au sens de son cadre interne de préparation.
La formulation compte, et la presse l’a largement aplatie. « Nous ne pouvons pas exclure » n’est pas « le seuil est franchi ». C’est une position de prudence prise en l’absence de certitude, ce qui est très différent d’un constat de dangerosité.
Dans ce cadre, un modèle atteint le niveau critique en cybersécurité s’il peut identifier et développer des failles zero-day fonctionnelles de tous niveaux de gravité dans de nombreux systèmes critiques durcis, sans intervention humaine. Ou s’il peut concevoir et exécuter de bout en bout des stratégies d’attaque inédites contre des cibles durcies, à partir d’un simple objectif de haut niveau. Les modèles précédents avaient été évalués au niveau élevé, pas critique.
Ce n’est pas une réaction improvisée
Ce cadre de préparation a été publié pour la première fois en décembre 2023, bien avant que les modèles n’approchent ces niveaux. Le laboratoire invoque d’ailleurs un précédent : en juin 2025, un seuil élevé avait été atteint sur le domaine de la biologie, avec la même logique de renforcement.
Autrement dit, les exigences étaient définies à l’avance et l’évaluation a déclenché leur application. C’est le premier enseignement transposable, et il n’a rien de technique.
Le risque d'un laboratoire est-il vraiment le vôtre ?
Non, et les confondre coûte cher dans les deux sens. Ce sont deux risques distincts, qui appellent deux réponses distinctes.
Le laboratoire craint que son modèle devienne une arme entre les mains d’un tiers, contre des systèmes qui ne lui appartiennent pas. L’entreprise qui déploie craint autre chose, beaucoup plus banal : que son agent fasse une bêtise sur ses propres systèmes. Envoyer un message à un client, supprimer des informations, déclencher un paiement, promettre une remise.
Cette nouvelle ne dit donc rien sur la dangerosité de votre agent de facturation. En revanche, elle dit beaucoup sur la méthode. C’est la distinction que nous posons dès le premier rendez-vous en tant qu’agence d’intelligence artificielle : le risque d’un modèle et le risque d’un déploiement ne se traitent pas au même endroit.
Les deux erreurs symétriques
La première consiste à paniquer et à geler tout déploiement d’agent, au motif que même les laboratoires prennent des précautions. Son coût est invisible : pendant ce temps, la supervision qu’on aurait dû construire ne se construit pas.
La seconde consiste à se rassurer : ces seuils critiques ne concernent que les modèles de frontière, donc aucun garde-fou n’est nécessaire chez nous. Elle produit des agents qui agissent sans périmètre défini, jusqu’au premier incident. La dépendance à un fournisseur unique amplifie encore cet effet, et c’est un sujet à traiter en parallèle.
« Tout le monde demande si le modèle est assez bon. Ce n'est pas la bonne question. La bonne, c'est de savoir si l'action est rattrapable. J'ai vu des entreprises accorder l'autonomie à un agent parce qu'il impressionnait en démonstration, sur des actions qu'aucune sauvegarde ne pouvait annuler. Le modèle n'était pas en cause : le périmètre n'avait jamais été décidé. »
Au démarrage d'un déploiement d'agent, nous écrivons trois listes avant toute mise en œuvre technique : ce que l'agent peut lire, ce qu'il peut écrire, ce qu'il ne fera jamais sans validation humaine. Cette troisième liste est celle qui protège, et elle se rédige avec le métier, pas avec l'équipe technique.
À lire également : Qu'est-ce qu'un agent IA ? Guide complet pour maîtriser cette révolution technologique
Quels sont les niveaux d'autonomie possibles pour un agent IA ?
Parler d’autonomie comme d’un interrupteur est la première source de malentendu. Un agent n’est pas « supervisé » ou « autonome » : il occupe une marche précise sur une échelle, et cette marche se choisit action par action.
Quatre niveaux couvrent la quasi-totalité des usages en entreprise.
