mardi 27 mai 2025
Les systèmes multi-agents IA
Cet article fait partie de notre dossier tendance sur les multi-agents IA. Explorez tous les contenus associés au dossier
Au-delà de l'agent unique : l'intelligence collaborative
Les agents IA sont les briques fondamentales des systèmes multi-agents. Comme nous l’avons vu, ces agents ont été programmés pour disposer de fonctions soit générales, soit spécialisées afin de remplir des tâches plus ou moins complexes (recherche d’informations, qualification de sources, formatage d’informations, construction de rapports, etc.). Au-delà de ces particularités, chaque agent est un système capable d'interagir avec son environnement. Il collecte des données et est programmé ou paramétré pour la prise de décisions et l’atteinte d’objectifs qui ont été prédéfinis.
Les systèmes multi-agents sont bien connus depuis une quinzaine d’années pour permettre, par exemple, à des essaims de drones de fonctionner de concert dans des tâches de détection ou de plantation à grande échelle ou également dans les entrepôts géants pour faire fonctionner les milliers de robots qui optimisent la création des colis.
Mais ce qui fait le nouvel attrait autour de ces systèmes, c’est l’intégration des grands modèles de langage (LLM) au cœur de leur design, leur permettant d’interagir et de s’adapter plus facilement.
Le véritable potentiel des agents intelligents se révèle lorsque l’on fait collaborer plusieurs agents. On obtient alors un système multi-agent IA qui peut être comparé au fonctionnement des ruches ou des fourmilières dans lesquelles les abeilles vont chacune avoir des fonctions précises à réaliser (trouver de la nourriture, construire, aménager, protéger, etc.). Les termes d’intelligence collective et d’intelligence distribuée sont utilisés pour caractériser le fonctionnement de ces systèmes qui sont chacun interdépendants et/ou autonomes selon les tâches à réaliser. Les agents vont être comparés à des équipes d'experts virtuels que l’on va faire travailler ensemble pour obtenir un objectif commun.
L'orchestration des agents : la clé d'une collaboration efficace
L'orchestration est la coordination et la gestion des actions des différents agents au sein d'un système multi-agent.
Plusieurs modes d'orchestration coexistent, chacun adapté à différents types de problèmes :
- Orchestration centralisée : Un « agent coordinateur unique », l’orchestrateur, délègue des tâches, surveille leur exécution et intègre les résultats. C’est le mode de fonctionnement le plus utilisé. L’orchestrateur permet un contrôle précis mais susceptible de se retrouver débordé lorsque le nombre d'agents devient très élevé.
- Orchestration décentralisée : Les agents négocient directement entre eux pour répartir le travail et coordonner leurs actions. Il s’agit d‘une approche plus robuste, notamment en cas de pannes, et néanmoins beaucoup plus complexe à mettre en œuvre.
- Orchestration hybride : Comme son nom l’indique, ce type d’orchestrateur va combiner l’orchestration centralisée et l’orchestration décentralisée en fonction des tâches et de leur importance.
L'orchestration est d’autant plus efficace qu’elle est capable de gérer les conflits que l’on peut rencontrer entre les agents et qu’elle facilite le bon déroulement des séquences sur l’ensemble du processus.
Des applications très concrètes
Finance
JPMorgan utilise un système multi-agent (DeepX) où chaque agent analyse différents indicateurs de marché (macroéconomie, tendances sectorielles, données d'entreprises), puis les combine pour formuler des recommandations d'investissement plus complètes et nuancées.
Logistique
DHL a déployé un SMA pour l'optimisation des tournées où chaque camion est modélisé comme un agent. Ces agents négocient entre eux afin que l’orchestrateur central puisse optimiser les itinéraires en temps réel. La réduction constatée est de l’ordre de 15% des dépenses en carburant.
Commerce de détail
Ocado, pionnier du e-commerce alimentaire, orchestre plus de 2000 robots-agents dans ses entrepôts. Chaque robot se déplace sur une grille en prélevant et en déposant des produits. En se coordonnant, les robots augmentent l'efficacité de préparation des commandes de 50% par rapport aux méthodes traditionnelles.
L'Agentic Mesh
Au-delà de simples groupes d'agents, on voit émerger le concept d'Agentic Mesh, un écosystème interconnecté qui facilite la collaboration, l'interaction et les transactions entre des agents autonomes. Cette structure leur permet de se découvrir mutuellement et d'établir des connexions dynamiques afin de coopérer.
Dans cet écosystème, les agents forment des coalitions temporaires. Ils peuvent résoudre des problèmes spécifiques et se reconfigurer pour s'attaquer à de nouveaux défis.
L'Agentic Mesh comprend généralement :
- Un registre qui est chargé de centraliser les métadonnées des agents disponibles
- Une place de marché pour la découverte et l'engagement des agents
- Des protocoles standardisés qui permettent aux agents de communiquer plus efficacement
- Des mécanismes de réputation pour évaluer la fiabilité des agents en fonction de leurs performances passées
Cette approche ouvre la voie à des applications où plusieurs composantes intelligentes se répartissent le travail pour atteindre un objectif plus efficacement qu'une solution monolithique.
Systèmes multi-agents et innovation technologique
L'essor des SMA s'inscrit dans une évolution plus large de l'informatique vers des architectures distribuées et adaptatives. Plusieurs facteurs convergent pour accélérer leur adoption :
- La disponibilité de données massives et de modèles IA performants, notamment les LLM capables de comprendre des instructions en langage naturel, permet d'équiper chaque agent d'une intelligence spécialisée très poussée.
- La généralisation des architectures distribuées (cloud computing, microservices, IoT) facilite le déploiement d'agents multiples à travers différents systèmes de l'entreprise.
- Les grands éditeurs technologiques proposent désormais des cadres outillés pour construire et orchestrer ces agents : AWS avec Bedrock, Microsoft avec Semantic Kernel, Salesforce avec Agentforce et bien d'autres.
Les systèmes multi-agents permettent d'aborder différemment les problèmes complexes. En distribuant la prise de décision entre plusieurs entités spécialisées et coordonnées, ils offrent un modèle plus proche du fonctionnement des organisations humaines.
Transformez vos métiers avec l'IA
