Comment confier une longue tâche à un agent pendant la nuit?

Les agents de programmation et les assistants de bureau peuvent maintenant travailler pendant des heures : convertir une base de code, nettoyer un gros dossier de tableurs, rédiger un long rapport à partir de nombreux fichiers. Il est tentant d’en laisser un tourner toute la nuit. Mais personne n’est alors là quand l’agent s’embrouille : tout ce dont il a besoin doit donc être décidé avant que vous alliez vous coucher.

Trois choses font fonctionner une passation de nuit. Un mandat qui dit à quoi ressemble le travail terminé. Des points de contrôle, c’est-à-dire des états enregistrés et récupérables après chaque morceau de travail, accompagnés d’un journal en mots simples. Et des plafonds sur le temps, l’argent et les accès, pour qu’un agent bloqué ou induit en erreur ne puisse que gaspiller une nuit, sans causer de tort.

Pourquoi les longues tâches tournent mal

Les ingénieurs d’Anthropic ont décrit deux habitudes observées chez des agents qui travaillaient sur de nombreuses sessions. D’abord, l’agent essayait de tout faire à la fois, manquait d’espace dans sa fenêtre de contexte (la quantité de texte qu’un modèle peut garder en vue d’un coup) à mi-chemin, et laissait la session suivante deviner ce qui s’était passé. Ensuite, une session ultérieure regardait le travail partiel, concluait qu’il semblait terminé et s’arrêtait.

Leur solution était simple et empruntée à la façon dont les équipes humaines se passent le relais entre deux quarts. L’agent écrit la liste de tout ce qui doit être vrai à la fin, travaille sur un élément à la fois, note ce qu’il a fait dans un fichier de progression et enregistre le projet après chaque élément. Une nouvelle session lit d’abord le journal au lieu de deviner.

Les conseils d’OpenAI pour le travail de longue durée dans ChatGPT et Codex demandent les mêmes ingrédients dans le prompt : un résultat, des contraintes et une vérification. Dans l’application de bureau de ChatGPT, dans Codex CLI et dans l’extension pour IDE, taper /goal lance le Goal mode (mode objectif), où le texte de l’objectif sert à la fois de premier prompt et de test de fin.

Un exemple de mandat

Supposons que vous avez 400 descriptions de produits dans un dossier de fichiers texte et que vous voulez que chacune soit réécrite selon le style maison, avec un tableau récapitulatif à la fin. Voici un mandat pour la nuit.

/goal Réécris chaque description de produit de /catalog/drafts pour qu’elle respecte /catalog/STYLE.md.

Résultat :
- Chaque fichier de /catalog/drafts a une version réécrite dans /catalog/rewritten, avec le même nom de fichier.
- /catalog/report.csv énumère chaque fichier avec : fait, ignoré ou à réviser, et une raison.

Contraintes :
- Ne modifie et ne supprime jamais rien dans /catalog/drafts. Écris seulement dans /catalog/rewritten et /catalog/report.csv.
- Ne va pas en ligne. Ne te connecte à rien. N’achète, n’envoie et ne publie rien.
- Si une description contient un prix, une affirmation de sécurité ou un terme juridique, copie-la telle quelle et marque-la à réviser.

Méthode de travail :
- Avant de commencer, crée /catalog/PROGRESS.md avec la liste complète des fichiers, tous marqués « à faire ».
- Traite les fichiers par lots de 20. Après chaque lot, mets à jour PROGRESS.md et enregistre un point de contrôle.
- Si la même erreur se produit trois fois, arrête-toi et écris ce qui n’a pas fonctionné dans PROGRESS.md.

Terminé veut dire : chaque fichier figure dans report.csv, et une vérification de 10 fichiers au hasard par rapport à STYLE.md est réussie.

Chaque section a un rôle. Le résultat est quelque chose que vous pouvez compter, pas une activité. Les contraintes nomment les seuls dossiers que l’agent peut modifier et excluent tout ce que vous voudriez approuver en personne. La méthode de travail crée les points de contrôle et le journal. La dernière ligne indique à l’agent comment se vérifier lui-même, pour qu’il ne puisse pas crier victoire trop tôt.

Plafonds, points de contrôle et journaux

Le guide d’Anthropic sur la création d’agents recommande aussi une règle qui met fin à l’exécution, comme une limite au nombre de tours que l’agent peut faire, et des essais dans un bac à sable (sandbox), un environnement isolé où les erreurs restent confinées. OpenAI précise qu’un objectif s’exécute avec les paramètres d’autorisation et d’approbation que vous avez déjà, pas plus larges, et se met en pause quand il a besoin de votre décision. Prévoyez cette pause. Si une question arrive à 1 h du matin, le travail attend simplement le matin.

Deux points pratiques pour une exécution en local. Gardez l’ordinateur éveillé (l’application de bureau de ChatGPT a un paramètre qui empêche la mise en veille pendant qu’une tâche tourne), et ne laissez jamais à l’agent de mots de passe enregistrés, de données de paiement ni de session ouverte sur votre banque ou votre courriel. Rien dans un mandat de nuit ne devrait en avoir besoin.

Que devriez-vous vérifier le matin?

Commencez par le journal, pas par le résultat. Ouvrez PROGRESS.md et vérifiez qu’il se termine proprement : une ligne finale « terminé », ou une raison claire de l’arrêt. Comparez ensuite les nombres. Si le dossier contenait 400 fichiers, le rapport devrait en énumérer 400; un écart signale habituellement un plantage ou un lot que l’agent a sauté sans le dire.

Ensuite, examinez vous-même un échantillon du travail. Choisissez dix fichiers au hasard, pas les dix premiers, et lisez-les en les comparant au guide de style. Regardez de près tout ce qui est marqué à réviser, puisque ce sont les cas que vous avez demandé à voir. Si l’agent a enregistré des points de contrôle, vous pouvez annuler n’importe quel lot raté sans jeter le reste.

Enfin, vérifiez les limites de ce qu’il avait le droit de faire. Confirmez que le dossier d’origine n’a pas changé, regardez l’utilisation du compte pendant la nuit et cherchez des fichiers créés en dehors du dossier permis. Améliorez ensuite le mandat avec une règle pour chaque surprise, pour que la nuit suivante demande moins de vérifications.