C1 · Boucle agentique (ReAct)
Famille : Agent unique
Le modèle alterne raisonnement, appel d’outil et observation jusqu’à une condition d’arrêt.
Principe
Le modèle réfléchit, choisit une action (un appel d’outil), observe le résultat, puis recommence. La boucle s’arrête quand il estime avoir terminé ou quand un plafond est atteint. C’est le modèle, et non le code, qui décide du chemin.
Le problème qu'il résout
Certains problèmes sont ouverts : on ne peut prévoir ni le nombre d’étapes nécessaires, ni lesquelles.
Quand l'utiliser
- Le problème est ouvert et le nombre d’étapes impossible à prédire : agent de code, recherche documentaire.
- Un workflow ne suffit pas et l’on veut un choix par défaut raisonnable avant tout multi-agent : Microsoft et Databricks le recommandent comme point de départ.
Quand l'éviter
- Le chemin est connu d’avance : un workflow (B1, B6) est moins cher, plus rapide et plus prévisible.
- Des actions irréversibles sont possibles sans oracle de vérification ni validation humaine : borner la boucle et placer un humain sur ces actions (F1).
Synonymes par éditeur
- Agents (Anthropic (2024))
- Single-agent system (OpenAI, Google Cloud, Databricks)
- ReAct (Yao et al. (ICLR 2023), Google Cloud)
- Multi-step agent (Hugging Face)
- Single agent with tools (Microsoft)
Patterns voisins
Sources
- How we built our multi-agent research system — Anthropic (J. Hadfield et al.), 2025-06-13
- Context Engineering for AI Agents: Lessons from Building Manus — Manus (Y. Ji), 2025-07-18
- Agents — Chip Huyen, 2025-01-07
- Measuring Agents in Production — M. Pan et al. (ICML 2026), 2025-12-02
- ReAct: Synergizing Reasoning and Acting in Language Models — S. Yao et al. (ICLR 2023), 2023
- Agents — Simon Willison, 2025-09-18
- How to build an agent — Amp / Sourcegraph (T. Ball), 2025-04-15
Contenu relu le 2026-10-02