Développement piloté par les évals (CI d'agents)(EDD)

Discipline du cycle de développement consistant à concevoir d'abord les agents et les prompts en fonction des évals. Des jeux de données de référence soigneusement constitués (environ 50 à 500 cas, pondérés vers les modes de défaillance connus) sont versionnés aux côtés des prompts, exécutés comme suite de non-régression à chaque pull request, et la fusion ou la promotion est conditionnée à des seuils de métriques. Le pipeline fige les versions du modèle et du juge, si bien qu'une mise à jour silencieuse du modèle côté fournisseur est détectée comme une régression au lieu d'être absorbée en douce ; il enchaîne ses vérifications sous forme de lint, puis d'éval hors ligne, puis d'un garde-fou sur les coûts avant qu'un changement ne puisse être fusionné. À distinguer de agent-observability-tracing, qui relève de la télémétrie à l'exécution et non d'un contrôle avant fusion, et des benchmarks publics figés, qui ne sont pas des suites de non-régression détenues par l'équipe dans la CI.