Si les agents d'intelligence artificielle ont fait les gros titres de la presse technologique dans le monde entier, les exemples concrets d'agents d'intelligence artificielle ne sont pas toujours évidents.
Dans cet article, je vais vous présenter les différents types d'agents d'intelligence artificielle, avec des exemples pour chacun d'entre eux. Mais gardez à l'esprit que même si ces agents sont divisés par type, la plupart des systèmes d'IA avancés sont des combinaisons de plusieurs types d'agents d'IA.
Par exemple, les voitures auto-conduites - ou véhicules autonomes - impliquent des agents basés sur l'utilité, des agents basés sur les objectifs, des agents réflexes basés sur des modèles et des agents d'apprentissage. Il s'agit d'un processus complexe qui nécessite de nombreuses pièces mobiles.
Il en va de même pour les agents d'IA dans la gestion de la chaîne d'approvisionnement. Ils utiliseront plusieurs types d'agents afin d'optimiser la logistique, la gestion des stocks, l'entreposage et les livraisons.
Mais pour faciliter les choses, examinons ce que chaque type d'IA agentique est conçu pour accomplir, avec quelques exemples de la façon dont elle se manifeste déjà dans le monde réel.
Par exemple, les agents d'IA sont de plus en plus souvent des robots d'entreprise pour des tâches qui étaient auparavant impossibles à automatiser. La flexibilité des plateformes de construction de l'IA signifie que les cas d'utilisation sont infinis.
- Les agents d'intelligence artificielle pour le commerce électronique sont utilisés pour passer des commandes, suivre et fournir des mises à jour sur l'expédition, faciliter la recherche basée sur des images, envoyer des suivis en cas d'abandon de panier, fournir des avis sur les produits de clients précédents et donner des suggestions de produits personnalisées aux utilisateurs.
- La plupart des agents d'intelligence artificielle créés sur Botpress sont utilisés pour des fonctions de vente et de marketing, telles que Génération de leads par l'IA ou autre Comment utiliser l'IA dans les ventes.
- Cesagents peuvent établir des listes de prospects, envoyer des communications personnalisées et qualifier les prospects (encore mieux qu'un humain). Ils peuvent élaborer des stratégies et faciliter les campagnes de marketing, et effectuer des analyses sur les concurrents.
- En Soutien à la clientèle par l'IALes agents d'IA sont capables de prendre des mesures au nom des utilisateurs, comme changer leur mot de passe ou gérer un remboursement.
- Ils peuvent proposer des suggestions de produits et même une assistance technique avancée.(Nos clients ont réduit leurs tickets d'assistance de 65 % grâce aux agents d'IA).
- Les hôtels et autres entreprises du secteur de l'hôtellerie sont parfaitement adaptés aux assistants IA : ils sont multilingues, disponibles 24 heures sur 24 et 7 jours sur 7, et facilement accessibles aux clients. Les agents d'IA pour les hôtels peuvent rationaliser les services de chambre, suggérer des commodités à proximité, vendre des services hôteliers et aider le personnel à coordonner les besoins.
1. Agents basés sur l'utilité
Contrairement aux agents plus simples qui peuvent se contenter de réagir aux stimuli environnementaux, les agents basés sur l'utilité évaluent leurs actions potentielles sur la base de l'utilité attendue. Ils prédisent dans quelle mesure chaque option est utile ou bénéfique par rapport à l'objectif qu'ils se sont fixé.
Les agents basés sur l'utilité excellent dans les environnements décisionnels complexes avec de multiples résultats potentiels - comme l'équilibrage de différents risques afin de prendre des décisions d'investissement, ou l'évaluation des effets secondaires des options de traitement.
La fonction d'utilité de ces agents intelligents est une représentation mathématique de leurs préférences. La fonction d'utilité s'applique au monde qui l'entoure, en décidant et en classant l'option la plus préférable. L'agent d'utilité peut alors choisir l'action optimale.
Comme ils peuvent traiter de grandes quantités de données, ils sont utiles dans tous les domaines qui impliquent une prise de décision à fort enjeu.
Négociation financière
Les agents basés sur l'utilité sont bien adaptés aux marchés des actions et des crypto-monnaies - ils sont capables d'acheter ou de vendre en fonction d'algorithmes qui visent à maximiser les rendements financiers ou à minimiser les pertes. Ce type de fonction d'utilité peut prendre en compte à la fois les données historiques et les données de marché en temps réel.
