Home

IA Agentique – construire une orchestration de LLM pour la recherche et la synthèse d’information

Tutoriel IA Agentique

Ce tutoriel introduit les principes fondamentaux de l’IA agentique, dans laquelle des agents autonomes basés sur des grands modèles de langue perçoivent, planifient et agissent dans leur environnement. Vous allez concevoir et implémenter un système multi-agents capable de résoudre des tâches complexes à partir de requêtes utilisateur.

Avertissement

En amont du tutoriel, vous pouvez préparer votre machine en suivant les instructions disponibles ici.

Contexte

L’IA agentique désigne une architecture logicielle dans laquelle les grands modèles de langage (LLM) ne se contentent plus de répondre à une simple invite. Ils sont capables de percevoir leur environnement, de planifier et d’exécuter des actions en utilisant des outils externes, d’observer les résultats obtenus, puis d’itérer si nécessaire jusqu’à atteindre un objectif donné. Ce paradigme est aujourd’hui au cœur des systèmes d’IA modernes en production. Il repose notamment sur une approche multi-agents, dans laquelle plusieurs agents autonomes collaborent pour résoudre des tâches complexes. Dans ce cadre, l’utilisateur délègue des tâches à ces agents, qui sont capables de raisonner, de prendre des décisions et d’agir de manière autonome pour atteindre un objectif.

Dans ce tutoriel, vous allez construire un système multi-agents génératifs capable de répondre à des requêtes complexes formulées par l’utilisateur, en s’appuyant sur des modèles à poids ouverts et des API accessibles.

Public visé

Ce tutoriel s’adresse aux élèves-ingénieurs, étudiants de master, jeunes chercheurs et industriels possédant de bonnes compétences en programmation, mais qui ne sont pas spécialistes du domaine de l’IA agentique.

Concepts abordés

Au cours de ce tutoriel, plusieurs concepts fondamentaux de l’IA agentique seront explorés afin de construire des systèmes robustes et capables de traiter des tâches complexes.

1. La connexion à des outils externes dotent les agents génératifs d’une capacité d’action qui est essentielle pour dépasser les limites des LLM seuls.
2. La boucle Perception → Délibération → Action → Observation permet aux agents de raisonner sur leur environnement, d’agir, puis d’ajuster leur comportement en fonction des résultats obtenus.
3. L’orchestration et la spécialisation des agents permet de coordonner plusieurs agents, chacun ayant un rôle précis.
4. L’architecture acteur-critique dans laquelle un agent « acteur » produit des réponses, tandis qu’un agent « critique » évalue leur qualité améliore la fiabilité globale du système et permet de détecter certaines erreurs.

Outils

Vous utiliserez plusieurs API externes afin de concevoir des agents génératifs capable de perception et d’action.

API	Utilisation	Limites	URL
Groq	LLM (qwen/qwen3.8-27b)	1000 requêtes/jour/clé	https://groq.com
DuckDuckGo	Recherche web	aucune	https://duckduckgo.com
Wikipedia	Articles Wikipedia	aucune	https://www.wikipedia.org

Orateurs

• Maxime MORGE, Université Lyon 1, Polytech Lyon, LIRIS
• Wassila OUERDANE, CentraleSupelec, Laboratoire MICS
• Nicolas SABOURET, Université Paris-Saclay, CNRS, LISN