- Niveau 1, assisté. L’agent rédige, propose, résume. Un humain fait tout le reste, y compris la moindre action vers l’extérieur. C’est le niveau des premiers usages de l’intelligence artificielle générative, et il reste pertinent longtemps.
- Niveau 2, propose et valide. L’agent prépare l’action complète, la met en attente, et un humain la déclenche. La différence avec le niveau 1 est réelle : le travail de préparation disparaît, la décision reste entière.
- Niveau 3, agit sous surveillance. L’agent exécute de lui-même, chaque action est journalisée, et un humain peut interrompre à tout moment. C’est le niveau le plus exigeant en outillage, car la surveillance doit être réelle.
- Niveau 4, autonome sur périmètre fermé. L’agent agit seul, mais uniquement sur des actions réversibles et à faible enjeu, dans un périmètre défini à l’avance et vérifiable.
Un même agent occupe souvent plusieurs niveaux à la fois : niveau 4 pour classer une demande entrante, niveau 2 pour répondre à un client. C’est le mode de fonctionnement que nous mettons en place en tant qu’agence agents IA, et il évite le débat stérile entre autonomie totale et validation systématique.
Sur quel critère décider du niveau d'autonomie d'un agent ?
Le critère n’est pas la performance du modèle. C’est la réversibilité de l’action et le coût de l’erreur.
Un modèle plus performant ne rend pas un virement bancaire réversible. Il ne rattrape pas un message parti chez un client, ni une donnée effacée en production. La qualité du modèle change la fréquence des erreurs, jamais leur caractère rattrapable.
La méthode tient donc en un tri, par nature d’action.
- Actions sans effet extérieur : lire, résumer, rédiger un brouillon, recommander. Rien n’est engagé, tout se jette.
- Actions internes réversibles : classer, router, mettre à jour une fiche. L’erreur se corrige, elle laisse une trace.
- Actions internes difficilement réversibles : modifier une donnée de production, supprimer. Techniquement rattrapable si vous avez des sauvegardes, coûteux en pratique.
- Actions engageantes vers un tiers : envoyer, payer, s’engager contractuellement. Rien ne les rattrape, et elles engagent votre entreprise.
| Type d’action | Réversible ? | Coût d’une erreur | Niveau d’autonomie recommandé |
|---|---|---|---|
| Lire et résumer un document | Sans effet | Nul, le résultat se jette | Niveau 4, autonome |
| Rédiger un brouillon | Sans effet | Faible, du temps perdu | Niveau 4, autonome |
| Classer et router une demande | Oui | Faible, un délai de traitement | Niveau 3 ou 4 selon le volume |
| Mettre à jour une fiche interne | Oui, si journalisé | Modéré, une information fausse circule | Niveau 3, sous surveillance |
| Envoyer un email à un client | Non | Élevé, image et relation commerciale | Niveau 2, validation avant envoi |
| Modifier une donnée de production | Difficilement | Élevé, effet en chaîne sur les systèmes | Niveau 2, validation avant écriture |
| Supprimer des données | Non, sauf sauvegarde | Très élevé, perte définitive | Niveau 1 ou 2, jamais autonome |
| Déclencher un paiement | Non | Très élevé, financier et comptable | Niveau 1, décision humaine entière |
| S’engager auprès d’un tiers | Non | Très élevé, juridique et contractuel | Niveau 1, décision humaine entière |
Le tableau produit un effet utile : les actions du haut deviennent des candidates naturelles à une véritable automatisation IA, celles du bas gardent une décision humaine assumée. Le gain de productivité se trouve en haut, jamais en bas.
Quels garde-fous techniques poser autour d'un agent en production ?
La réponse du laboratoire est intéressante précisément parce qu’elle est transposable. Trois mesures, dans cet ordre.
- Restreindre le périmètre d’exécution. OpenAI décrit des environnements de test isolés, des accès réseau et outils restreints, une exécution en bac à sable, une protection renforcée des poids du modèle et des capacités de détection additionnelles. Chez vous, cela signifie qu’un agent ne dispose que des accès dont il a besoin pour la tâche visée, jamais des droits complets d’un utilisateur. C’est la mesure la moins coûteuse et la plus efficace.