Systèmes de tarification dynamique
Vous avez déjà payé un supplément pour un Uber ou un Lyft sous la pluie ? Il s'agit là d'un agent basé sur les services publics qui peut ajuster les prix en temps réel pour les vols, les hôtels ou le covoiturage, en fonction de la demande, de la concurrence ou de l'heure de la réservation.
Contrôleurs de réseaux intelligents
Ces types d'agents intelligents sont les "intelligents" des réseaux intelligents : ce sont des agents basés sur les services publics qui contrôlent la distribution et le stockage de l'électricité.
Ils optimisent l'utilisation des ressources en fonction des prévisions de la demande et des prix de l'énergie afin d'améliorer l'efficacité et de réduire les coûts.
Recommandations de contenu personnalisées
Vous finissez de regarder un film et Netflix vous en recommande trois autres du même genre.
Les services de streaming comme Netflix et Spotify utilisent des agents basés sur l'utilité pour suggérer des contenus similaires aux utilisateurs. L'utilité optimisée ici est la probabilité que vous cliquiez sur le contenu.
2. Agents basés sur des objectifs
Les agents d'IA basés sur les objectifs sont - vous l'aurez deviné - conçus pour atteindre des objectifs spécifiques grâce à l'intelligence artificielle.
Au lieu de se contenter de répondre à des stimuli, ces agents rationnels sont capables d'envisager les conséquences futures de leurs actions, ce qui leur permet de prendre des décisions stratégiques pour atteindre leurs objectifs.
Contrairement aux agents réflexes simples, qui réagissent directement aux stimuli sur la base de règles condition-action, les agents basés sur les objectifs évaluent et planifient des actions pour atteindre leurs objectifs.
Ce qui les distingue des autres types d'agents intelligents, c'est leur capacité à combiner prévoyance et planification stratégique pour s'orienter vers des résultats spécifiques.
Roomba
Les aspirateurs robotisés, comme le bien-aimé Roomba, sont conçus dans un but précis : nettoyer tout l'espace accessible au sol. Cet agent a un objectif simple, et il le remplit bien.
Toutes les décisions prises par cet agent basé sur un objectif (comme le moment de tourner) sont prises dans le but d'atteindre cet objectif élevé. Les chats qui les surplombent ne sont qu'un bonus.
Logiciel de gestion de projet
Bien qu'il puisse également utiliser un agent utilitaire, le logiciel de gestion de projet se concentre généralement sur la réalisation d'un objectif de projet spécifique.
Ces agents d'intelligence artificielle planifient souvent les tâches et répartissent les ressources de manière à ce qu'une équipe soit optimisée pour mener à bien un projet dans les délais impartis. L'agent évalue la voie la plus probable vers le succès et agit au nom de l'équipe.
IA des jeux vidéo
Dans les jeux de stratégie et de rôle, les personnages de l'IA agissent en tant qu'agents basés sur des objectifs - leurs objectifs peuvent aller de la défense d'un lieu à la défaite d'un adversaire.
Ces agents IA pouponnés envisagent toute une série de stratégies et de ressources - quelle attaque utiliser, quelle puissance brûler - afin d'atteindre leur objectif.
3. Agents réflexes basés sur un modèle
Lorsque vous devez vous adapter à des informations qui ne sont pas toujours visibles ou prévisibles, les agents réflexes basés sur des modèles sont l'outil à utiliser.
Contrairement aux agents réflexes simples qui réagissent uniquement sur la base des perceptions actuelles, les agents réflexes basés sur un modèle maintiennent un état interne qui leur permet de prédire des environnements partiellement observables. Il s'agit d'un modèle interne de la partie du monde pertinente pour leurs tâches.
Ce modèle est constamment mis à jour à l'aide de données provenant de l'environnement, de sorte que l'agent d'intelligence artificielle peut faire des déductions sur des parties non vues de l'environnement et anticiper les conditions futures.
Ils évaluent les résultats potentiels de leurs actions avant de prendre des décisions, ce qui leur permet de gérer les complications. Cela s'avère particulièrement utile lors de l'exécution de tâches complexes, comme la conduite d'une voiture dans une ville ou la gestion d'un système de maison intelligente automatisé.
