Une expérience contrôlée démontre que l'utilisation d'un prompt d'ancrage préfixé atténue les « échecs silencieux » — où les sorties restent sémantiquement cohérentes mais s'écartent de la réalité physique — lors des itérations d'agents à longue chaîne. L'étude a comparé 80 tours de génération de recettes avec et sans la contrainte d'ancrage sur des modèles Transformer grand public.
- Les sorties du groupe témoin ont violé les limites physiques (par ex., huile à 7°C, tranches de taille nanométrique) après 80 itérations.
- Les sorties du groupe expérimental sont restées dans les limites des règles physiques, convergeant vers une solution standardisée de qualité industrielle.
- L'amplitude des tokens du groupe témoin a augmenté d'environ 1x avec du contenu invalide, tandis que celle du groupe expérimental a augmenté d'environ 7x avec du contenu d'ingénierie déployable.
- Le prompt d'ancrage est une solution purement externe ne nécessitant aucun changement d'architecture de modèle ni de pipelines d'inférence supplémentaires.
Cette approche réduit les coûts de vérification factuelle a posteriori et permet le déploiement fiable d'agents à longue chaîne de qualité production sans surcharge de calcul mesurable.