Comment l’agent enchaîne-t-il les étapes ?
Comprendre comment les résultats orientent la suite du travail, et pourquoi la boucle doit pouvoir s’arrêter.
Dans notre exemple précédent, la recherche Montréal–Agadir n’a trouvé aucune offre directe dans la source consultée. Faut-il répéter la même recherche, chercher avec escale ou demander à la cliente de modifier ses dates ?
Un appel d’outil ne suffit pas à accomplir toute la mission. L’agent doit utiliser ce qu’il vient d’obtenir pour choisir une suite pertinente.
Une boucle alimentée par les résultats
La boucle agentique est la répétition d’un échange : le modèle choisit la prochaine étape, l’application exécute l’action autorisée, puis son résultat revient dans le contexte. Le modèle est à nouveau sollicité avec ces informations. Il ne repart donc pas nécessairement de la demande initiale seule.
Hugging Face présente ce mécanisme comme le cycle Thought–Action–Observation, que nous pouvons résumer par choisir → agir → observer → adapter. Cette représentation décrit le fonctionnement du système ; elle ne donne pas accès à toutes les opérations internes du modèle.
Une demande simple peut ne nécessiter aucun outil. À l’inverse, comparer des voyages peut demander plusieurs échanges. Ce n’est pas le nombre d’appels qui fait la qualité du résultat, mais leur utilité pour la mission.
Adapter la recherche de voyage
Poursuivons notre scénario avec des résultats simulés, sans recherche ni réservation réelle :
- Obtenir l’accord. La cliente accepte une escale. Le budget maximal de 2 000 dollars canadiens reste inchangé.
- Relancer une recherche différente. Le modèle demande des vols avec escale. L’outil renvoie plusieurs offres ; l’application transmet leurs horaires, prix et conditions.
- Utiliser ces résultats. Le modèle demande des hôtels pour les nuits correspondant au séjour. Les horaires des vols doivent laisser les quatre jours sur place demandés.
- Comparer. Un outil de calcul additionne les vols aller-retour et l’hôtel pour chaque option. Le modèle peut présenter les possibilités compatibles, avec leurs sources et leurs limites, sans rien réserver.
Si les options dépassent le budget, la suite change : demander si les dates sont flexibles peut être utile. Présenter une option hors budget comme conforme ne l’est pas. Microsoft décrit cette planification révisée selon les résultats et les préférences.
Un plan organise le travail, mais ne l’exécute pas
« Chercher les vols, examiner les hôtels, comparer les totaux » est un plan. Il aide à suivre ce qui reste à faire. Ce n’est ni une preuve que les recherches ont eu lieu, ni une liste forcément immuable.
LangChain Deep Agents propose une capacité de planification avec une liste de tâches mise à jour pendant l’exécution. Cette capacité est optionnelle. Une mission courte n’exige pas nécessairement un plan écrit, et découper le travail n’impose pas plusieurs agents.
Savoir quand s’arrêter
Trois issues doivent être distinguées :
- Livrer une réponse : présenter les options trouvées ou expliquer pourquoi aucune ne convient.
- Demander une précision : poser une question puis attendre la cliente. Cela ne signifie pas qu’un programme doit continuer à tourner pendant son absence.
- Interrompre l’exécution : s’arrêter sur demande de l’utilisateur, sur un blocage ou lorsqu’une limite définie par l’application est atteinte.
L’application doit pouvoir borner l’exécution, par exemple par un nombre maximal d’appels. Une telle borne protège les ressources ; elle ne signifie pas que la mission est accomplie. Google ADK illustre des conditions de sortie et des limites d’itération pour ses boucles de workflow, distinctes de la boucle de choix du modèle décrite ici.
Répéter un appel sans nouvelle information peut seulement reproduire l’échec. La boucle permet d’adapter le travail, mais ne garantit ni le progrès ni l’exactitude.
À retenir : chaque étape doit exploiter les résultats précédents. L’agent doit aussi pouvoir répondre, demander de l’aide ou s’arrêter sans prétendre avoir réussi.