Grâce à leur capacité à combiner les connaissances passées et les données en temps réel, les agents réflexes basés sur des modèles peuvent optimiser leurs performances, quelle que soit la tâche. Comme un être humain, ils peuvent prendre des décisions en fonction du contexte, même lorsque les conditions sont imprévisibles.
Véhicules autonomes
Même si ces voitures couvrent plusieurs types d'agents intelligents, elles constituent un bon exemple d'agents réflexes basés sur un modèle.
Les systèmes complexes tels que la circulation et les mouvements de piétons sont exactement le type de défi pour lequel les agents réflexes basés sur des modèles sont conçus.
Leur modèle interne est utilisé pour prendre des décisions en temps réel sur la route, comme freiner lorsqu'une autre voiture grille un feu rouge ou ralentir rapidement lorsque la voiture qui la précède fait de même. Leur système interne est constamment mis à jour en fonction des données environnementales : les autres voitures, l'activité aux passages piétons, la météo.
Systèmes d'irrigation modernes
Les agents réflexes basés sur des modèles sont le moteur des systèmes d'irrigation modernes. Leur capacité à répondre aux réactions inattendues de l'environnement est parfaitement adaptée aux conditions météorologiques et aux niveaux d'humidité du sol.
Le modèle interne de l'agent IA représente et prédit divers facteurs environnementaux, tels que les niveaux d'humidité du sol, les conditions météorologiques et les besoins en eau des plantes.
Ces agents collectent en permanence des données à partir de capteurs situés dans leurs champs, y compris des informations en temps réel sur l'humidité, la température et les précipitations.
En analysant ces données, l'agent réflexe basé sur un modèle peut prendre des décisions éclairées sur le moment de l'arrosage, la quantité d'eau à distribuer et les zones d'un champ qui requièrent plus d'attention. Cette capacité prédictive permet au système d'irrigation d'optimiser l'utilisation de l'eau, en veillant à ce que les plantes reçoivent exactement ce dont elles ont besoin pour prospérer (sans gaspiller d'eau).
Systèmes domotiques
Le modèle interne ici est celui de l'environnement d'une maison - ces systèmes sont continuellement mis à jour avec des données provenant de capteurs, et utilisent ces informations pour prendre des décisions.
Un thermostat détectera les changements de température et se configurera en conséquence. Un système d'éclairage peut également détecter l'obscurité à l'extérieur et s'ajuster en conséquence. Étant donné que cette obscurité peut provenir de la nuit ou d'un orage inattendu, il faut un agent intelligent pour anticiper les différences et y réagir.
4. Agents d'apprentissage
Les agents apprenants se distinguent par leur capacité à s'adapter et à s'améliorer au fil du temps sur la base de leurs expériences.
Contrairement aux agents d'IA plus statiques qui fonctionnent uniquement sur la base de règles ou de modèles préprogrammés, un agent d'apprentissage peut faire évoluer son comportement et ses stratégies. En raison de cet élément d'apprentissage, ils sont le plus souvent utilisés dans des environnements changeants.
Détection de la fraude
Les systèmes de détection des fraudes fonctionnent en collectant continuellement des données, puis en s'adaptant pour reconnaître plus efficacement les schémas frauduleux. Comme les escrocs modifient constamment leurs tactiques, les agents de détection des fraudes doivent eux aussi s'adapter en permanence.
Recommandation de contenu
Des plateformes comme Netflix et Amazon utilisent un système équipé d'un agent d'apprentissage pour améliorer leurs recommandations de films, d'émissions et de produits.
Même si votre profil indique que vous devriez aimer les films d'horreur et les thrillers, si vous passez soudainement aux romans d'amour, vos recommandations s'adapteront. Tout comme nous, l'application est en perpétuel apprentissage.
Logiciel de reconnaissance vocale
Des applications comme Google Assistant et Siri font appel à un agent d'apprentissage pour mieux comprendre les tentatives brouillées des sourds pour leur parler.
C'est grâce aux agents d'apprentissage que ces systèmes parviennent à mieux comprendre les accents et l'argot, ce qui nous permet de demander à Siri des choses telles que "Och, Siri, pouvez-vous me trouver le chippy le plus proche pour le dîner ? J'ai un gros creux !"
