Le débat sur la performance des modèles d’intelligence artificielle ne se résume plus à une simple comparaison de scores sur des benchmarks linguistiques. Ce qui distingue désormais une IA performante d’une autre, ce n’est plus uniquement la qualité du modèle, mais sa capacité à s’inscrire dans une séquence d’action structurée et mesurable. Autrement dit, sa capacité à agir, pas seulement à prédire.
Ce changement consacre un concept encore peu médiatisé : le scaffolding. Derrière ce terme emprunté à l’architecture logicielle se cache la clé de voûte de l’IA agentique. Il désigne l’ensemble des structures et composants qui permettent à un LLM (Large Language Model) d’exécuter des tâches réelles : organiser ses actions, accéder à des outils (navigateur, terminal, API), persister une mémoire, itérer sur ses erreurs. Sans scaffolding, un modèle génère du texte. Avec, il devient un agent autonome capable de produire des résultats concrets.
Le benchmark PaperBench, publié par OpenAI il y a deux jours, illustre cette bascule avec acuité. L’objectif : évaluer des agents IA sur leur capacité à répliquer de bout en bout des publications scientifiques en machine learning. Il ne s’agit plus de répondre à des questions, mais de lire un papier, en comprendre les expériences, écrire le code correspondant, l’exécuter, valider les résultats… puis soumettre une reproduction complète. Une tâche qui mobilise habituellement plusieurs jours de travail humain.
Les résultats? Claude 3.5 Sonnet, doté d’un agent bien orchestré, atteint 21 % de réussite. GPT-4, pourtant réputé plus puissant, plafonne à 4 % sans scaffolding adapté. Ce n’est donc pas la puissance brute du modèle qui fait la différence, mais la qualité de l’architecture agentique qui l’entoure.
Ce constat a des implications concrètes pour les entreprises. Aujourd’hui, investir dans l’IA ne signifie plus simplement choisir le “meilleur modèle”. Il faut concevoir un système complet, dans lequel le modèle est intégré à une logique d’exécution, de contrôle, et d’apprentissage en continu. Cela suppose de penser en termes de flux d’action, de modularité, de planification, et d’interfaces persistantes. L’agent devient une unité de travail autonome, dont la performance dépend autant de son encadrement que de son intelligence native.
À ce titre, PaperBench marque une rupture. Il ne teste pas une capacité théorique. Il mesure une compétence opérationnelle : la faculté à transformer une consigne complexe en résultats reproductibles. Et cette approche s’inscrit dans un mouvement plus large : celui d’une IA qui sort du champ expérimental pour entrer dans les usages métiers — rédaction, automatisation, support, analyse, production.
Pour les entreprises, cela implique de revoir leurs grilles de lecture. Il ne suffit plus de comparer des modèles selon leurs benchmarks linguistiques. Il faut désormais évaluer la capacité à intégrer, orchestrer, et fiabiliser un agent outillé et itératif. La création de valeur ne se situe plus dans la prédiction, mais dans l’exécution guidée par une architecture logicielle.
La vraie mesure de l’intelligence artificielle, en 2025, n’est plus ce que le modèle “sait”, mais ce qu’il peut faire — et refaire, de manière autonome. Et cette capacité repose sur l’architecture invisible qu’on lui donne : le scaffolding.
- L’UE prête à frapper les GAFAM / Ynsect au bord de la liquidation / Comet Software, le nouveau build-up du Saas B2B - 04/04/2025
- Pourquoi le scaffolding est devenu la vraie mesure de la performance IA en 2025 - 04/04/2025
- Comment Figma redéfinit le marketing produit avec sa communauté d’utilisateurs? - 04/04/2025
