Ce document montre pourquoi l'augmentation des agents avec plus de démonstrations est une impasse. EvoCUA fait une affirmation simple mais inconfortable : les agents d'utilisation informatique ne échouent pas parce qu'ils ne sont "pas assez intelligents". Ils échouent parce qu'ils sont formés comme des perroquets, pas comme des apprenants. La plupart des agents GUI copient des traces statiques. Cela fonctionne pour des tâches courtes. Cela s'effondre au moment où vous avez besoin de planification, de récupération ou de jugement. EvoCUA renverse le paradigme de l'augmentation des données à l'augmentation de l'expérience. Au lieu de collecter plus de captures d'écran et de scripts, il construit une boucle fermée : • synthétiser des tâches automatiquement • attacher des validateurs exécutables (pas de récompenses vagues) • exécuter des déploiements en bac à sable massifs en parallèle • comparer les trajectoires de succès et d'échec • renforcer ce qui fonctionne, réécrire ce qui casse Les échecs ne sont pas du bruit ici. Ce sont le signal de la plus haute valeur. Le modèle apprend où il s'est trompé, pourquoi et comment le corriger, puis internalise cette correction. Cela compte parce que les agents GUI meurent aux frontières : états UI inattendus flux de travail à long terme erreurs de timing, d'ordre et de récupération ...