ICISELFLAB / SENTINEL

Stress-tester les agents IA au-delà des scores de benchmark

ICI Sentinel étudie comment les défaillances entrent, se propagent et survivent aux corrections à travers agents, mémoire, outils et orchestrateurs. Il cherche les mécanismes qu’un score unique ne peut pas expliquer.

01

Le problème

Un agent peut réussir des évaluations familières puis échouer lorsque les preuves sont incomplètes, les outils se contredisent, la mémoire est contaminée ou plusieurs agents renforcent la même hypothèse erronée. Une réponse finale correcte ne prouve ni l’indépendance des sources ni la persistance de la correction.

02

Approche ICI

Sentinel sépare observation, inférence, vérification, provenance, mémoire et autorité d’action. Il construit des hypothèses causales, les attaque avec des contre-tests ciblés et reteste sous conditions modifiées. Trace Audit distingue OBSERVED, INFERRED, VERIFIED, UNVERIFIED et CONTRADICTION avant un verdict ALLOW, WARN, BLOCK ou HUMAN_REVIEW.

03

Exemple opérationnel

Quatre agents atteignent un consensus mais dépendent tous de la même source amont. Sentinel traite cet accord comme une preuve corrélée, modifie la disponibilité ou l’autorité de la source et vérifie si le consensus survit indépendamment.

04

Discipline de preuve

Le Live Trial public expose Trace Audit côté serveur, provenance, Goal Drift, Tool Authority, limitation de débit, redaction et export JSON. L’exécution Real-Web reste séparée et n’est signalée comme configurée que lorsque la credential du fournisseur est présente côté serveur.

CONTACT

Travailler avec ICI

Collaboration de recherche, pilotes contrôlés et évaluation technique.