DigitalOcean veut améliorer les agents IA à partir de leurs erreurs. Ce qui reste en préversion
Le lancement du 12 octobre associe observation des agents et tests de conversations. L’amélioration autonome complète des agents reste une étape annoncée.
DigitalOcean annonce le 12 octobre une suite pour observer les agents IA et tester leurs changements. Son communiqué de lancement distingue plusieurs accès. Agent Learning Services arrive en préversion publique. Agent Data Services et l’optimisation du routeur de modèles restent en préversion privée. L’expression d’agents qui s’améliorent seuls demande donc quelques précisions.
La boucle ne rend pas encore les agents autonomes dans leur amélioration
La suite relie trois fonctions. Insights enregistre ce que fait l’agent. Signals repère les sessions problématiques. Evaluations et Simulations permettent de comparer un changement avant de le proposer aux utilisateurs.
Le communiqué réserve l’amélioration automatisée actuelle au choix des modèles par Inference Router. DigitalOcean prévoit d’étendre cette boucle aux workflows des agents. Les approbations humaines restent présentes dans le fonctionnement décrit. L’annonce ne démontre pas qu’un agent modifie seul ses outils et déploie automatiquement une version meilleure.
Signals cherche les conversations qui méritent une lecture
La documentation de Signals décrit des signaux d’interaction et d’exécution. Une demande de transfert vers un humain peut signaler un problème. Un appel d’outil qui échoue ou une boucle de tentatives en donne un autre. Des limites de contexte ou des erreurs réseau complètent cette lecture.
Signals commence à collecter les conversations lancées après son activation. Il ne reprend pas automatiquement l’historique antérieur. La préversion demande une activation explicite et exclut les comptes en essai gratuit.
L’intérêt tient à cette différence entre disponibilité technique et résultat utile. Une réponse peut arriver sans erreur réseau tout en répondant à côté de la demande. Les signaux aident à trouver ces sessions. Ils ne prouvent pas à eux seuls la cause du problème.
Simulations teste une conversation complète
La documentation des simulations décrit des échanges générés sur plusieurs tours. Un simulateur joue l’utilisateur face au candidat à évaluer. Les scores complètent les trajectoires enregistrées. DigitalOcean présente ces évaluations comme des outils d’aide à la décision et recommande une relecture humaine des résultats avant déploiement.
Le périmètre de la préversion compte
Le billet technique du lancement distingue les environnements compatibles. Il cite Claude Code et Codex parmi les harnesses pris en charge. Les agents tiers LangChain ou CrewAI ne bénéficient pas de cette prise en charge dans la préversion décrite. Ce n’est donc pas un outil universel applicable sans adaptation à tous les agents existants.
Un test sur plusieurs tours peut révéler qu’une correction améliore la première réponse mais fragilise la suite. Ce raisonnement explique l’intérêt de conserver une référence et un candidat. Le score d’un juge IA reste toutefois un indicateur. Il ne garantit ni l’absence d’erreur réelle ni la qualité de toutes les conversations futures.
Les traces demandent une lecture précise des conditions de données
La politique de confidentialité des services apporte une nuance importante. Signals traite le contenu brut des traces. Elles peuvent contenir des données personnelles. Le masquage automatisé intervient avant leur affichage dans la console et ne garantit pas la détection de chaque information sensible.
DigitalOcean indique ne pas utiliser ce contenu pour entraîner des modèles généralisés destinés aux autres clients. Les traces et les signaux sont traités et stockés dans une région américaine. Les pratiques des modèles tiers appelés par l’agent restent distinctes. Un masquage visuel ne suffit donc pas à conclure que les données n’ont jamais quitté l’environnement de départ.
Une boîte à outils disponible par étapes
Le service de données associé rassemble les documents et les traces dans un catalogue gouverné. Sa préversion privée ne bénéficie pas des garanties habituelles de niveau de service annoncées pour une offre courante. Il faut garder cette étape distincte de la préversion publique de Learning Services.
Cette annonce prolonge une question déjà abordée dans notre article sur les contrôles des outils des agents. Observer les erreurs et comparer les changements rend la supervision plus concrète. Ça ne dispense pas de vérifier ce que les données et les scores représentent réellement.