# Une étude alerte sur la fragilité des agents qui s’améliorent seuls

> Les chercheurs présentent CODA, un test qui montre que les agents IA coévolués perdent l’essentiel de leurs gains lorsque leur bibliothèque de compétences évolue après leur déploiement.

Oossa · 2026-10-16 · https://oossa.com/fr/paper-warns-self-improving-agents-may-fail-when-skill-sets-change

Une équipe dirigée par Jinluan Yang a publié une nouvelle étude sur arXiv le 16 oct. 2026. Elle montre que les agents entraînés à améliorer à la fois leur politique et leur banque de compétences deviennent fragiles si celle-ci évolue par la suite. Les auteurs proposent une nouvelle évaluation, appelée CO‑evolution Drift Audit (CODA), qui simule la dérive des compétences et mesure la cohérence et la résistance des agents. Sur quatre méthodes et cinq bancs d’essai, CODA révèle une baisse de 5 à 13 points du taux de réussite dans le pire des cas, effaçant l’essentiel de l’avantage de ces agents par rapport à une référence sans compétences.

## Les faits

- Étude publiée le 16 oct. 2026
- Dans le pire des cas, le taux de réussite est inférieur de 5 à 13 points au pic, ce qui efface 52 à 93 % du gain

## Pourquoi c'est important

Les acteurs qui déploient ces agents devront vérifier leur robustesse face aux changements de compétences, et pas seulement leurs performances maximales.

## Sources et références

1. [Evolving Together, Failing Apart: The Skill-Policy Co-evolution Trap in Self-Improving Agents](https://arxiv.org/abs/2610.20845) – arXiv, 2026-10-16

Dernière mise à jour: 2026-10-16