Thermostats adaptatifs
Même les thermostats intelligents, comme Nest, apprennent à partir du comportement des utilisateurs, par exemple lorsqu'ils sont à la maison ou absents, et de leurs températures préférées.
Ces informations étant susceptibles de changer en permanence, les thermostats doivent être capables de s'adapter au fil du temps, ce qui en fait un autre exemple d'agent apprenant.
.webp)
5. Agents hiérarchiques
Les agents hiérarchiques se distinguent des autres types d'agents d'intelligence artificielle par leur approche structurée et multicouche des problèmes.
Les agents hiérarchiques s'apparentent à une structure organisationnelle complexe, avec différents niveaux de prise de décision. Les différents agents au sein du système auront différents domaines de spécialisation, ce qui les rendra plus efficaces pour gérer des tâches complexes à plusieurs étapes.
Les agents hiérarchiques sont l'un des moyens les plus complexes de déployer des agents d'intelligence artificielle, puisqu'ils sont constitués de plusieurs agents d'intelligence artificielle plus petits.
En une phrase : Une structure hiérarchique d'agents est un processus structuré de prise de décision à différents niveaux d' un système.
Robots de fabrication
Dans les systèmes de fabrication avancés, des agents hiérarchiques orchestrent la chaîne de production.
Les agents de haut niveau planifient et répartissent les tâches dans le système, tandis que les agents de niveau inférieur contrôlent des machines spécifiques telles que les bras robotiques pour les tâches d'assemblage.
Chacun peut communiquer avec l'autre pour assurer un flux de production régulier - c'est la prise de décision à plusieurs niveaux qui est à l'œuvre.
Systèmes de contrôle du trafic aérien
Ces systèmes utilisent des agents hiérarchiques pour gérer le flux sûr et efficace du trafic aérien. Comme il s'agit d'une tâche complexe couvrant de multiples fonctions, un système d'agents hiérarchiques est nécessaire pour une exécution correcte.
Les agents de niveau supérieur s'occupent de la gestion du trafic régional au sens large, tandis que les agents de niveau inférieur se concentrent sur des tâches spécifiques telles que les décollages, les atterrissages et le roulage dans les différents aéroports.
Robots d'entrepôt autonomes
Des agents hiérarchiques gèrent les stocks et la manutention des colis dans les entrepôts grâce à l'apprentissage automatique.
Les agents de haut niveau optimisent l'agencement de l'entrepôt et la distribution des stocks, tandis que les agents de niveau inférieur utilisent des chariots élévateurs et des trieurs robotisés individuels pour exécuter les tâches physiques de déplacement et d'organisation des marchandises.
6. Agents robotiques
C'est exactement ce à quoi nous aimons penser lorsque nous imaginons un agent intelligent : l'agent robotique.
Avec un élément de performance supplémentaire, les agents robotiques sont les enfants-vedettes d'affiche des agents d'intelligence artificielle. Ces agents intelligents opèrent dans un environnement physique, au lieu d'exister simplement en tant qu'agents logiciels.
Ces agents d'intelligence artificielle physiques sont généralement équipés de capteurs tels que des caméras ou des capteurs tactiles. Ce type d'agent d'intelligence artificielle est particulièrement utile pour les tâches dangereuses ou très répétitives - il peut être plus efficace et plus rentable de confier ces tâches à un agent d'intelligence artificielle.
Ce type d'agent d'intelligence artificielle est combiné à d'autres types d'intelligence artificielle, de sorte qu'il peut physiquement exécuter des tâches utilitaires ou des tâches d'objectif, parfois dans le cadre de systèmes multi-agents ou de systèmes hiérarchiques.
Robots de ligne d'assemblage
Il y a beaucoup de robots sur les chaînes de montage. Ces agents d'intelligence artificielle effectuent des tâches telles que le soudage, la peinture et l'assemblage de pièces, le tout avec une grande précision et une grande rapidité.
En tant qu'agents intelligents, ils peuvent optimiser le temps de production tout en maintenant une norme de performance fixe.
Robots chirurgicaux
Les opérations chirurgicales sont à la fois délicates et précises, ce qui les rend idéales pour les agents d'intelligence artificielle.
