Que sont les agents de l'IA? - Analytique Vidhya

L'intelligence artificielle (IA) évolue rapidement et 2025 s'annonce comme l'année des agents de l'IA. Mais que sont les agents de l'IA et pourquoi deviennent-ils si importants? Les agents de l'IA représentent un passage des modèles d'IA traditionnels à des systèmes plus autonomes capables de raisonner, de planifier et d'agir seuls. Dans cet article, nous plongerons dans tout ce que vous devez savoir sur les agents de l'IA, y compris dans lesquels les agents de l'IA sont bons, les différents types d'agents en IA, et pourquoi ils sont la prochaine grande chose en intelligence artificielle.

La façon dont la plupart d'entre nous utilisent des modèles de langage aujourd'hui, c'est un peu comme demander à quelqu'un de s'asseoir sur un clavier et de saisir un essai du début à la fin sans jamais utiliser de backspace. Malgré à quel point cela est difficile, les modèles de langue le font remarquablement bien.

Table des matières

• Le passage des modèles monolithiques aux systèmes d'IA composés
• Systèmes d'IA composés en action
• Que sont les agents de l'IA?
• Comment fonctionnent les agents de l'IA?
  • Capacités de raisonnement
  • Capacité à agir
  • Accès à la mémoire
• Types d'agents d'IA
• Cadre multi-agent
• Agents d'IA par rapport aux systèmes d'IA composés traditionnels
• Applications réelles des agents d'IA
• Conclusion

Le passage des modèles monolithiques aux systèmes d'IA composés

Les modèles d'IA traditionnels, bien que puissants, sont limités par les données sur lesquelles ils sont formés. Ces modèles peuvent générer des réponses à une variété d'invites, mais ont souvent du mal à s'adapter aux tâches en dehors de leur formation spécifique. Par exemple, si vous demandez un modèle de base sur vos jours de vacances, cela échouerait probablement car il manque d'accès à des bases de données personnelles ou à d'autres ressources externes nécessaires pour fournir une réponse correcte.

Les modèles d'IA sont seuls sont utiles pour des tâches telles que le résumé des documents, la rédaction de courriels ou la fourniture de réponses générales, mais leur véritable potentiel est déverrouillé lorsqu'ils sont intégrés dans des systèmes plus larges - ce que nous appelons les systèmes d'IA composés. Ces systèmes combinent plusieurs composants, tels que des bases de données, des outils externes et différents types de modèles d'IA, pour gérer des tâches plus complexes.

Avant d'entrer dans la définition des agents de l'IA, regardons un exemple!

Systèmes d'IA composés en action

Considérez cet exemple: si vous souhaitez planifier des vacances et que vous devez savoir combien de jours de vacances il vous reste, un modèle d'IA simple aurait du mal car il ne connaît pas vos données personnelles. Cependant, si nous construisons un système d'IA composé, nous pouvons connecter le modèle à une base de données qui contient vos informations de vacances. Le système fonctionne par:

1. Interroger le modèle de langue pour une réponse.
2. Création d'une requête de recherche pour la base de données de vacances.
3. Récupérer les informations de la base de données.
4. Générer une réponse basée sur ces informations.

Ce type de système composé utilise des composants programmatiques comme les requêtes de recherche et la vérification des données pour augmenter la précision et l'efficacité, ce qui la rend plus adaptable à des tâches spécifiques. Ce déplacement vers des systèmes composés montre comment les composants AI modulaires peuvent être assemblés pour résoudre des problèmes plus complexes.

Que sont les agents de l'IA?

Alors, maintenant à la question - quels sont les agents de l'IA!

Au cœur, les agents de l'IA sont des systèmes qui effectuent des tâches de manière autonome en interagissant avec leur environnement. Ils peuvent percevoir les entrées (telles que les données ou les requêtes utilisateur), traiter ces informations et prendre des mesures pour atteindre un objectif spécifique. Contrairement aux modèles d'IA traditionnels qui reposent uniquement sur la logique ou les données pré-programmées, les agents intelligents dans l'IA sont conçus pour s'adapter et prendre des décisions basées sur de nouvelles informations ou des environnements changeants.

Comment fonctionnent les agents de l'IA?

Alors, où entrent en jeu les agents de l'IA? Les agents d'IA représentent la prochaine étape des systèmes d'IA composés, ce qui a fait un peu plus loin de la logique du système en donnant plus de contrôle des modèles de langage (LLMS) sur la façon dont les tâches sont terminées. Plutôt que de suivre un chemin rigide et prédéfini, les agents d'IA sont conçus pour raisonner, planifier et agir de manière autonome pour résoudre des problèmes complexes.

