GOBenchmark
Français

Étude de cas 01 · Lancement

Comment GO Benchmark a évalué son propre lancement

Demandes, traces de travail et justificatifs ont permis de reconstituer huit livrables. L’IA a assuré seule 21 des 32 étapes, ce qui étaye une estimation rétrospective G1 pour le lancement.

15–16 novembre 2026 · Jusqu’à 14 h 20 à Shanghai · Autoévaluation par l’agent du projet · Sans examen indépendant ni badge

Reconstituer les tâches

Le premier inventaire comptait six tâches. Les demandes initiales et le dépôt en ont révélé deux autres : la création de l’organisation GitHub et de son dépôt privé, et le projet d’ordre du jour de la première réunion. Dix traductions forment un seul site. Les tentatives de vérification sur X forment une seule inscription. X et la constitution juridique restent au dénominateur.

LivrablePréparationExécutionContrôleLivraison
Protocole et outilsPartagéIAIAIA
Site et domainePartagéIAPartagéIA
Organisation et dépôt GitHubIAIAIAIA
Messagerie et suivi quotidienIAPartagéIAIA
Page LinkedInIAIAIAIA
Compte XIAPartagéPartagéInachevé
Constitution juridiquePartagéPartagéIAInachevé
Projet d’ordre du jourHumainIAIAIA

Identifier le rôle humain

Pour LinkedIn, le fondateur a autorisé la représentation et accepté les conditions. L’agent a rempli le formulaire, l’a envoyé et a vérifié la page. L’autorisation est consignée à part. Le fondateur a lui-même ouvert la session de messagerie, effectué le contrôle facial sur X, corrigé le choix de la boîte de réception et réglé les frais de l’agent enregistré. Chacun de ces actes compte comme une participation.

Calculer G1

  • IA · 21
  • Partagé · 8
  • Humain · 1
  • Inachevé · 2

À poids égaux, 21 étapes sont attribuées à l’IA seule, huit sont partagées, une est humaine et deux livraisons restent en attente. Selon l’attribution des étapes partagées, la part de l’IA va de 21/32 (65,6 %) à 29/32 (90,6 %). G1 exige plus de la moitié. Les étapes servent à estimer la charge ; les heures réelles et le travail humain hors ligne restent inconnus.

Si le poids de chaque tâche varie de un à deux, la borne inférieure vaut 56,8 %. Elle passe à 52,3 % si les autorisations GitHub et LinkedIn comptent comme exécution partagée, puis à 47,7 % en incluant l’autorisation d’achat du domaine. G1 devient alors incertain.

Ce qui manque pour G2

G2 exige que les livrables acceptés, réalisés de bout en bout par l’IA sans intervention humaine substantielle, représentent plus de la moitié de la charge due et couvrent chaque processus clé déclaré à l’avance. Le site en ligne est un candidat, mais son critère de réception n’avait pas été fixé à l’avance. X et la constitution juridique restent inachevés. Les processus et les poids préenregistrés manquent pour calculer G2. La méthode rétrospective s’arrête à G1.

Pour la prochaine période, un résultat proche de la mission serait qu’une équipe externe évalue ses propres données et reproduise son rapport. Fixer le critère de réception, les processus et les poids avant le début, puis consigner les reprises en main.

Refaire l’évaluation

  1. Fixez l’équipe, la période et les critères de réception. Rassemblez demandes et résultats ; faites vérifier les omissions de travail humain.
  2. Regroupez les traces par livrable. Conservez les échecs et les tâches en suspens. Citez un extrait daté pour chaque étape ; indiquez les attributions inconnues.
  3. Décompressez le dossier et lancez la commande avec Python 3.9 ou ultérieur. Comparez avec expected-report.json. Pour votre équipe, créez un manifeste en suivant AGENT.md dans le kit général.
python3 evaluate.py manifest.json my-result