Les agents robotiques tels que le système chirurgical da Vinci assistent les chirurgiens lorsqu'ils effectuent des procédures précises et peu invasives. Ces agents d'intelligence artificielle n'effectuent pas les opérations chirurgicales de manière autonome, mais ils étendent les capacités du chirurgien.
Robots agricoles
Les robots sont couramment utilisés dans le cycle agricole, de la plantation des graines à la récolte des cultures, en passant par la surveillance des conditions de terrain.
Ces agents d'intelligence artificielle contribuent à accroître la productivité, car il peut être plus facile pour une machine de planter 10 000 graines de carottes que pour un humain de le faire.
Robots de service
Le robot de service le plus célèbre de tous - c'est vrai, c'est WALL-E. Les robots des restaurants qui apportent les commandes interminables de sushis à volonté directement à votre table arrivent loin derrière.
Les robots de service sont omniprésents : aspirateurs robotisés, fourniture d'informations aux clients dans les hôtels, livraison de marchandises aux clients dans toutes sortes d'établissements.
7. Assistants virtuels
Les assistants virtuels sont alimentés par le traitement du langage naturel et l'intelligence artificielle - et ils sont peut-être les exemples d'agents d'IA les plus familiers au grand public.
Ces assistants personnels intelligents comprennent et traitent le langage humain (grâce au traitement du langage naturel) pour effectuer des tâches telles que l'établissement de rappels et la gestion des courriels.
Ce type d'agent d'IA comprend également un élément d'apprentissage : il peut apprendre des interactions de l'utilisateur, il devient plus personnalisé et plus efficace au fil du temps.
Siri
Siri, l'un des premiers assistants virtuels grand public, est intégré dans la plupart des appareils Apple, notamment les iPhones, les iPads, les Macs et l'Apple Watch.
Siri vous aide à effectuer toute une série de tâches, comme passer des appels, envoyer des SMS, programmer des rappels, donner des indications et répondre à des questions de culture générale.
Alexa
Disponible sur les appareils Amazon Echo et d'autres produits compatibles avec Alexa, cet assistant virtuel joue de la musique, contrôle les appareils domestiques intelligents, établit des listes de courses et fournit des mises à jour sur l'actualité. Et a gâché le nom "Alexa" pour les humains.
Assistant Google
Vous connaissez ce programme d'agent grâce aux téléphones Android et aux appareils Google Home. L'assistant Google excelle dans la recherche d'informations sur le web, la programmation d'événements, la gestion de produits domestiques intelligents et la traduction en temps réel.
Son intégration poussée avec les services de Google le rend particulièrement performant pour les tâches impliquant des cartes, YouTube et des fonctionnalités de recherche.
8. Systèmes multi-agents
La beauté des systèmes multi-agents réside dans leur diversité et la richesse de leurs interactions.
Les agents au sein de ces systèmes sont souvent incroyablement variés, allant d'un simple agent logiciel qui filtre les données à des entités complexes qui gèrent des fonctions critiques dans les réseaux intelligents ou les réseaux de transport.
Chaque agent fonctionne de manière semi-autonome mais est conçu pour interagir avec d'autres agents, formant ainsi un écosystème dynamique où le comportement collectif émerge des actions individuelles. Pour ce type de programme d'agents, la collaboration est essentielle.
Systèmes de gestion du trafic
On trouve ces agents intelligents dans la gestion du trafic, où plusieurs agents représentent différents feux de circulation, caméras de surveillance et systèmes d'information.
Ces agents d'intelligence artificielle collaborent pour optimiser le flux de circulation, réduire les embouteillages et réagir en temps réel à des conditions telles que les accidents ou les travaux routiers. Chaque agent traite les données de sa localité et communique avec les autres pour ajuster les feux de circulation en conséquence - le travail d'équipe est donc une nécessité.
Réseaux intelligents pour la gestion de l'énergie
Les réseaux intelligents impliquent également de nombreux agents d'intelligence artificielle, chacun contrôlant différents aspects de la distribution d'électricité, depuis les centrales de production jusqu'aux compteurs intelligents individuels dans les foyers.
Ces agents d'intelligence artificielle travaillent ensemble pour équilibrer efficacement l'offre et la demande d'énergie, intégrer les sources d'énergie renouvelables et maintenir la stabilité du réseau.
