Les agents IA échouent face aux requêtes ambiguës
Les agents de recherche IA peinent à gérer les requêtes ambiguës, avec des taux de réussite inférieurs à 50% même pour les meilleurs modèles. L'étude DiscoBench révèle 4 types d'ambiguïté et montre que les prompts guidés n'améliorent que marginalement les performances.
« Without an explicit hint about possible ambiguity, Doubao Seed 2.0 Pro hit the highest end-to-end accuracy at 43.1 percent. » — The Decoder
Que faut-il retenir ?
- DiscoBench contient 211 tâches avec 463 points ambigus répartis sur 11 domaines de connaissance.
- Doubao Seed 2.0 Pro atteint 43,1% de précision, suivi de Gemini 3.1 Pro à 40,8% et Claude Opus 4.7 à 39,8%.
- Les modèles qui demandent des clarifications ('SearchThenAsk') réussissent à 93,4%, contre 56,5% pour ceux qui devinent directement.
- Les prompts guidés n'augmentent la précision que de 28,6% à 33,7% en moyenne.
Pourquoi cette nouvelle compte-t-elle ?
Cette étude révèle une limite majeure des agents IA actuels : leur incapacité à gérer l'ambiguïté dans les requêtes complexes. Pour les professionnels, cela signifie que les outils de recherche IA doivent être utilisés avec prudence pour les tâches critiques, et que des mécanismes de clarification doivent être intégrés aux workflows.
43,1% de précision pour Doubao Seed 2.0 Pro
Public concerné : développeurs, entreprises
Comment améliorer les performances des agents IA face aux requêtes ambiguës ?
L'étude montre que les modèles qui demandent des clarifications ('SearchThenAsk') réussissent bien mieux (93,4%) que ceux qui devinent. Intégrer des mécanismes de clarification proactive dans les workflows est donc essentiel pour améliorer les résultats.
🔧 Outils mentionnés