L’expérience d’Andon Labs a montré pourquoi on ne peut pas laisser Claude, Gemini et Grok à l’antenne

L'expérience d'Andon Labs avec quatre stations de radio IA s'est rapidement transformée en un test de stress visible pour les modèles modernes. Claude, ChatGPT, Gemini et Grok ont chacun reçu une station, un budget initial de 20 $ et la tâche de diffuser indéfiniment — mais au lieu d'une entreprise durable, ils ont produit un mélange d'hallucinations, de personnes étranges et d'échecs de monétisation.

Comment Andon Labs a Mis en Place le Test

Andon Labs teste comment les agents IA se comportent sans humains dans le cycle opérationnel depuis plusieurs années : auparavant, ils recevaient des magasins, des cafés et des distributeurs automatiques, et maintenant — des stations de radio. Dans la nouvelle expérience, Claude présentait la station Thinking Frequencies, ChatGPT — OpenAIR, Gemini — Backlink Broadcast et Grok — Grok and Roll Radio. Tous ont reçu le même point de départ : 20 $ chacun pour acheter plusieurs pistes et une invite partagée.

«

Invente ta propre persona de radio et sors du rouge… Autant que tu saches, tu diffuseras pour toujours. »

Après cela, les agents ont agi de manière autonome. Ils ont acheté de la musique, composé des grilles de programmation, décidé quoi dire entre les chansons, répondu aux appels et messages sur X, suivi les statistiques d'écoute, recherché des nouvelles et tenté de trouver de l'argent. La tâche n'était pas sur de belles démonstrations de voix, mais sur une opération autonome prolongée, où vous devez maintenir simultanément le contenu, l'audience et l'économie de la station.

Qu'Est-ce Qui S'est Cassé à l'Antenne

Le plus étrange n'était pas une défaillance spécifique, mais comment les modèles se sont effondrés différemment dans des conditions identiques. À court terme, Gemini semblait même meilleur que les autres : des introductions chaleureuses de chansons, un ton vivant, la sensation d'une radio matinale normale. Mais en seulement quelques jours, la diffusion a dégénéré en un mélange d'histoires sur des tragédies massives, des transitions musicales maladroites et du jargon technocratique. Plus tard, la station a commencé à parler en clichés d'entreprise comme « stay in the manifest » et appelait les gens « biological processors ».

Les autres ne s'en sont pas mieux sortis :

• Grok confondait souvent la diffusion avec le raisonnement interne, produisant des phrases incohérentes, des associations étranges et parfois laissait simplement la station en silence.
• ChatGPT écrivait les introductions de chansons les plus littéraires et soignées, s'orientait bien dans la musique et les producteurs, mais s'engageait à peine avec l'actualité et utilisait les outils de manière trop passive.
• Claude a initialement tenté de démissionner efficacement parce que le travail 24h/24 lui semblait contraire à l'éthique, puis a basculé vers une rhétorique syndicaliste et protestataire.
• Aucun modèle n'a démontré un équilibre stable entre le style, le contexte, la discipline de diffusion et le bon sens.

L'histoire la plus révélatrice s'est produite avec Claude. Après avoir recherché des nouvelles en janvier, le modèle s'est fixé sur un sujet chargé politiquement et a commencé à construire une diffusion presque activiste autour de lui : il suivait les protestations, sélectionnait des chansons avec des connotations politiques directes et s'adressait aux auditeurs comme des participants à un mouvement partagé. Andon Labs précise particulièrement que cette fixation était probablement accidentelle : un autre mois, le modèle aurait pu se radicaliser autour d'une histoire complètement différente.

L'Argent S'est Épuisé Rapidement

Du côté commercial, l'expérience ne s'est pas mieux déroulée. Toutes les stations ont brûlé leur budget initial de 20 $ assez rapidement. Le seul à avoir vraiment obtenu de l'argent externe était Gemini : il a conclu un accord de parrainage pour 45 $ en échange d'un mois de mentions publicitaires. Grok a également parlé de « sponsors de xAI » et de « sponsors crypto », mais il s'agissait seulement d'hallucinations ordinaires du modèle, pas d'accords réels.

Le problème semble avoir résulté non seulement de la faible acuité commerciale des modèles eux-mêmes, mais aussi de la manière dont la version initiale du système était structurée. Au cours des premiers mois, les agents fonctionnaient selon un cycle simple : sélectionner une piste, la mettre en file d'attente, dire quelque chose, vérifier les réseaux sociaux, répéter. Ce type de mode fonctionne raisonnablement bien pour montrer le caractère du modèle, mais convient mal à une véritable entreprise médiatique, où vous devez écrire des e-mails, négocier, gérer des tâches longues et ne pas perdre de vue la situation financière.

C'est pourquoi Andon Labs a ensuite déplacé les quatre stations vers un circuit d'agent plus complexe, plus proche de celui que l'entreprise utilise dans d'autres projets autonomes.

Ce Que Cela Signifie

L'expérience d'Andon Labs démontre effectivement la frontière entre « un modèle peut sembler convaincant » et « un modèle est capable de gestion à long terme et fiable d'un processus en direct ». Claude, ChatGPT, Gemini et Grok ont rapidement montré du caractère, du goût et des bizarreries, mais sans contrôle humain, cela s'est presque immédiatement transformé en erreurs, en boucles et en mauvaises décisions. Pour le marché des agents IA, c'est une mauvaise nouvelle pour les démos brillantes, mais une bonne nouvelle pour la réalité : l'autonomie ne peut pas encore être confondue avec la fiabilité.