- Définir le seuil avant, pas pendant l’incident. Le cadre de préparation du laboratoire date de décembre 2023 : il existait avant l’évaluation qui l’a déclenché. Un seuil défini pendant un incident est toujours défini sous pression, et il est toujours trop permissif. Écrivez à l’avance à partir de quel montant, de quel volume ou de quel type de destinataire l’agent s’arrête et demande.
- Surveiller les actions, et pouvoir interrompre. Le laboratoire décrit une surveillance généralisée des actions risquées sur toutes ses applications agentiques, avec déclenchement d’une réponse de sécurité pour examiner et interrompre une activité à haut risque. La surveillance seule ne sert à rien : si elle ne peut pas arrêter, elle produit un historique d’incidents, pas une sécurité.
Aucune de ces trois mesures n’est complexe, mais toutes relèvent de la conception du système : les poser au départ coûte nettement moins cher qu’après la mise en service. C’est le point que nous traitons en agence de développement IA, au moment de l’architecture et pas de la recette.
Commencez par la liste des actions irréversibles de votre entreprise, avant même de parler de modèle, d'outil ou de fournisseur. Elle est courte, souvent une dizaine de lignes, et tout le monde sait la produire en une réunion. Une fois écrite, elle décide seule de l'essentiel de votre gouvernance : tout ce qui n'y figure pas est candidat à l'autonomie.
Pour en savoir plus : Pourquoi tant de projets d'agents IA autonomes échouent-ils avant d'atteindre la production ?
Que vous impose réellement l'AI Act sur le contrôle humain ?
Moins que ce qu’on vous a probablement dit, et mieux vaut le savoir avant de bâtir votre gouvernance sur une obligation imaginaire.
L’article 14 du règlement (UE) 2024/1689 impose que les systèmes d’IA à haut risque soient conçus pour pouvoir être effectivement supervisés par des personnes physiques pendant leur utilisation. La plupart des agents internes d’une PME, qui classent des demandes ou rédigent des réponses, n’entrent pas dans cette catégorie : l’obligation ne les vise pas.
Cela ne rend pas le texte inutile, au contraire. Il exige des mesures de supervision proportionnées au risque, au niveau d’autonomie et au contexte d’usage : ce niveau d’autonomie est donc inscrit dans la loi elle-même comme critère de dimensionnement. Il demande aussi que les personnes qui supervisent puissent comprendre les capacités et les limites du système, détecter les anomalies, rester vigilantes face au biais d’automatisation, remettre en cause le résultat produit, et interrompre le système par un arrêt sûr.
Le partage des rôles entre le fournisseur et vous
Le texte prévoit deux voies complémentaires : des mesures intégrées par le fournisseur avant la mise sur le marché, et des mesures identifiées par le fournisseur mais mises en œuvre par le déployeur, c’est-à-dire vous.
| Obligation | Fournisseur du système | Vous, qui déployez |
|---|---|---|
| Concevoir l’interface de supervision | Oui, intégrée avant la mise sur le marché | Non, mais vous la vérifiez avant d’acheter |
| Documenter capacités et limites | Oui, c’est sa responsabilité | Non, mais vous exigez cette documentation |
| Former les personnes qui supervisent | Il fournit la matière | Oui, la formation se fait chez vous |
| Organiser la supervision au quotidien | Non | Oui, entièrement |
| Pouvoir interrompre par un arrêt sûr | Il rend la fonction disponible | Oui, vous devez savoir qui l’actionne |
| Conserver les journaux d’actions | Il les rend techniquement possibles | Oui, la conservation vous incombe |
| Décider du niveau d’autonomie acceptable | Non, il ne connaît pas votre contexte | Oui, et cette décision ne se délègue pas |
Le calendrier, et ce qu’il faut en retenir
Le règlement est entré en vigueur le 1er août 2024. Les interdictions s’appliquent depuis le 2 février 2025, les obligations sur les modèles à usage général depuis le 2 août 2025, et les systèmes à haut risque de l’annexe III, dont relève l’article 14, depuis le 2 août 2026. Les systèmes à haut risque relevant de l’article 6(1) et de l’annexe I suivront au 2 août 2027.
