Une entreprise met à jour ses dossiers, mais son agent IA peut continuer à s’appuyer sur des informations obsolètes. De nouvelles recherches montrent que même les modèles avancés peinent à interpréter des dossiers contradictoires et à déterminer quelles informations étaient exactes à un moment donné.
Des chercheurs de KAIST et de Korea University ont présenté MMEnterprise-Bench le 20 octobre 2026 afin de tester la manière dont les modèles d’IA interprètent l’évolution des dossiers professionnels. Les résultats mettent en évidence des faiblesses dans la résolution des contradictions et le suivi des révisions entre documents, messages et images.
À mesure que les entreprises confient davantage de responsabilités aux agents IA, des informations obsolètes pourraient affecter des décisions concernant les échéances de projets, les rapports financiers et les dossiers clients. Récupérer correctement un document ne garantit pas l’exactitude de la réponse.
Quand les agents IA peinent à gérer l’évolution des dossiers
L’étude MMEnterprise-Bench a évalué 10 modèles d’IA multimodale à l’aide de 1 613 questions portant sur 30 projets professionnels simulés. Ses 7 140 dossiers comprenaient des documents, des messages et des supports visuels.
Les chercheurs ont testé l’extraction d’informations, la résolution des contradictions et la capacité des modèles à reconnaître les questions dépourvues de preuves suffisantes.
Avec 10 dossiers récupérés, le modèle le plus performant, GPT-5.6 Sol, a atteint une précision globale de 52,6 %. Il a obtenu 36,3 % pour les contradictions entre sources et 32,5 % pour les questions nécessitant des informations historiques.
Porter la récupération à 50 dossiers a fait passer la précision globale à 68 %. Toutefois, les gains de performance variaient selon les modèles, ce qui montre que des éléments de preuve supplémentaires ne produisaient pas systématiquement de meilleures réponses.
Les informations visuelles se sont révélées particulièrement difficiles à traiter. GPT-5.6 Sol a atteint une précision de 83,3 % pour les questions nécessitant un seul dossier textuel, contre 27,5 % lorsque plusieurs images étaient nécessaires.
À mesure que les entreprises passent des copilotes IA aux workflows autonomes, ces faiblesses pourraient devenir plus lourdes de conséquences. Des agents qui agissent à partir d’informations obsolètes peuvent introduire des erreurs dans des processus qui nécessitaient auparavant une vérification humaine.
L’IA d’entreprise a besoin d’une meilleure validation des dossiers
Les organisations qui connectent des agents à des référentiels documentaires et à des applications métier doivent tester davantage que la précision de la récupération. Les systèmes doivent distinguer les informations révisées des versions antérieures et reconnaître les contradictions entre les dossiers.
La proposition de suivi des agents IA multiplateformes de Dataiku reflète une demande croissante de visibilité sur les déploiements. Toutefois, surveiller l’activité des agents ne permet pas de vérifier l’exactitude des informations qu’ils utilisent.
Les architectes d’entreprise devraient tester les documents contradictoires, les horodatages historiques et les éléments de preuve dans différents formats avant d’autoriser les agents à contribuer à des décisions lourdes de conséquences. Les préoccupations existantes concernant la gouvernance et la traçabilité de l’IA rendent ces vérifications particulièrement pertinentes à mesure que les organisations étendent l’automatisation.
Ce qu’eWeek a constaté : davantage de preuves améliorent les résultats, mais l’exactitude historique reste à la traîne
MMEnterprise-Bench met en évidence une faiblesse mesurable du raisonnement sur des dossiers qui évoluent. Avec 10 dossiers récupérés, GPT-5.6 Sol a atteint une précision de 67,5 % pour l’extraction d’informations, mais seulement 32,5 % pour les contradictions temporelles, soit un écart de 35 points de pourcentage.
Porter la récupération à 50 dossiers a augmenté la précision globale de 15,4 points de pourcentage, pour atteindre 68 %. La précision concernant les contradictions temporelles est passée à 56,1 %, laissant une part importante des questions recevoir une réponse incorrecte.
Ces résultats prolongent les évaluations antérieures des agents d’entreprise, notamment Argo-Bench, qui examinait l’exécution de tâches métier plutôt que le raisonnement sur des informations révisées. Ces benchmarks évaluent des capacités différentes et leurs scores ne peuvent pas être comparés directement.
MMEnterprise-Bench est une prépublication de recherche fondée sur des dossiers professionnels simulés. Elle évalue la réponse aux questions plutôt que des transactions commerciales en conditions réelles ; ses résultats ne permettent donc pas d’établir des taux d’échec en production.
Pour les déploiements impliquant des dossiers financiers, opérationnels ou de conformité, la validation devrait inclure l’exactitude historique et les éléments de preuve contradictoires, et pas seulement vérifier qu’un agent a récupéré des documents pertinents.
Vous voulez découvrir d’autres conseils, astuces et techniques de formulation de requêtes pour l’IA ? Laissez-nous vous apprendre Comment parler à l’IA gratuitement ! Suivez notre cours de six minutes sur The Neuron Academy, notre plateforme d’apprentissage pratique conçue pour aider les professionnels à utiliser l’IA avec davantage d’assurance au travail.
Découvrez quelques méthodes simples pour rédiger de meilleures requêtes et obtenir des résultats plus utiles avec l’IA, ou explorez gratuitement pendant sept jours notre autre cours consacré à l’IA. Les lecteurs d’eWeek bénéficient de 7 jours d’accès gratuit. Découvrez toutes les leçons ici →