La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
NVIDIA met en avant NOOA, une approche qui regroupe état, prompts et logique dans une seule classe Python. Le design promet un état plus lisible, des tests plus naturels et des frontières de capacité plus nettes, tout en reconnaissant que les frameworks en graphe restent utiles pour l'orchestration complexe. Des benchmarks sont évoqués avec prudence et la question posée est celle du juste niveau de framework.
Les frameworks en graphe restent requis pour l'orchestration complexe
La proposition ne vise pas à remplacer systématiquement les frameworks en graphe pour l'orchestration de tâches complexes. Les graphes de flux de travail explicites sont présentés comme préférables dans certains contextes. Des résultats de benchmarks sont mentionnés, mais avec des réserves. La question centrale devient alors celle du niveau de framework réellement nécessaire pour chaque agent.
NVIDIA formalise un agent en classe Python typée
NOOA, proposé par NVIDIA, consiste à représenter un agent IA sous la forme d'une unique classe Python. L'état de l'agent est défini par des champs typés, les prompts sont intégrés dans les docstrings, et le comportement contrôlé par le modèle est implémenté dans des méthodes spécifiques. Cette organisation regroupe capacités, permissions et logique déterministe, ce qui rend l'état plus lisible, facilite les tests et le débogage pour les parties déterministes, et aide à maintenir des frontières de capacité claires.
Objets ou graphes : choisir selon la complexité et le besoin
Les situations où un agent orienté objet est adapté sont distinguées de celles où un graphe de flux de travail explicite s'impose. Pour des besoins simples, il est suggéré que de nombreux agents pourraient fonctionner avec un objet doté d'une méthode connectée à un LLM, sans nécessiter une nouvelle couche d'abstraction. À l'inverse, même des agents initialement simples peuvent évoluer vers des systèmes dispersés de prompts, d'outils, d'état et d'orchestration, dans un contexte où la complexité des agents IA est soulignée.
