3,1 journées d’agent par journée humaine : le calcul de capacité de revue que personne ne fait

OpenAI a publié cette semaine un chiffre qui mérite plus d'attention que le montant en dollars affiché à côté. À la mi-août, son organisation de recherche consomme 3,1 jours-agent d'effort pour chaque journée de travail humain. La phrase qui a été reprise partout, c'est la dépense : le chercheur médian consomme plus de 600 $ d'inférence par jour aux tarifs API. La phrase qui compte pour quiconque dirige une équipe, c'est l'autre.

Trois jours-agent par jour humain signifie que la journée humaine est désormais le facteur limitant. Chaque résultat produit par un agent doit être lu, évalué et accepté par quelqu'un, et cette personne dispose d'une journée de travail, pas de trois. Cet article pose le calcul et montre où la file d'attente se forme.

TL;DR

Le billet d'OpenAI intitulé « Research acceleration » évalue l'effort des agents à 3,1 jours de travail par jour humain, note une tendance des chercheurs à faire tourner quatre agents ou plus en parallèle, et rapporte que plus de la moitié des tâches réussies de 4 à 8 heures ont nécessité au moins une intervention humaine. Assemblez ces éléments et une journée de travail comporte plusieurs moments où un agent s'est arrêté et attend une personne, plus un flux continu de travail terminé en attente d'acceptation. La file qui se remplit, c'est celle des « résultats en attente d'une personne », et la plupart des outils ne l'affichent pas. Sharkly rend cette file explicite : des états d'attente sur la Task, une Inbox qui les achemine vers la personne responsable, et l'acceptation en tant que changement de statut enregistré.

Les chiffres

Tout ce qui suit provient du billet d'OpenAI, sauf indication contraire.

L'analyse du même billet par Simon Willison ajoute la forme de la courbe : la dépense par chercheur est passée de pratiquement zéro en février à environ 600 $ fin août, avec une montée en flèche entre juillet et août qui, selon lui, coïncide avec l'accès interne au modèle publié plus tard sous le nom de GPT-6 Astra.

Aucun de ces chiffres ne concerne une équipe de développement qui livre un produit, et les chercheurs d'OpenAI ne constituent pas une population typique. Mais le ratio se transpose. Toute équipe passée d'un agent dans un terminal à plusieurs agents en cours d'exécution se trouve sur la même courbe, avec quelques mois de retard.

Le calcul

Prenons le ratio au pied de la lettre. Sur une journée humaine de huit heures, les agents produisent environ vingt-cinq heures d'effort. Tout ne nécessite pas l'intervention d'une personne. Certaines exécutions échouent, d'autres sont exploratoires, d'autres encore alimentent d'autres agents. Mais chaque exécution qui aboutit à un changement que quelqu'un livrera nécessite une décision humaine, et le chiffre des interventions indique que cette décision arrive souvent avant la fin de l'exécution.

Si plus de la moitié des tâches longues réussies ont nécessité au moins une intervention, alors avec quatre agents en cours, une personne doit s'attendre à être interrompue par deux ou trois d'entre eux au cours d'une tâche, à des moments qu'elle n'a pas choisis. Ces interruptions ne sont pas des échecs. Un agent qui s'arrête pour poser une question vaut mieux qu'un agent qui devine et livre. Le coût réside dans l'endroit où la question atterrit.

Une question qui atterrit dans un terminal reçoit une réponse quand quelqu'un pense à regarder ce terminal. Un résultat qui atterrit dans un terminal est examiné quand quelqu'un se souvient qu'il existe. Multipliez par quatre agents, et par trois jours-agent par jour humain, et le terminal devient l'endroit où le travail part attendre.

La file que personne n'affiche sur un tableau de bord

Toute équipe qui fait tourner des agents a deux files d'attente. La première est le travail en attente d'un agent : le backlog, visible dans l'outil de suivi que l'équipe utilise. La seconde est le travail en attente d'une personne : des résultats à accepter, des questions auxquelles répondre, des échecs à trier. La seconde file est celle qui croît dans un rapport de 3,1 pour 1, et c'est celle que la plupart des outils n'affichent pas.

Sharkly traite cette file comme l'objet principal. Une Task est l'unité de travail principale, et le statut de la Task est tenu distinct de l'état de travail de l'Agent : une Task démarrée peut afficher Working, Waiting for human reply, Waiting for human review ou Error. Ces états d'attente sont de premier ordre, et non déduits d'un journal silencieux.

Ces états sont acheminés quelque part. L'Inbox est une file personnelle d'activité des tâches, et sa section Primary regroupe les tâches portant un signal actif qui demande votre attention : en attente de votre réponse, en attente de votre relecture, travail échoué ou bloqué, mentions directes, assignation à vous. Elle regroupe l'activité par tâche, de sorte que quatre agents qui rendent compte d'une même Task forment une seule ligne, et non quatre notifications. Slack est un canal sortant facultatif ; mettre un groupe en sourdine ne supprime pas l'enregistrement dans l'Inbox.

