EBL-Core propose de revĂ©rifier action, politiques, preuves et contexte quand un agent IA exerce une autoritĂ© Ă haut risque, et pas seulement lors de lâapprobation.
Le garde-fou LLM-as-Judge de UiPath ajoute une vĂ©rification par modĂšle, un coĂ»t dâinfĂ©rence distinct et de nouveaux paramĂštres Ă auditer.
OpenClaw 2026.9.2 élargit par défaut la visibilité des sessions dans un Gateway et impose de réexaminer la frontiÚre de confiance des déploiements multi-agents.
LâĂ©tude HookPry montre pourquoi les hooks exĂ©cutables exigent rĂ©autorisation, moindre privilĂšge et provenance dâexĂ©cution dans les plateformes dâagents.
CordisBench montre que le raisonnement sur le cycle de vie se dĂ©grade avec la complexitĂ© alors que les consĂ©quences testĂ©es peuvent ĂȘtre calculĂ©es exactement.
HarnessDev montre pourquoi les harnais dâagents Ă©volutifs exigent validation cachĂ©e, tests dâexĂ©cuteur, preuves dâexĂ©cution et retour arriĂšre.
Un modĂšle en six Ă©tapes fondĂ© sur les preuves runtime, lâapplication des politiques, la mesure, le risque et les verification probes.
Un modÚle pratique de gouvernance des agents fondé sur les budgets de coût, jetons, capacité et temps, avec un comportement explicite au plafond.
ArrĂȘt indĂ©pendant, rayon dâimpact, rollback, canaris comportementaux et rĂ©cupĂ©ration : les capacitĂ©s nĂ©cessaires pour contenir les agents IA.
Comment les contrats dâagents dĂ©finissent pĂ©rimĂštre, outils, budgets, refus, escalades et preuves pour rendre la gouvernance applicable au runtime.
