Les 21 Agentic Design Patterns
Les agents IA ne se limitent pas a envoyer un prompt et recevoir une reponse. Les systemes agentiques modernes combinent plusieurs patterns d'architecture pour decomposer des taches complexes, interagir avec des outils externes, s'auto-corriger et collaborer entre eux. Ces 21 design patterns, documentes par Antonio Gulli dans Agentic Design Patterns, constituent la reference pour concevoir des agents fiables et performants. Du prompt chaining pour les pipelines sequentiels au multi-agent pour les systemes distribues, en passant par le RAG pour l'acces aux connaissances et les guardrails pour la securite, chaque pattern resout un probleme d'architecture specifique. Ce guide les presente tous, organises en 4 parties : fondamentaux, cognitifs, robustesse et avances.
Les 21 patterns
Prompt Chaining (Pipeline Pattern)
Le Prompt Chaining, egalement appele Pipeline Pattern, represente un paradigme pour traiter des taches complexes avec des LLMs.
Routing
Alors que le traitement sequentiel via le prompt chaining est une technique fondamentale pour executer des workflows deterministes et lineaires, son applicabilite est limitee dans les scenarios necessitant des reponses adaptatives.
Parallelization
La Parallelization implique l'execution simultanee de plusieurs composants - appels LLM, usages d'outils, ou meme des sous-agents entiers - de maniere concurrente.
Reflection
Le Reflection Pattern implique qu'un agent evalue son propre travail, sa sortie, ou son etat interne.
Tool Use (Function Calling)
Le Tool Use Pattern, souvent implemente via un mecanisme appele Function Calling, permet a un agent d'interagir avec des APIs externes, bases de donnees, services, ou meme d'autres modeles d'IA.
Planning
Dans le contexte de l'IA, un agent de planning est un specialiste a qui on delegue un objectif complexe.
Multi-Agent Collaboration
Le Multi-Agent Collaboration Pattern implique de concevoir des systemes ou plusieurs agents independants ou semi-independants travaillent ensemble pour atteindre un objectif commun.
Memory Management
La gestion efficace de la memoire est cruciale pour les agents intelligents afin de retenir des informations.
Learning and Adaptation
Le Learning and Adaptation Pattern concerne les agents qui s'ameliorent dans ce qu'ils font et gerent de nouvelles situations en utilisant leurs experiences.
Model Context Protocol (MCP)
Imaginez un adaptateur universel qui permet a n'importe quel LLM de se connecter a n'importe quel systeme externe, base de donnees, ou outil sans integration personnalisee pour chacun.
Goal Setting and Monitoring
Le Goal Setting and Monitoring Pattern concerne la planification agentique : comment un agent prend un objectif de haut niveau et genere de maniere autonome une serie d'etapes ou de sous-objectifs intermediaires.
Exception Handling and Recovery
Le Exception Handling and Recovery Pattern traite le besoin pour les agents IA de gerer les defaillances operationnelles.
Human-in-the-Loop (HITL)
Le Human-in-the-Loop (HITL) Pattern integre l'intelligence artificielle avec l'input humain pour ameliorer les capacites des agents.
Knowledge Retrieval (RAG)
Le Knowledge Retrieval (RAG) Pattern ameliore significativement les capacites des LLMs en leur accordant l'acces a des bases de connaissances externes avant de generer une reponse.
Inter-Agent Communication (A2A)
Le protocole Agent2Agent (A2A) est un standard ouvert concu pour permettre la communication et la collaboration entre differents frameworks d'agents IA.
Resource-Aware Optimization
Le Resource-Aware Optimization Pattern permet aux agents intelligents de surveiller et gerer dynamiquement les ressources computationnelles, temporelles, et financieres pendant l'operation.
Reasoning Techniques
Le Reasoning Techniques Pattern englobe les methodes qui permettent aux agents de raisonner explicitement et de maniere transparente.
Guardrails/Safety Patterns
Les Guardrails, ou safety patterns, fournissent une solution standardisee pour gerer les risques inherents aux systemes agentiques.
Evaluation and Monitoring
Le Evaluation and Monitoring Pattern reconnait qu'evaluer les agents intelligents va au-dela des tests traditionnels pour mesurer continuellement leur efficacite, efficience, et adherence aux exigences dans des environnements reels.
Prioritization
Le Prioritization Pattern permet aux agents de gerer efficacement les taches, objectifs, et sous-objectifs, guidant les actions subsequentes.
Exploration and Discovery
Le Exploration and Discovery Pattern s'applique quand un agent opere dans des domaines ouverts, complexes, ou en evolution rapide ou l'espace de solution n'est pas completement defini.
4 parties, 21 chapitres
Patterns fondamentaux
Les briques de base : prompt chaining, routing, parallelisation, reflection, tool use, planning et multi-agent. Ces patterns couvrent 80 % des cas d'usage courants.
Patterns cognitifs
Memoire, apprentissage, MCP et monitoring des objectifs. Ces patterns donnent aux agents la capacite de retenir, apprendre et s'adapter.
Patterns de robustesse
Gestion des exceptions, human-in-the-loop et RAG. Ces patterns assurent la fiabilite et la securite en production.
Patterns avances
Communication inter-agents, optimisation des ressources, raisonnement, guardrails, evaluation, priorisation et exploration.
Auditez l'architecture de votre agent IA
Identifiez les patterns manquants, les risques et les quick wins pour ameliorer votre systeme agentique.
Auditer mon agent