Le problème de sécurité des agents remonte désormais jusqu’au contrat avec le fournisseur de modèle. Reuters rapporte que Palantir exige une garantie irrévocable de zéro rétention avant d’activer les modèles Anthropic, tandis que Nvidia réserve Claude aux tâches moins sensibles. Pour les développeurs, classifier les workloads et leurs données devient une étape d’architecture.

Boomi matérialise cette séparation dans son runtime : un agent peut être placé dans un cloud privé ou on-premises, tandis que ses connecteurs MCP appliquent des accès contrôlés et permissionnés. Le choix du modèle ne détermine donc plus seul la frontière ; emplacement d’exécution, identité et politiques de connexion deviennent des paramètres distincts.

Runpod montre le même déplacement côté infrastructure. Son serveur MCP peut créer des Pods, déployer des endpoints et gérer des volumes avec la clé du compte ; l’éditeur recommande une clé dédiée à privilèges limités et des confirmations pour les opérations destructrices. Le secret et son périmètre deviennent le garde-fou dur de l’agent.

La boucle vocale devient un runtime distinct du travail de fond. Avec GPT‑Live‑1, écoute et parole fonctionnent en full-duplex, interruptions et silences restent dans la couche audio, puis raisonnement et tool calling sont délégués à un modèle backend. Les développeurs n’ont plus à orchestrer une chaîne STT‑LLM‑TTS pour chaque échange.

Yelp montre ce découpage en production : GPT‑Live‑1 sert de couche vocale frontale à Yelp Host et Hatch, tandis que les données métier gèrent disponibilités, règles de réservation et routage. L’entreprise observe davantage d’appels traités sans transfert et des phrases plus naturelles, signe que la voix peut évoluer sans réécrire l’intelligence opérationnelle.

Deepgram expose en parallèle des contrôles de session pour écouter, réfléchir, parler, interrompre ou modifier le prompt à chaud. Surtout, `defer_until_eot` retarde une action irréversible jusqu’à confirmation du tour utilisateur et annule l’appel si la personne reprend la parole. Le contrat de l’agent vocal devient donc : conversation spéculative, effets de bord confirmés.

Anthropic traite désormais un plugin ou un skill comme une pièce testable du runtime. `claude plugin eval` rejoue des prompts réalistes avec puis sans le plugin, répète les cas, note outils et artefacts produits, puis peut bloquer la CI. Le gain doit être mesuré, pas seulement déduit du fait que l’instruction se charge.

Next.js applique déjà cette logique aux règles de projet. Ses Agent Evals exécutent les mêmes tâches avec et sans la documentation `AGENTS.md` : plusieurs agents passent de 81–90 % à 90–97 % de réussite. Les instructions deviennent ainsi un facteur de performance mesuré, aux côtés du modèle, de la durée et du coût.

HarnessDev pousse l’idée jusqu’au code du harness. Dans l’analyse publiée par MarkTechPost, seules 34 des 64 évolutions comparables améliorent les scores visibles et cachés dans la même direction. Pour les développeurs, prompts, skills, règles et orchestration deviennent donc des artefacts versionnés à soumettre à des jeux de tests, des seuils et un rollback.