5 niveaux d'évolution des agents IA. Au cours des dernières années, nous sommes passés de simples LLMs → à des systèmes agentiques pleinement développés avec raisonnement, mémoire et utilisation d'outils. Voici une décomposition étape par étape. 1) LLMs avec une petite fenêtre de contexte - Entrée : Texte → LLM → Sortie : Texte - Premiers chatbots basés sur des transformateurs. - Ne pouvaient traiter que de petits morceaux d'entrée (courtes conversations). - Lorsque ChatGPT est sorti, il avait une fenêtre de contexte de seulement 4k tokens. 2) LLMs avec une grande fenêtre de contexte - Entrée : Texte/Docs volumineux → LLM → Sortie : Texte - Modèles comme Claude/ChatGPT mis à niveau pour gérer des milliers de tokens. - Permettait d'analyser de plus grands documents et des conversations plus longues. 3) LLM + utilisation d'outils (ère RAG) - Entrée : Texte → LLM + Récupération/Outil → Sortie : Texte - La génération augmentée par récupération a donné accès à des données fraîches + externes. - Des outils comme les API de recherche, les calculatrices et les bases de données ont amélioré les sorties des LLM. 4) LLM multimodal + utilisation d'outils + mémoire - Entrée : Texte + Images + autres modalités → LLM + Outil + Mémoire → Sortie : Multimodal - Les agents pouvaient traiter plusieurs types de données (texte, images, audio). - La mémoire a introduit une persistance à travers les interactions. 5) Agents avec raisonnement et mémoire - Entrée : Multimodal → LLM → Décision → Sortie : Multimodal - Équipés de : → Mémoire à court terme, à long terme et épisodique → Appel d'outils (recherche, APIs, actions) → Raisonnement et prise de décision basée sur ReAct - Essentiellement, c'est l'ère des agents IA dans laquelle nous vivons aujourd'hui. 👉 À vous : Que pensez-vous que le prochain niveau ressemblera à partir d'ici ?