Évaluer les agents IA : des appels d'outils à l'exécution complète de tâches

Le déploiement d'agents IA exige de vérifier leur capacité à exécuter des chaînes de travail complexes via des appels d'outils séquentiels dans un environnement réel, et à se rétablir après un échec. Évaluer uniquement la pertinence du texte généré est insuffisant pour garantir l'accomplissement de la tâche. L'évaluation des agents doit donc évoluer du scoring d'un appel fonction unique vers l'évaluation de la tâche entière.