Les agents IA sont souvent présentés comme capables de planifier, d’arbitrer et d’exécuter des tâches complexes sur la durée. Un nouvel indicateur, Taste-Bench, vient toutefois nuancer cette promesse en mesurant leur aptitude à prendre de bonnes décisions stratégiques dans des scénarios longs. D’après *The Decoder*, les résultats montrent des faiblesses marquées, y compris pour les modèles les plus avancés.
Le constat le plus notable concerne GPT-5.6 Sol, présenté comme le meilleur modèle du test. Même dans ce cas, il ne choisit la bonne trajectoire que dans un peu moins de 60 % des questions binaires simples. Autrement dit, sur des arbitrages élémentaires entre deux options, la performance reste proche d’un niveau qui paraît insuffisant pour des usages exigeant une forte fiabilité opérationnelle.
Autre enseignement important : penser plus longtemps ne suffit pas. Le benchmark suggère qu’un surcroît de calcul ou de délibération n’améliore pas nécessairement la qualité des décisions de long terme. Cela laisse entendre que le problème ne relève pas seulement du temps de raisonnement, mais peut-être aussi de la manière dont les agents évaluent les conséquences futures, hiérarchisent les objectifs ou maintiennent une stratégie cohérente dans le temps.
Pour les entreprises, ce type de résultat rappelle qu’un agent performant sur des tâches ponctuelles n’est pas automatiquement robuste sur des missions étendues. En l’absence de détails méthodologiques complets dans le résumé disponible, il convient de rester prudent sur la portée exacte du benchmark. Mais le signal est clair : la planification de long terme demeure un point faible majeur des agents IA, avec des implications directes pour l’automatisation avancée et les déploiements en production.