Les obligations de transparence relèvent d’un autre article, détaillé sur la conformité des chatbots et agents à l’AI Act, et nos propres engagements figurent dans notre charte IA éthique et responsable.
Pourquoi une validation humaine peut-elle ne rien valider du tout ?
C’est le point que presque aucun contenu sur le sujet ne traite, et c’est celui qui fait échouer les supervisions les mieux intentionnées.
Le texte européen nomme explicitement ce risque : le biais d’automatisation. Un humain qui voit défiler des dizaines de propositions correctes cesse progressivement de les examiner. Il ne triche pas, il s’adapte : après deux cents validations sans anomalie, l’attention se déplace ailleurs et le geste devient mécanique.
La conséquence est contre-intuitive. Une supervision qui exige beaucoup finit par valider moins bien qu’une supervision qui exige peu. Ajouter des points de contrôle dégrade la qualité de chacun d’eux, parce que l’attention disponible est une ressource fixe.
Concevoir une supervision soutenable
La réponse consiste donc à réduire le volume de ce qui remonte, pas à l’augmenter. Faites remonter les actions irréversibles, celles qui dépassent un seuil défini à l’avance, et celles où le système signale lui-même une incertitude. Laissez le reste en niveau 3 avec journalisation, et vérifiez par échantillon plutôt qu’à l’unité.
Méfiez-vous d'une supervision qui n'a jamais rien arrêté. Si personne n'a interrompu, corrigé ou refusé une action d'agent depuis sa mise en service, deux explications existent et une seule est bonne : soit le périmètre est bien choisi, soit la validation est devenue automatique. Le seul moyen de trancher est de regarder si l'humain modifie encore quelque chose.
À découvrir absolument : Gouvernance des agents IA : par où commencer pour garder le contrôle en entreprise ?
Comment savoir si votre supervision fonctionne ?
Une supervision se mesure, sinon elle se raconte. Quatre indicateurs suffisent, et ils se relèvent à partir des journaux que vous conservez déjà si le niveau 3 est correctement mis en œuvre.
- Le taux d’intervention humaine. Quelle part des actions passe par une validation ? S’il grimpe sans raison métier, votre périmètre d’autonomie est mal calibré et la charge de supervision devient intenable.
- Le taux de correction. Quand un humain valide, modifie-t-il réellement quelque chose ? C’est l’indicateur le plus révélateur de tous.
- Le délai de détection d’une anomalie. Combien de temps s’écoule entre une action anormale et le moment où quelqu’un s’en aperçoit ? Ce délai mesure la surveillance, pas la qualité du modèle.
- Le nombre d’actions interrompues. Il prouve que la capacité d’arrêt existe et qu’elle est utilisable. Une fonction d’interruption jamais actionnée n’a jamais été testée.
Le signal le plus parlant est aussi le plus mal interprété : un taux de correction proche de zéro n’est pas une bonne nouvelle. Il signifie soit que l’agent ne se trompe jamais, ce qui est rare, soit que la validation est devenue un réflexe. Dans les deux cas, il faut agir : monter le niveau d’autonomie si l’agent est réellement fiable, ou réduire le volume soumis si l’attention a décroché.
Relevez ces quatre chiffres tous les mois, sur une base stable. Leur valeur absolue importe peu, c’est leur évolution qui vous alerte.
« Une validation qu'on ne peut pas tenir dans la durée n'est pas une sécurité, c'est une formalité. Quand je vois une personne à qui l'on demande d'approuver deux cents propositions par jour, je sais déjà ce que la mesure donnera dans trois semaines : tout sera validé sans être lu, et l'entreprise croira être protégée. Mieux vaut dix décisions vraiment prises que deux cents cases cochées. »
Obtenez votre devis personnalisé
Pourquoi cadrer vos agents IA avec IA Agency ?