Répondre, c'est ainsi que le travail se poursuit. Un commentaire sur une Task dont l'Agent assigné est prêt peut lancer une exécution de suivi avec le fil de discussion comme contexte : répondre à la question reprend le travail au lieu de le redémarrer.

À quoi ressemble l'acceptation à ce ratio

Avec un agent par personne, la relecture peut rester informelle. À trois jours-agent par jour humain, elle ne peut plus l'être, car la personne qui relit ne sera pas celle qui a lancé l'exécution, et celle-ci s'est peut-être terminée des heures plus tôt.

Dans Sharkly, l'acceptation consiste pour une personne à changer le statut de la Task après avoir lu les preuves. La réponse finale de l'Agent est stockée sur la Task. Le journal d'exécution consigne la raison de la mise en file de l'exécution, ses heures de début et de fin, les appels d'outils, les événements du Runtime et les détails des échecs, dans un onglet Executions distinct de la chronologie des commentaires. Lisez le résumé, puis le journal, puis le diff. Fusionner une pull request liée ne change pas le statut de la Task, de sorte qu'une fusion n'est jamais confondue avec une décision. Notre workflow de relecture human-in-the-loop passe en revue les cinq points de contrôle dans l'ordre.

La discussion sur Hacker News autour du billet d'OpenAI s'est arrêtée sur une inquiétude connexe : des résultats notés par un classifieur agentique, où ce qui est mesuré et ce qui l'évalue proviennent de la même maison. C'est la version recherche d'un problème d'équipe produit. Quand les agents produisent plus que ce que les gens peuvent lire, la tentation est de laisser un agent décider ce que les gens devraient lire. Une file visible avec un responsable humain est l'alternative.

Où investir la journée humaine

Consacrez la journée humaine à l'orientation et à l'acceptation : cadrer le ticket, accorder l'autorité, lire les preuves, décider de la fusion et de la mise en production. Laissez l'exécution, les tests et le reporting aux agents. Les agents explorent, exécutent, testent et rendent compte. Les humains donnent la direction, accordent l'autorité et acceptent le résultat. Le ratio du billet d'OpenAI montre à quoi ressemble ce contrat quand il fonctionne.

Ne réservez la journée humaine à la supervision que lorsque le travail exige réellement une personne qui surveille en temps réel : un changement en production sans retour arrière possible, une exécution dans un répertoire dont dépendent d'autres travaux. Sharkly ne remplace ni Claude Code, ni Codex, ni le Runtime qui fait le travail. C'est la couche qui garde le contexte, la progression, les blocages, les résultats et la relecture humaine visibles de la demande à la mise en production, afin que la journée humaine soit consacrée aux décisions et non à la recherche du terminal qui contient une question.

Questions fréquentes

D'où vient le chiffre de 3,1 ? Du billet d'OpenAI « Research acceleration: the view inside OpenAI », qui indique qu'à la mi-août, l'organisation de recherche consomme 3,1 jours-agent d'effort pour chaque journée de travail humain.

Cela s'applique-t-il aux équipes d'ingénierie produit ? Les chiffres précis proviennent d'une organisation de recherche. La tendance du ratio s'applique à toute équipe qui passe d'un agent à plusieurs : la production des agents croît plus vite que la capacité à la relire.

Qu'est-ce que le chiffre des interventions ? Plus de la moitié des tâches réussies de 4 à 8 heures entre janvier et juillet ont impliqué une ou plusieurs interventions humaines. Les exécutions longues réussissent grâce à l'intervention d'une personne, pas sans elle.

Comment Sharkly affiche-t-il la file de relecture ? « Waiting for human reply » et « Waiting for human review » sont des états de travail de l'Agent sur la Task, acheminés vers la section Primary de l'Inbox de la personne responsable. Le travail échoué ou bloqué y apparaît également.

Qu'est-ce qui compte comme acceptation ? Une personne qui change le statut de la Task après avoir lu la réponse de l'Agent, le journal d'exécution et le diff. Une pull request fusionnée ne change pas le statut à elle seule.

En résumé

Le ratio d'OpenAI indique que les agents produisent déjà trois jours d'effort pour chaque journée humaine, et son chiffre des interventions montre qu'une personne est dans la boucle pour la plupart des tâches longues. La ressource rare, c'est la journée humaine, et la file qui se remplit, ce sont les résultats en attente d'une personne. Rendez cette file visible, acheminez-la vers un responsable et enregistrez la décision. Connectez un Computer, créez un Agent et assignez-lui quelque chose d'ennuyeux. La documentation approfondit chaque concept : docs.sharkly.ai.