La coordination d'un système multi-agents garantit une distribution optimale de l'énergie et une efficacité des coûts sur l'ensemble du réseau.
Chaîne d'approvisionnement et logistique
Dans la gestion de la chaîne d'approvisionnement, les agents représentent différentes parties prenantes telles que les fournisseurs, les fabricants, les distributeurs et les détaillants. Ces agents se coordonnent pour optimiser le processus de la chaîne d'approvisionnement, de l'achat à la livraison, en garantissant l'efficacité et en réduisant les coûts.
Robotique autonome en essaim
Parfois, lors de missions d'exploration ou de sauvetage, des essaims de robots sont déployés.
Chaque agent robotique fonctionne de manière semi-indépendante, mais se coordonne avec les autres agents IA pour couvrir de plus grandes zones, partager des données sensorielles ou déplacer des objets en collaboration.
Ceci est particulièrement utile dans les environnements difficiles - comme les bâtiments effondrés ou les surfaces planétaires - où le travail d'équipe au sein d'un grand système d'IA peut permettre d'obtenir de bien meilleurs résultats que des agents d'IA individuels.
9. Agents réflexes simples
Un agent réflexe simple est l'avorton de la portée. Il a une intelligence très limitée et fonctionne selon une règle condition-action directe.
Ces agents basés sur des règles ne sont pas adaptés aux tâches complexes. Cependant, ils sont parfaitement compétents pour les tâches spécifiques pour lesquelles ils ont été conçus.
Les agents réflexes simples sont adaptés à des tâches simples dans un environnement prévisible. Les actions de ce type d'agent affectent le monde qui l'entoure, mais uniquement dans le cadre de tâches spécifiques.
Thermostats
Il est 18 heures en hiver ? Augmentez le chauffage. Il est midi en été ? Ce simple agent réflexe, à l'intelligence limitée, allumera la climatisation.
Portes automatiques
Bien que leur intelligence apparente soit faible, les portes automatiques sont souvent des exemples d'agents réflexes simples. Cet agent d'intelligence artificielle détecte la présence d'un être humain devant une porte et l'ouvre. Une belle simplicité.
Détecteurs de fumée
Cet agent d'intelligence artificielle opère depuis le plafond de votre cuisine. Oui, c'est aussi un simple agent réflexe. Il détecte la fumée et déclenche une alarme.
Filtres anti-spam de base
Certains agents de l'intelligence artificielle nous aident quotidiennement depuis des années. Le filtre anti-spam est l'un d'entre eux. Les versions de base n'utilisent pas le traitement du langage naturel, mais plutôt des mots-clés ou la réputation de l'expéditeur.
Créez votre propre agent d'intelligence artificielle
Il existe de nombreux types d'agents d'intelligence artificielle, dont certains sont beaucoup plus difficiles à construire que d'autres.
Mais si vous cherchez à construire un chatbot agentique - qui peut prendre des mesures dans vos systèmes quotidiens, comme l'envoi de courriels et la prise de rendez-vous - nous pouvons vous aider.
Notre plateforme est dotée d'une interface simple de type "glisser-déposer" pour les débutants, et d'une extensibilité infinie pour les développeurs professionnels.
Nous hébergeons même une communauté active de plus de 20 000 constructeurs de robots, si vous souhaitez bénéficier d'un soutien tout au long du processus.
Commencez à construire dès aujourd'hui. C'est gratuit.
FAQ
Les agents de l'IA sont-ils sensibles ?
Non, les agents d'intelligence artificielle ne sont pas sensibles. Ils suivent des programmes logiciels qui leur indiquent leurs objectifs, bien qu'ils puissent agir de manière autonome afin d'obtenir des résultats.
Quel est le processus de décision et d'action des agents d'intelligence artificielle ?
Les différents types d'agents d'IA observent leur environnement et agissent différemment. Certains utilisent des données de modélisation, d'autres des capteurs. Ils ont des objectifs différents basés sur leur raisonnement programmé.
Qu'est-ce qu'un agent basé sur un modèle ?
Un agent basé sur un modèle est une autre façon de désigner un agent réflexe basé sur un modèle, un type d'agent d'intelligence artificielle qui combine les données passées et les données actuelles pour déterminer le meilleur plan d'action.
.svg)
.webp)
