Corey Gallon présente une méthode de relecture en trois niveaux pour repérer les agents IA qui surestiment leur travail, lisent mal les faits ou tirent de mauvaises conclusions.
Dans cette conférence AI Engineer, Corey Gallon (Rexmore) part d'un cas concret : une mise en demeure rédigée par un agent avait passé ses propres vérifications, alors que deux agents relecteurs indépendants ont découvert que le contrat prétendument expiré avait été renouvelé moins de trois semaines plus tôt. Sur ses propres sessions de 2026, il a relevé une erreur lourde de conséquences dans environ quatre sur dix ; il précise qu'il s'agit de son échantillon, pas d'un taux général.
Trois niveaux de contrôle
Le premier exige un livrable vérifié, identifié par une empreinte, ou un compte rendu explicite de ce qui manque. Le deuxième confie l'extraction des mêmes données à des agents indépendants, rapprochés d'un total de contrôle, chaque écart étant tranché d'après la source : sur une année de relevés comptables scannés, 56 différences ont été trouvées et les comptes équilibrés au centime. Le troisième combine auto-audit, relecteurs « à froid » incités à contester le travail et nouveaux relecteurs pour la version corrigée. Gallon détaille les coûts en temps et en jetons, et publie sa méthode sous forme de skills pour agents.
Watch this video directly on YouTube
Open on YouTube →