Voici une synthèse claire et structurée des différents types d’agents d’intelligence artificielle, classés par logique fonctionnelle et niveau d’autonomie. Elle s’appuie sur la littérature académique (Russell & Norvig, IBM, OpenAI), les usages industriels, et les typologies issues de l’IA moderne.
Les différents types d’agents d’intelligence artificielle
Définition d’un agent IA
Un agent IA est une entité logicielle (ou robotique) capable de percevoir son environnement, de le traiter via des modèles algorithmiques, et d’agir en fonction d’un objectif donné. Il peut être :
- Réactif (répond à un stimulus)
- Délibératif (anticipe et planifie)
- Autonome (agit sans intervention humaine constante)
- Adaptatif (apprend de son expérience)
1. Agents réactifs simples
Fonction :
Ils réagissent à des stimuli immédiats sans mémoire ni apprentissage. Ils ne modélisent pas l’environnement.
Exemples :
- Un aspirateur robot d’entrée de gamme qui change de direction à chaque obstacle.
- Un chatbot avec des réponses programmées.
Avantages :
- Fiables, simples, peu coûteux.
Limites :
- Aucun apprentissage.
- Ne peuvent pas résoudre des situations nouvelles.
2. Agents réflexifs avec mémoire
Fonction :
Ils intègrent une mémoire courte ou moyenne pour suivre l’état du monde. Ils peuvent adapter leur réponse en fonction de l’historique.
Exemples :
- Un thermostat intelligent qui anticipe les habitudes de chauffe.
- Un assistant vocal qui adapte ses suggestions selon vos commandes précédentes.
Capacité :
- Traitement de règles.
- Adaptation de comportements simples.
3. Agents basés sur des modèles internes
Fonction :
Ils construisent une représentation du monde, anticipent l’évolution des états, planifient leurs actions.
Exemples :
- Un robot autonome qui cartographie un bâtiment avant d’agir.
- Un assistant de diagnostic médical qui simule plusieurs hypothèses.
Technologies utilisées :
- Algorithmes de planification.
- Représentation symbolique.
- Moteurs de règles ou systèmes experts.
4. Agents apprenants (Machine Learning)
Fonction :
Ils améliorent leurs performances via l’apprentissage supervisé, non supervisé ou par renforcement. Ils modifient leurs actions ou prédictions à mesure qu’ils acquièrent de nouvelles données.
Exemples :
- Systèmes de recommandation (Netflix, Amazon).
- Agents de trading algorithmique.
- Agents de détection de fraude.
Sous-types :
- Apprentissage supervisé : classification, régression.
- Non supervisé : clustering, réduction de dimension.
- Renforcement : prise de décision en boucle (ex. : AlphaGo).
5. Agents conversationnels (LLM agents)
Fonction :
Ils utilisent des modèles de langage (LLMs) pour comprendre, générer et raisonner en langage naturel. Ils peuvent combiner compréhension sémantique, planification et exécution de tâches.
Exemples :
- ChatGPT, Claude, Gemini, Mistral.
- Agents no-code comme Zapier AI, OpenAgents, Devin.
Capacités :
- Générer du contenu.
- Répondre à des requêtes complexes.
- Exécuter des chaînes d’actions (via API ou code).
6. Agents autonomes planificateurs (Auto-GPT, BabyAGI, Devin…)
Fonction :
Ils définissent seuls une séquence d’objectifs, les décomposent en tâches, les exécutent, évaluent leur performance et itèrent.
Particularités :
- Boucle perception ➝ plan ➝ action ➝ évaluation.
- Capacité à se corriger en autonomie.
- Interaction avec des outils (navigateur, code, API…).
Exemples :
- AutoGPT, AgentGPT, Superagent, Devin (Cognition AI).
- Agents utilisés dans des environnements de développement ou de gestion projet.
Limites actuelles :
- Problèmes de hallucinations, mémoire à long terme instable.
- Problèmes d’alignement avec les objectifs utilisateur.
7. Multi-agents / agents collectifs
Fonction :
Des agents interagissent entre eux pour accomplir des tâches collectives (coordination, compétition, coopération).
Exemples :
- Swarms de drones.
- Réseaux de bots de cybersécurité.
- Simulations économiques ou urbaines.
Intérêt :
- Scalabilité des décisions.
- Émergence de comportements complexes.
8. Agents physiques (robots intelligents)
Fonction :
Des IA intégrées à des systèmes embarqués pilotant un matériel réel : capteurs, moteurs, caméras.
Exemples :
- Voiture autonome (Tesla, Waymo).
- Robot humanoïde (Boston Dynamics, Figure).
- Bras robotique dans l’industrie ou la chirurgie.
Spécificités :
- Contraintes du monde réel (temps réel, physique).
- Besoin de perception robuste (vision, lidar, etc.).
9. Agents intentionnels ou émotionnels
Fonction :
Ils modélisent des états mentaux simulés (intention, croyance, désir, émotion) pour interagir plus naturellement avec les humains.
Exemples :
- Compagnons émotionnels IA (Replika).
- Assistants vocaux affectifs.
- Robots d’assistance aux personnes âgées.
Les agents IA évoluent rapidement vers plus d’autonomie, de raisonnement et d’interaction. On passe progressivement :
- des agents réactifs spécialisés,
- aux agents autonomes généralisés,
- puis à des agents multi-capacités auto-adaptatifs capables de résoudre des problèmes ouverts, non prédéfinis.
L’avenir est aux systèmes hybrides multi-agents capables de se coordonner, de coopérer, et de planifier des actions complexes dans des contextes incertains.