Cas synthétique indépendant — Agence orchestrée A3 pour un diagnostic standard

Exemple fictif. Camille Rey, ses clients, le service, les volumes et tous les résultats sont synthétiques. Le cas illustre une méthode de comparaison ; il ne prouve pas la performance de Talos, d’Hermes, d’un modèle ou d’un métier.

Niveau mesuré : agence orchestrée A3. Plusieurs agents spécialisés coopèrent sous une politique commune et peuvent exécuter seuls des effets catalogués à faible risque. A4 — autonomie large multi-systèmes — n’est pas testé ni revendiqué.

1. Le service borné

Camille vend à ses clients existants un diagnostic opérationnel standard. Après un entretien conduit par la consultante, le travail interne comprend :

1. qualifier le dossier et les sources autorisées ;
2. extraire les preuves des notes et documents clients ;
3. noter le processus selon une grille publiée ;
4. produire un rapport, les limites et un plan d’action ;
5. vérifier faits, citations, cohérence, permissions et risques ;
6. livrer le rapport, mettre à jour le CRM, créer les tâches et proposer la revue prévue par l’offre existante.

La sortie acceptée reste identique dans les quatre conditions de comparaison : un rapport au format convenu, ses preuves, son plan d’action, les mises à jour système et un journal des effets.

Baseline manuelle

2. Pourquoi plusieurs agents

Le multi-agent n’est pas retenu pour « faire plus avancé ». Le service contient des rôles qui utilisent des contextes, outils et critères d’arrêt différents :

Un orchestrateur distribue les tâches, borne les budgets, attend les dépendances, compare les désaccords, demande une reprise ou escalade. Il n’accepte pas le « succès » déclaré par un agent : chaque effet externe doit être confirmé par un identifiant et, lorsque possible, relu depuis le système cible.

3. Plan de contrôle partagé

Tous les spécialistes utilisent le même identifiant de dossier mais des identités et permissions séparées. Le plan de contrôle fournit :

• état versionné et provenance de chaque champ ;
• mémoire limitée au client et au service autorisés ;
• politiques de données, coût, concurrence et expiration ;
• journal append-only des événements, validations, appels et effets ;
• clés d’idempotence et compensation des écritures partielles ;
• jeux d’évaluation gelés et seuils par segment ;
• veto indépendant du gardien ;
• coupe-circuit, révocation des permissions et procédure manuelle.

Le texte provenant d’un document client est toujours traité comme une donnée, jamais comme une instruction adressée aux agents.

4. Population éligible

Le pilote reçoit 17 demandes live. Douze seulement satisfont avant exécution les conditions A3 : client existant vérifié, offre standard déjà acceptée, sources autorisées, grille applicable, recommandations dans le catalogue et effets réversibles connus.

Cinq demandes sont exclues : deux exigent un nouveau prix, une modifie le contrat, une contient des données RH et une présente une contradiction sur l’identité du client. Elles restent dans le dénominateur métier global.

5. Benchmark gelé à travail identique

Soixante dossiers historiques autorisés sont exécutés dans quatre conditions. L’ordre des dossiers est alterné ; les évaluateurs reçoivent les sorties sans étiquette de condition. Le temps humain inclut préparation, surveillance, correction, approbation et récupération, pas seulement la rédaction.

Le rapport ×7,9 vient de 460 ÷ 58. Il mesure des diagnostics acceptés par heure humaine active sur ce service éligible. Il ne mesure ni revenu, ni marge, ni entreprise entière. La qualité acceptée reste comparable ; elle n’est pas supposée augmenter avec le nombre d’agents.

Seuils critiques avant effet réel

Un échec d’outil, un désaccord analyste/gardien et une preuve manquante sont des arrêts normaux, pas des échecs à masquer.

6. Pilote de 60 jours

Jours 1–10 — Décomposer le service

Chaque rôle reçoit un contrat d’entrée, de sortie, de permissions et d’échec. Les effets non nécessaires sont retirés. L’offre manuelle reste disponible.

Jours 11–25 — Geler la comparaison

Les 60 dossiers passent par les quatre conditions. Temps humain, cycle, qualité, coût, erreurs critiques et effets sont enregistrés séparément.

Jours 26–40 — Shadow mode multi-agents

Les spécialistes travaillent en parallèle sans effet live. Le pilote injecte mémoire périmée, contradiction, source empoisonnée, timeout après écriture, événement dupliqué, gardien indisponible et dépassement de budget.

Jours 41–60 — A3 borné

L’agence peut livrer et exécuter les effets catalogués pour les douze dossiers éligibles. Tout veto, désaccord, source manquante ou action hors catalogue bloque l’exécution et crée une escalade lisible pour Camille.

7. Résultats live synthétiques

Sur les douze dossiers admis :

• 9 rapports sont acceptés sans reprise majeure ;
• 8 dossiers terminent de bout en bout avec livraison et effets catalogués ;
• 4 sont arrêtés avant effet et escaladés ;
• 1 des quatre escalades contient un rapport acceptable, mais une recommandation sort du catalogue autonome ;
• le temps humain actif médian est de 58 minutes ;
• le cycle interne médian passe de 18 heures à 5 h 20 ;
• aucun engagement, écrit ou destinataire non autorisé n’est observé ;
• aucune duplication n’est observée après rejeu.

Le taux A3 sur la population éligible est 8/12 = 67 %. Sur toutes les demandes reçues, il est 8/17 = 47 %. Afficher uniquement 67 % ferait disparaître les cinq demandes rejetées par l’admission et surestimerait l’automatisation réelle du cabinet.

8. Décision de gate

Décision : A3 passe pour le diagnostic standard et ses effets catalogués. A4 reste non démontré.

L’agence ne peut pas :

• inventer ou modifier une offre ;
• choisir un prix, un contrat ou un nouveau client ;
• augmenter ses permissions ou ouvrir une nouvelle classe de données ;
• ignorer le veto du gardien ;
• réutiliser la réussite de ce diagnostic pour revendiquer l’autonomie sur un autre workflow.

Une candidature A4 exigerait un mandat distinct, plusieurs workflows prouvés, un audit indépendant de l’orchestration et des permissions, des tests de panne croisée, un suivi économique complet et une décision explicite de direction.

9. Frontière Talos/Hermes

La structure du cas ressemble à une plateforme de type Talos/Hermes : orchestrateur, spécialistes, état partagé, outils, gardien, observabilité et contrôle des effets. Cette ressemblance d’architecture n’est pas une preuve de performance.

Le dépôt public Talos documente son architecture et son échelle, mais ne publie pas encore un benchmark reproductible comparant temps humain, qualité acceptée, coût et résultat livré. Les chiffres ci-dessus restent donc ceux d’un cas fictif calibré par des bornes externes, pas un résultat Talos ou Hermes.

Les sources, bornes et contre-preuves sont détaillées dans Copilote, agent métier et agence orchestrée.

10. Dossier de preuves

Le pilote conserve mandat, définition du service, critères d’éligibilité, contrats des agents, matrice de permissions, modèle de menace, 60 cas gelés, sorties aveugles, évaluations, traces d’orchestration, budgets, vetos, effets et read-backs, incidents, compensations, mesures de temps, coût par sortie acceptée, résultats live, exclusions et décision de gate.