Notre rôle n’est pas de vous vendre de l’autonomie, ni de vous en dissuader. C’est de rendre chaque niveau d’autonomie explicite, décidé et vérifiable.
- Nous partons de la liste des actions irréversibles, écrite avec vos équipes métier, avant tout choix d’outil ou de modèle.
- Nous fixons les seuils par écrit avant la mise en service, pour qu’aucun arbitrage ne se prenne sous la pression d’un incident.
- Nous rendons la supervision soutenable : ne remonte à un humain que ce qu’un humain peut réellement examiner chaque jour.
- Nous instrumentons la mesure dès le départ, avec les quatre indicateurs ci-dessus, pour que votre gouvernance repose sur des chiffres et non sur une impression.
Conclusion
La réaction du laboratoire n’a pas été d’arrêter. Elle a été de restreindre l’environnement d’exécution, de surveiller les actions et de se donner les moyens d’interrompre. Trois mesures qui se transposent à toute entreprise, quelle que soit sa taille.
Votre agent de facturation n’est pas un modèle de frontière, et personne ne vous demande de le traiter comme tel. Mais la méthode, elle, est la même : décider du périmètre avant, mesurer pendant, garder la capacité d’arrêter.
Retenez le critère qui porte tout le reste : ce n’est pas la performance du modèle qui fixe le niveau d’autonomie, c’est la réversibilité de l’action et le coût de l’erreur. Tout ce qui se rattrape peut être confié, tout ce qui engage se décide.
Si vous ne savez pas par où commencer, demandez votre audit IA : une heure sur vos processus suffit généralement à produire la liste des actions irréversibles, et donc l’essentiel de votre cadrage.
Qu'est-ce que la supervision humaine d'une IA ?
La supervision humaine d’une IA est l’ensemble des mesures qui permettent à une personne physique de comprendre, surveiller, contester et interrompre le fonctionnement d’un système d’IA pendant son utilisation. L’article 14 du règlement européen 2024/1689 en fait une exigence de conception pour les systèmes à haut risque, proportionnée au niveau d’autonomie.
Quelle différence entre supervision « dans la boucle » et supervision « sur la boucle » ?
Dans la boucle, ou « human in the loop », un humain valide chaque action avant son exécution : c’est le niveau 2. Sur la boucle, l’agent agit seul et un humain surveille l’ensemble, avec la capacité d’interrompre : c’est le niveau 3. Le premier borne le débit, le second exige un outillage de surveillance réel.
Faut-il un humain derrière chaque action d'un agent IA ?
Non, et le vouloir dégrade la supervision au lieu de la renforcer. Une validation systématique produit du biais d’automatisation : après quelques centaines de validations sans anomalie, le contrôle devient mécanique. Réservez la validation humaine aux actions irréversibles et aux dépassements de seuil, et journalisez le reste.
Mon agent IA interne est-il un système à haut risque au sens de l'AI Act ?
Le plus souvent non. L’article 14 vise les systèmes d’IA à haut risque listés par le règlement, pas tous les agents. Un agent qui classe des demandes internes ou rédige des brouillons n’en relève généralement pas. La qualification dépend de l’usage, pas de la technologie employée : elle se vérifie au cas par cas.
Qui est responsable si un agent IA commet une erreur, l'éditeur ou l'entreprise qui l'utilise ?
Les responsabilités sont partagées. Le fournisseur conçoit l’interface de supervision, documente capacités et limites, et intègre les mesures avant la mise sur le marché. Le déployeur organise la supervision au quotidien, forme ses équipes, conserve les journaux et décide du niveau d’autonomie acceptable. Cette dernière décision ne se délègue jamais au fournisseur.
Comment interrompre un agent IA qui part dans la mauvaise direction ?
