Formation - IA Agentique - Conception d'applications multi-agents basés sur des LLMs (LLM-MA)

1 - Introduction

• Les modèles larges de langage (LLMs) propulsent les agents autonomes
• De quoi ont besoin les agents autonomes ?
• La réponse apportée par les LLMs
• Systèmes multi-agents basés sur des LLMs (LLM-MA)
• Vers une forme d’intelligence collective
• Éléments clés des systèmes
• Profilage des agents
• Les architectures multi-agents
• Résoudre la problématique fondamentale de planification
• Apporter réflexivité et critique aux systèmes décisionnels
• Les applications des systèmes agentiques
• La résolution de problématiques complexes
• La simulation de phénomènes critiques
• Écosystèmes applicatifs clés multi-agents

2 - Éléments de conception communs aux systèmes multi-agents

• Approche par nature en graphes
• Notion d’agents
• Exemples d’agents
• L’approche Agents REACTs
• Contrôle de la parallélisation
• Contrôle de la récursivité des graphes
• La mémoire des systèmes d’agents
• Gestion de la mémoire à court terme
• Caractéristiques de la mémoire à long terme
• L’humain dans la boucle
• Les sous-graphes
• Le management d’états (du graphe)
Atelier

Mise en oeuvre d’éléments de conception communs aux systèmes multi-agents

3 - Différentes architectures multi-agents

• L’approche en Réseau
• Diviser pour mieux régner
• Composantes clés de l’architecture
• Exemple applicatif non séquentiel
• Avantages et inconvénients des architectures réseaux multi-agents
• L’approche avec Superviseur
• Superviser pour mieux déléguer
• Fonctionnement d’une architecture multi-agents avec superviseur
• Exemple applicatif médical
• Généralisation : architectures hiérarchiques
• Avantages et limites des systèmes multi-agents avec superviseur
• Architectures ad-hoc
Atelier

Mise en oeuvre d’architectures multi-agents sur cas concrets

4 - Planification multi-agents

• La planification pilier central de l’IA
• La réponse des approches multi-agents
• Les LLMs catalyseurs du processus
• Limitations des agents ReACT
• Des frameworks multi-agents plus adaptés
• L’approche PLAN AND EXECUTE
• Architecture de base LLM-MA
• Le planificateur LLM
• Prompt de planification (exemple)L’exécuteur de tâches
• Le re-planificateur
• Prompt de re-planification (exemple)
• ReWOO une variante économe
• La parallélisation avec LLMCompiler
• Approches alternatives
• Synthèse - frameworks de planification LLM-MA
Atelier

Mise en oeuvre de systèmes de planning Multi-Agents

5 - Systèmes multi-agents réflexifs et critiques

• Prise de décision et réflexion multi-agents
• Fonctionnement élémentaire d’un agent réflexif LLM-based
• Le renforcement verbal du processus décisionnel
• Architecture de l’approche REFLEXION
• L’exploration systématique de multiples options en parallèle
• L’approche en arbre de pensées (Tree of Thoughts - ToT)
• Algorithme ToT
• Architecture ToT
• ToT en pratique
• L’apport des méthodes de recherche combinatoire
• L’approche disruptive LATS
• L’écosystème LATS
• Fonctionnement d’un système LATS
• Architecture multi-agents LATS
• S’inspirer des humains !
• Le raisonnement complexe avec SELF-DISCOVER
• Les trois étapes clés de l’approche SELF-DISCOVER
• Synthèse
Atelier

Mise en oeuvre de systèmes multi-agents réflexifs et critiques

6 - Perspectives et éthique des agent IA

• Nouvelles architectures et nouveaux LLMs à venir
• Biais et interprétabilité des systèmes agentiques
• Défis et opportunités pour les organisations