Workflow agentique
Un flux de travail où un LLM ne se contente pas de répondre une fois, mais planifie, utilise des outils, évalue ses propres résultats et itère vers un objectif sur plusieurs étapes. Le passage du « chatbot qui répond » à « l'agent qui exécute des tâches ».
Motifs (popularisés par Andrew Ng entre autres) : la réflexion (le modèle relit et améliore son propre brouillon), l'utilisation d'outils (chercher, exécuter du code, appeler des API), la planification (découper une tâche en sous-étapes), et le multi-agent (plusieurs agents spécialisés collaborent). Au lieu d'un seul appel, on obtient une boucle ou un graphe d'appels qui avance vers un objectif, souvent avec ReAct comme moteur de base. Le gain : résoudre des tâches complexes à plusieurs étapes (coder une fonction entière avec ses tests, chercher puis rédiger un rapport) qu'une seule réponse ne pourrait pas traiter. Le prix : plus d'appels (coût/latence), un débogage plus difficile, et le risque que l'agent « déraille ». Le cœur de la vague d'agents de 2024–2025. Lié au ReAct agent et au système multi-agent.