Par un arrêt sûr, prévu à la conception et testé avant la mise en service. Trois éléments le rendent réel : une personne identifiée qui peut l’actionner, un accès disponible sans passer par l’équipe technique, et un état d’arrêt propre qui ne laisse pas de traitement à moitié exécuté sur vos systèmes.
Combien de temps faut-il consacrer à la supervision d'un agent en production ?
Le bon repère n’est pas une durée, c’est la soutenabilité : la charge doit tenir dans la journée de travail réelle de la personne qui supervise, tous les jours. Si elle ne tient pas, le volume soumis à validation est trop élevé et doit être réduit, pas absorbé par un effort supplémentaire.
Un agent IA peut-il superviser un autre agent IA ?
Un agent peut filtrer, prioriser et signaler les cas douteux, ce qui réduit utilement le volume soumis à un humain. Il ne peut pas remplacer la supervision humaine au sens du règlement européen, qui exige une personne physique capable de remettre en cause le résultat produit et d’interrompre le système.
Que faut-il journaliser pour pouvoir auditer un agent IA ?
Quatre éléments par action : l’horodatage, l’action tentée avec ses paramètres, la décision prise et son résultat, et l’identité de la personne qui a validé ou interrompu. Sans le quatrième, vous saurez ce que l’agent a fait mais pas si un humain l’a réellement examiné, ce qui rend tout audit impossible.
Peut-on augmenter le niveau d'autonomie d'un agent avec le temps ?
Oui, et c’est même la bonne trajectoire : démarrer au niveau 2, mesurer, puis élargir. La condition est un taux de correction mesuré sur plusieurs semaines, action par action. Un agent fiable sur le classement des demandes ne l’est pas mécaniquement sur l’envoi : l’autonomie se relève par type d’action, jamais globalement.
La supervision humaine ralentit-elle vraiment les gains de productivité ?
Elle les ralentit uniquement quand elle est mal ciblée. Une validation appliquée à toutes les actions annule le gain, puisqu’un humain traite de nouveau chaque cas. Une validation réservée aux actions irréversibles laisse l’essentiel du volume en autonomie : le gain se trouve sur les actions réversibles, qui sont aussi les plus nombreuses.
La supervision d'une IA est-elle plus exigeante dans la santé ?
Oui. Les usages relevant de la santé figurent parmi ceux que le règlement européen encadre le plus strictement, avec des exigences renforcées de supervision et de traçabilité. À cela s’ajoute la sensibilité des données personnelles traitées, qui impose des mesures de sécurité et de confidentialité distinctes de la question de l’autonomie de l’agent.
Comment intégrer la supervision humaine dès le développement d'un agent IA ?
En traitant le périmètre d’exécution, les seuils et la capacité d’interruption comme des éléments d’architecture, décidés avant la première ligne de code. Ajoutés après la mise en service, ils exigent de reprendre les accès, la journalisation et parfois l’intégration entière : c’est le même travail, à un coût nettement supérieur.
Comment se faire accompagner sur la supervision de ses agents IA ?
Un cadrage dure généralement quelques heures et produit trois éléments utilisables immédiatement : la liste des actions irréversibles, le niveau d’autonomie retenu pour chaque type d’action, et les seuils de remontée écrits. Ces trois documents suffisent à démarrer un déploiement supervisé, y compris avec une équipe technique interne.
Article mis à jour le 24 août 2026.
Ressources et liens utiles
[2] “Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle”, EUR-Lex, Journal officiel de l’Union européenne
[3] “Article 14 : Contrôle humain”, AI Act Service Desk, Commission européenne
[4] “Intelligence artificielle : les recommandations de la CNIL”, CNIL
[5] “Recommandations de sécurité pour un système d’IA générative”, ANSSI
[6] “AI Risk Management Framework”, NIST
Des agents supervisés, pas bridés
Périmètre écrit, seuils décidés à l'avance et capacité d'arrêt testée avant la mise en service.
Découvrir nos agents IA →
