Dans une étude de cas publiée le 20 octobre 2026, OpenAI décrit comment Terminal X évalue des agents IA spécialisés pour des sociétés d’investissement. Le résultat annoncé porte sur leur accord avec un évaluateur humain, pas sur leur capacité à prévoir les marchés.
88,6 % d’accord sur 500 jugements
Selon cette étude, l’Eval Agent utilisant GPT-6.1 Sol rejoint le jugement d’un professionnel senior dans 88,6 % des 500 cas notés, contre 86,4 % pour le modèle suivant, non nommé. Sa grille comporte 54 critères destinés à vérifier les productions selon les exigences propres au client.
Ce score est rapporté par les acteurs concernés. Il ne représente ni une précision universelle, ni une comparaison indépendante, ni un rendement financier. Un accord avec un évaluateur n’équivaut pas non plus à l’absence d’erreurs.
Des corrections conservées dans la mémoire métier
Le site de Terminal X présente Capital Memory comme un lien entre données, documents et historique des décisions d’une équipe. Il décrit des étapes et sources visibles, la possibilité de corriger une étape puis de reprendre le travail à cet endroit, et des évaluations contre les réponses de référence de l’organisation.
Pour les concepteurs de produits IA, l’intérêt de ce cas est donc aussi méthodologique : rendre les erreurs examinables et mesurer les modifications dans un contexte précis. C’est une lecture du fonctionnement annoncé, pas un test du produit. La page commerciale du fournisseur ne constitue pas une validation indépendante des scores. Aucun de ces éléments ne garantit la qualité d’un autre agent ou la performance d’un placement.
