AP06 · Tâche plus longue que l’horizon fiable

Définition

On confie d’un seul tenant à un agent une tâche dont la durée humaine dépasse nettement ce que le modèle réussit de façon fiable, sans découpage en étapes vérifiées ni point de reprise.

Symptômes observables

• L’agent tente tout d’un coup et épuise son contexte en pleine implémentation.
• À la reprise, le travail est à moitié fait et rien ne dit où il en est.
• Le taux de réussite s’effondre quand la tâche s’allonge.

Pourquoi c'est nuisible

Les erreurs se composent : une précision par étape un peu inférieure à 100 % rend une longue séquence très improbable. Anthropic l’a observé sur ses agents de code, qui cherchaient à produire l’application d’une traite et laissaient un travail inachevé à la session suivante.

Chiffres

• Les modèles réussissent presque 100 % des tâches qui prennent moins de 4 minutes à un humain, et moins de 10 % de celles qui dépassent environ 4 heures (METR, mars 2025).
• Horizon à 50 % de réussite mesuré début 2026 : environ 320 minutes pour Claude Opus 4.5 et 214 pour GPT-5, avec des intervalles de confiance très larges.
• Sur des tâches de bureau réalistes, le meilleur agent testé n’en termine que 30,3 %.

Remèdes du catalogue

• C2 · Planifier puis exécuter — Un plan découpé en étapes, relu avant l’exécution, puis exécuté une étape à la fois.
• D6 · Harnais longue durée — Une fonctionnalité par session, un fichier de progression et un commit à chaque étape, pour reprendre sans repartir de zéro.
• D2 · Notes structurées et plan récité — Le plan et l’avancement sont écrits hors du contexte et relus au début de chaque étape.
• B1 · Chaîne séquentielle — Chaque étape se termine par un contrôle qui vérifie le résultat avant de passer à la suivante.

Mesures hors catalogue

• Estimer la durée humaine de la tâche et la comparer à l’horizon mesuré du modèle avant de la confier d’un bloc.

Patterns détournés

• C1 · Boucle agentique (ReAct)

Anti-patterns voisins

• AP25 · Contexte qui gonfle sans gestion
• AP36 · Fin décidée par l’agent seul

Sources

• Measuring AI Ability to Complete Long Software Tasks — METR, 2025-03-19
• Time Horizon 1.1 — METR, 2026-01-29
• TheAgentCompany — Xu et al., arXiv, 2024-12-18
• Effective harnesses for long-running agents — Anthropic (J. Young), 2025-11-26
• The Illusion of Diminishing Returns — Sinha et al. (ICLR 2026), 2025-09