Le domaine de la gouvernance de l'IA agentique a développé des réponses sophistiquées à deux modes d'échec : la dérive du modèle (le comportement de l'agent change au fil du temps) et l'émergence induite par l'interaction (les systèmes multi-agents produisent un comportement non attribuable à un agent unique). Cet article documente un troisième mode d'échec distinct que les cadres de gouvernance actuels ne sont pas systématiquement équipés pour détecter : la dérive induite par le contexte, dans laquelle un agent fonctionnant correctement dans son environnement actuel produit des résultats systématiquement biaisés parce que les incitations, contraintes et pressions d'optimisation intégrées de l'environnement diffèrent de l'environnement pour lequel il a été gouverné au moment du déploiement. La dérive induite par le contexte est invisible aux vérifications d'hallucination, à la surveillance du modèle et à la gouvernance comportementale d'un seul agent parce que l'agent ne fonctionne pas mal ; il raisonne correctement au sein d'un environnement dont le paysage incitatif n'a jamais été intégré dans l'enveloppe de gouvernance. L'article soutient que la gouvernance au moment du déploiement est une base structurellement insuffisante à elle seule pour les agents qui traversent des contextes environnementaux, et propose la classification des domaines au moment de l'action comme réponse architecturale nécessaire, instanciée dans le cadre EIOC de l'auteur et le design de couche de substrat APR-Lite CCDC.
Narnaiezzsshaa Truong (Sun,) a étudié cette question.