Les agents d'IA de Big Tech ont encore du mal à être autonomes dans le monde réel, ce qui alimente la demande d'environnements d'apprentissage par renforcement (RL) - des terrains d'entraînement simulés cruciaux pour la maîtrise des tâches en plusieurs étapes. Des startups comme Mechanize Work et Prime Intellect s'efforcent de fournir ces environnements, soutenues par les investissements croissants de laboratoires d'IA comme Anthropic. Si la RL est à l'origine de percées (par exemple, o1 d'OpenAI), ses détracteurs mettent en garde contre les problèmes d'évolutivité et les risques de "piratage des récompenses". Le secteur reflète l'essor de l'étiquetage des données, mais se heurte au scepticisme quant à sa viabilité à long terme dans le contexte de l'évolution rapide de l'IA.