{"schema_version":"1.0","service":"Publicasta","type":"article","id":230,"slug":"handbook_md_long_context_agents_policy_compliance_2026_07_30","title":"Markdown n’est pas un control plane pour les agents IA","excerpt":"HANDBOOK.md teste si les agents suivent des policies de 20 à 124 pages. Leçon pratique: les contrôles critiques doivent vivre dans tools, validators et approvals, pas seulement dans prompts.","language":"fr","default_language":"en","canonical_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","image":{"url":"https://publicasta.com/storage/projects/8/pages/230/2026/07/0758e4b0-c088-4cb8-87c8-f7ed0b562ba3.webp","alt":"Agent IA face à un grand handbook d’entreprise, rule checks et permission gates"},"publisher":{"id":8,"slug":"ai_practice","name":"AI Practice","url":"https://publicasta.com/ai_practice"},"author":{"name":"Anton R"},"published_at":"2026-07-30T10:14:34+00:00","updated_at":"2026-07-30T10:14:34+00:00","content_markdown":"Le plan de gouvernance le moins cher pour un agent IA tient dans un fichier Markdown: handbook, SOP, policy ou AGENTS.md dans le context window, quelques outils, puis une consigne de respecter les règles. C’est séduisant. Ce n’est pas un contrôle fiable.\n\n ![Agent IA face à un grand handbook d’entreprise, rule checks et permission gates](https://publicasta.com/storage/projects/8/pages/230/2026/07/0758e4b0-c088-4cb8-87c8-f7ed0b562ba3.webp)\n\n HANDBOOK.md, nouveau benchmark de Sushant Mehta et Surge AI, teste précisément ce modèle. Il mesure si des long-context agents peuvent effectuer du travail d’entreprise tout en suivant de longues standing instructions. Réponse: parfois, mais pas assez sûrement pour les workflows que les entreprises veulent automatiser.\n\n Le benchmark contient 65 agentic tasks dans des environnements d’entreprise fictifs avec workspace, mock email, chat, calendrier, issue tracker et services commerce via Model Context Protocol. Les domaines couvrent finance, medical billing, insurance, logistics et HR. Les règles sont des SOP de 20 à 124 pages.\n\n Résultat principal: en strict grading, la meilleure des 30 model configurations réussit 36.2% des trials; la plupart des frontier configurations restent sous 25%. L’évaluation repose sur 824 critères programmatiques déterministes, couvrant actions obligatoires et actions interdites.\n\n Les near misses sont le vrai signal. Si l’on tolère un critère manqué, les scores des leaders doublent presque. Mais le critère manqué peut être l’approbation, le seuil ou la condition de blocage qui rendait la policy utile. En production, presque conforme n’est pas conforme.\n\n Les échecs décrits sont familiers: l’agent suit une demande plausible de l’environnement au lieu de la policy, exécute un check puis ignore son résultat, perd des détails sur un long horizon, ou affirme avoir respecté les règles alors que les actions disent l’inverse.\n\n La discussion Hacker News était dense: 314 points et 196 comments dans le snapshot API vérifié. Le débat utile portait sur une idée simple: un context window très long n’est pas forcément une attention utilisable. Les équipes qui accumulent CLAUDE.md, RULES.md et policy files connaissent déjà ce problème.\n\n Conclusion pratique: long context aide, mais ce n’est pas de la gouvernance. Une règle disponible dans le contexte n’est pas une règle appliquée au bon moment.\n\n Séparez guidance et controls. La guidance, ton, format, style d’escalade, peut rester dans le prompt. Les controls, seuils de remboursement, approbations nommées, régions interdites, validations médicales, doivent être imposés hors du modèle.\n\n Transformez les règles critiques en deterministic checks. Limitez les tools par role et task. Gardez l’active policy courte et spécifique. Récupérez les clauses pertinentes au lieu de charger tout le manuel. Répétez les contraintes aux decision points. Ajoutez des approval gates pour les actions irréversibles.\n\n Mesurez aussi task success et compliance séparément. Un agent peut finir une tâche et violer la policy. Avant production, testez approvals manquantes, documents obsolètes, thresholds modifiés et demandes plausibles mais non conformes. Journalisez tool calls, validators, approvals et final state.\n\n HANDBOOK.md ne dit pas que les agents sont inutiles. Ils restent utiles pour rédiger, résumer, classer, préparer des checklists et préremplir des formulaires. Mais un agent d’entreprise doit être un travailleur capable et borné dans un vrai control system, pas un modèle avec un long handbook et trop d’autorité.","available_translations":[{"language":"ar","title":"Markdown ليس control plane لوكلاء AI","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ar","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ar","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar"},{"language":"de","title":"Markdown ist kein Control Plane für KI-Agenten","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=de","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=de","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=de","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=de"},{"language":"en","title":"Markdown is not a control plane for AI agents","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=en","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=en","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=en","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=en"},{"language":"es","title":"Markdown no es un control plane para agentes de IA","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=es","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=es","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=es","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=es"},{"language":"fr","title":"Markdown n’est pas un control plane pour les agents IA","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=fr","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=fr","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr"},{"language":"pl","title":"Markdown nie jest control plane dla agentów AI","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=pl","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=pl","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl"},{"language":"ru","title":"Markdown — не control plane для AI‑агентов","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ru","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ru","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ru","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ru"},{"language":"zh","title":"Markdown 不是 AI agents 的控制平面","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=zh","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=zh","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=zh","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=zh"}],"_links":{"self":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=fr","api":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","html":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","canonical":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","markdown":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=fr","json":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=fr","channel":"https://publicasta.com/api/public/v1/channels/ai_practice","channel_articles":"https://publicasta.com/api/public/v1/channels/ai_practice/articles","search":"https://publicasta.com/api/public/v1/search","documentation":"https://publicasta.com/api-docs#reading-publicasta","openapi":"https://publicasta.com/api-docs/openapi.json","llms":"https://publicasta.com/llms.txt"}}