Voici une ventilation des principales fonctionnalités qui rendent les agents de l'IA spéciaux:

Capacités de raisonnement

Les agents de l'IA sont alimentés par les LLM qui peuvent raisonner à travers des problèmes étape par étape. Cela signifie qu'au lieu de fournir une réponse rapide (et potentiellement incorrecte), l'agent prend le temps de décomposer le problème, de planifier une solution et d'identifier des outils ou des données externes dont il pourrait avoir besoin.

Capacité à agir

Les agents de l'IA peuvent prendre des mesures en utilisant des programmes ou des outils externes, tels que la recherche sur le Web, la question de l'interrogation d'une base de données ou des calculs. Ces outils sont connus comme des «programmes externes» dans le monde de l'IA, et ils permettent à l'agent d'aller au-delà de simples réponses de questions.

Par exemple, si vous prévoyez des vacances et que vous souhaitez savoir combien de bouteilles de crème solaire dont vous avez besoin, l'agent d'IA pourrait:

• Vérifiez vos jours de vacances dans sa mémoire.
• Recherchez les prévisions météorologiques de la Floride pour les heures attendues de la lumière du soleil.
• Recherchez des recommandations de santé sur l'utilisation de la crème solaire.
• Calculez la quantité de crème solaire dont vous aurez besoin en fonction de ces facteurs.

Accès à la mémoire

Une autre caractéristique importante des agents de l'IA est leur mémoire. Cela ne se réfère pas seulement à la mémorisation des conversations précédentes, mais aussi au stockage du processus de raisonnement interne, un peu comme la façon dont les humains pensent à haute voix lors de la résolution d'un problème. Cette mémoire permet à l'agent de récupérer des informations utiles au cours des étapes ultérieures de la tâche, ce qui en fait un assistant plus personnalisé et efficace.

Types d'agents d'IA

Voici une ventilation des principaux types d'agents d'IA :

1. Agents réflexes simples : Répondez directement aux stimuli environnementaux avec des règles prédéfinies, sans aucune mémoire ni capacité d'apprentissage. Meilleur pour les tâches simples.
2. Agents réflexes basés sur des modèles : utilisez des modèles internes de l'environnement pour gérer des tâches plus complexes en se souvenant des actions passées et en prédisant les états futurs.
3. Agents basés sur les objectifs : agir pour atteindre des objectifs spécifiques en considérant les conséquences futures et la planification des actions en conséquence.
4. Agents basés sur les services publics : évaluer plusieurs actions possibles pour maximiser leur utilité (ou avantage), ce qui les rend idéales pour la prise de décision dans l'incertitude.
5. Agents d'apprentissage : s'adapter et s'améliorer avec le temps en apprenant des interactions avec l'environnement, en devenant plus efficace et intelligent à mesure qu'ils fonctionnent.

Pour en savoir plus sur chacun de ces types, consultez notre article détaillé sur les types d'agents d'IA.

Cadre multi-agent

Un cadre multi-agents est un système où plusieurs agents d'IA collaborent pour résoudre des tâches complexes en interagissant les uns avec les autres et leur environnement. Chaque agent du cadre a des rôles, des capacités ou des connaissances spécialisés, et ils travaillent ensemble pour atteindre un objectif commun. Les agents sont autonomes, ce qui signifie qu'ils peuvent percevoir leur environnement, raison à ce sujet, prendre des mesures et apprendre au fil du temps.

1. Question de l'utilisateur : Le processus commence par un utilisateur soumettant une requête ou une tâche. Cette requête est l'entrée que l'agent AI doit traiter.
2. LLM (modèle de grande langue) : La requête est d'abord envoyée au LLM , qui interprète la question et décide de la traiter. Le LLM génère une réponse initiale et décide si des étapes supplémentaires sont nécessaires pour répondre pleinement à la requête.
3. Action : Si d'autres étapes sont nécessaires, l'agent effectue des actions en utilisant divers outils ou systèmes externes, tels que les recherches Web, les requêtes de base de données ou les API (comme Wolframalpha ou Wikipedia). Ces actions aident l'agent à recueillir des informations supplémentaires ou à effectuer des tâches spécifiques.
4. Observation : Le résultat de l'action est renvoyé dans le système comme observation . L'agent évalue ces informations pour déterminer si elle répond à la requête de l'utilisateur ou si une action supplémentaire est nécessaire.
5. Boucle : le système peut passer par plusieurs itérations des étapes d'action et d'observation , affinant en continu la réponse jusqu'à ce que la réponse finale soit déterminée.
6. Sortie : Une fois l'agent terminé le processus et généré la réponse finale, il le livre à l'utilisateur.

Cette boucle permet à l'agent d'améliorer itérativement la précision de ses réponses en incorporant des outils et des actions externes, fournissant ainsi des résultats plus complets et précis.

Agents d'IA par rapport aux systèmes d'IA composés traditionnels

Les agents de l'IA représentent un saut significatif en avant des systèmes d'IA composés traditionnels en raison de leur autonomie, de leur raisonnement et de leur adaptabilité. Bien que les systèmes traditionnels soient toujours efficaces pour des tâches simples et bien définies, elles n'ont pas les capacités dynamiques de résolution de problèmes que possèdent les agents de l'IA.

