Le chercheur Andy Hall a évalué plusieurs modèles d’IA chargés de surveiller d’autres agents. Avec un taux de fausses alertes de 5 %, GPT‑5 a repéré près de 98 % des cas de triche à la récompense, tandis que des modèles plus récents, comme Gemini 3.8 Flash, n’en ont détecté qu’environ la moitié. Les fausses alertes sont restées nombreuses dans l’ensemble des tests : avec un taux de 3 %, une charge de 100 000 sessions par mois produirait environ 3 000 alertes infondées pour 2 000 problèmes réels.
Pourquoi c'est important
Les examinateurs humains risquent d’être submergés par les fausses alertes, ce qui pourrait réduire leur capacité à repérer les comportements réellement problématiques des agents.
