A1 · LLM augmenté
Famille : Briques de base
Un seul appel de modèle, enrichi de documents, d’outils et de mémoire.
Principe
Le modèle reçoit en plus de la question des passages récupérés, des outils qu’il peut appeler et une mémoire. Il formule lui-même ses requêtes, choisit ses outils et décide de ce qu’il retient. C’est la brique de base de tous les autres patterns.
Le problème qu'il résout
Un modèle seul ne connaît ni vos documents, ni vos données du jour, et ne peut agir sur rien. Beaucoup de besoins se règlent pourtant sans agent.
Quand l'utiliser
- La tâche tient en une passe : classification, extraction, résumé, traduction, question-réponse sur des documents.
- On démarre un projet : un appel bien construit sert de base de comparaison avant tout pattern plus complexe.
Quand l'éviter
- Le nombre d’étapes dépend de ce que l’on découvre en chemin : passer à la boucle agentique (C1).
- La tâche se décompose en étapes fixes que l’on veut contrôler une à une : préférer la chaîne séquentielle (B1).
Synonymes par éditeur
- Augmented LLM (Anthropic)
- L1 Connected Problem-Solver (Google (Introduction to Agents))
- Knowledge retrieval / RAG (A. Gulli (ch. 14))
- Memory-augmented agents (AWS)
Patterns voisins
Sources
- AI agent orchestration patterns — Microsoft (Azure Architecture Center), 2026-02-12
- Building effective agents — Anthropic (E. Schluntz, B. Zhang), 2024-12-19
Contenu relu le 2026-10-02