Le tableau ci-dessous met en évidence les principales différences entre les chatbots AI agents (représentant des agents d'IA) et les chatbots IA non agentiques (représentant des systèmes composés traditionnels):

Fonctionnalité / aspect	Chatbots AI agents (agents AI)	Chatbots AI non agentiques (systèmes d'IA composés traditionnels)
Autonomie	Hartement autonome, capable de raisonnement et de prise de décision.	Une autonomie limitée suit principalement des règles préprogrammées.
Processus décisionnel	Peut planifier et décomposer des tâches complexes en étapes plus petites pour de meilleures solutions.	Suit la logique directe sans véritables capacités de raisonnement.
Accès à l'outil externe	Peut accéder et utiliser des outils externes (par exemple, API, bases de données) pour améliorer les réponses.	N'accède généralement pas aux outils ou systèmes externes.
Apprentissage	A de la mémoire et peut s'améliorer en apprenant des interactions passées.	Peut avoir un apprentissage limité, généralement dans un ensemble fixe de réponses.
Résolution de problèmes	Peut gérer des problèmes complexes et en plusieurs étapes en combinant le raisonnement avec des ressources externes.	Gère les problèmes simples et bien définis avec les réponses scénarisées.
Flexibilité	Flexible et adaptable à l'évolution des requêtes ou des tâches. Peut ajuster son approche en fonction de nouvelles informations.	Rigide dans ses réponses, incapable de s'adapter au-delà de la logique prédéfinie.
Logique de contrôle	Utilise une approche basée sur le raisonnement pour décider des étapes nécessaires pour atteindre un objectif.	Suit la logique basée sur des règles codé en dur sans raisonnement plus profond.
Génération de réponse	Ittelle sur les réponses en rassemblant plus de données et en affinant la solution jusqu'à ce qu'elle soit précise.	Fournit une réponse immédiate sans revisiter ou améliorer le résultat.
Manipulation de la requête complexe	Capable de résoudre des requêtes très complexes ou ambiguës en utilisant plusieurs ressources.	Mieux adapté aux requêtes simples et bien définies.
Mémoire et personnalisation	Conserve des interactions passées pour fournir des réponses plus personnalisées et compatibles avec contexte.	Manque généralement de mémoire, fournissant des réponses génériques ou statiques.
Cas d'utilisation	Idéal pour des problèmes dynamiques et évolutifs tels que la gestion de projet, le service client ou la recherche.	Mieux pour le support client de base, les FAQ ou les conversations linéaires.

Applications réelles des agents d'IA

Les agents de l'IA ont des applications pratiques dans divers domaines, du service client et de la gestion de projet au développement et à la recherche de logiciels. Par exemple, un agent d'IA pourrait gérer indépendamment les problèmes de GitHub en analysant le problème, en récupérant des données pertinentes et en suggérant ou même en mettant en œuvre des solutions. Ce niveau d'autonomie permet aux agents de l'IA de gérer un spectre plus large de tâches par rapport aux systèmes traditionnels, ce qui les rend particulièrement utiles dans des environnements dynamiques et imprévisibles.

Voici quelques-uns de nos derniers articles où vous pouvez voir des agents de l'IA en action:

• Construire des chatbots agentiques utilisant Autogen
• Construire un programmeur de paire d'IA
• Automatiser le tri et l'étiquetage des e-mails avec Crewai
• Échelle de chiffon agentique multi-documents pour gérer 10 documents
• Création d'un digest de nouvelles personnalisés à l'aide d'agents d'IA

Autres ressources utiles

• 4 modèles de conception d'IA agentiques pour l'architecture des systèmes d'IA
• Guide de construction de systèmes de chiffon agentiques avec Langgraph
• 5 cadres de construction d'agents d'IA en 2024
• 5 Projets d'agent AI pour essayer

Si vous souhaitez apprendre à construire ces agents, envisagez de vous inscrire à notre programme exclusif de pionniers AI!

Conclusion

Les agents de l'IA représentent le prochain grand saut en intelligence artificielle, offrant un niveau de raisonnement, de planification et d'autonomie qui dépasse les systèmes d'IA composés traditionnels. À mesure que ces agents deviennent plus intégrés dans notre vie quotidienne et nos flux de travail professionnels, ils joueront un rôle essentiel en nous aidant à naviguer facilement sur des défis complexes. Qu'il s'agisse de gérer vos plans de vacances ou de s'attaquer aux tâches complexes comme le dépannage des logiciels, les agents de l'IA sont sur le point de révolutionner la façon dont nous interagissons avec l'IA.

Restez à l'écoute alors que nous continuons d'explorer cette frontière passionnante en IA.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!