Fiche de Révision : Introduction aux Agents d'Intelligence Artificielle (IA)

1. Qu'est-ce qu'un Agent en Intelligence Artificielle ?

Un agent IA est un système informatique capable de percevoir son environnement via des capteurs, d'agir sur cet environnement via des effecteurs, et de prendre des décisions ou d'adopter des comportements visant à atteindre un objectif spécifique.

Définition :
Un agent d'intelligence artificielle est un programme autonome qui perçoit son environnement, délibère et agit pour atteindre des buts définis.

Points clés :

Autonomie : l'agent agit sans intervention humaine constante.
Perception : collecte des informations sur l'environnement (ex. caméra, capteurs, données).
Action : l'agent interagit avec l'environnement pour modifier son état (ex. déplacer un robot, envoyer un message).
Rationalité : l'agent choisit ses actions pour maximiser l'atteinte de ses objectifs.

2. Les Composantes principales d’un Agent IA

Un agent se compose généralement de plusieurs éléments essentiels, qui organisent son fonctionnement.

[Diagramme] Schéma basique illustrant comment un agent perçoit l’environnement, décide et agit.

Percepteur : capte l'information externe.
Module de décision : analyse les données reçues, décide de la meilleure action selon une fonction d'utilité ou un algorithme.
Effecteur : exécute l'action choisie sur l'environnement.

3. Classification des Agents d’IA

Les agents IA se classifient selon leur capacité à raisonner, apprendre, et leurs techniques utilisées.

Type d'Agent	Description	Exemple
Agents réactifs simples	Répondent à des stimuli immédiats, sans mémoire ni plan.	Robot aspirateur
Agents à état	Utilisent un historique simplifié d’états pour décision.	Jeu vidéo avec mémoire
Agents basés sur des objectifs	Choisissent actions pour atteindre un but précis.	Voiture autonome
Agents basés sur l’utilité	Maximisent une fonction d’utilité pour prendre les décisions.	Robot d’investigation
Agents apprenants	Améliorent leurs performances grâce à l’apprentissage.	Système de recommandation

4. Fonctionnement d’un Agent : Exemple concret

Prenons un agent de robot aspirateur autonome :

Perception : capteurs de proximité détectent obstacles, capteurs de poussière détectent saleté.
Décision : selon les informations et un plan heuristique, décide de changer de direction ou d’aspirer.
Action : active ses roues ou son aspirateur.
Environnement : une pièce avec des meubles, sol sale ou propre.

Cet agent est réactif avec mémoire d'état car il doit se souvenir des murs détectés et ajuster sa trajectoire.

5. Architecture d’un Agent

Plusieurs architectures existent pour organiser un agent IA selon le problème.

5.1 Architectures basées sur des règles

Agent réagit avec des règles condition-action simples ("Si condition alors action").
Facile à implémenter mais limités en complexité.

5.2 Architecture basées sur la logique

Utilise un moteur d’inférences et base de connaissances.
Plus flexible et capable d’expliciter ses raisons.

5.3 Architecture d’agents basés sur le modèle/simulation

L’agent maintient un modèle interne du monde (représentation d’état).
Permet planification et prise de décisions anticipées.

5.4 Architecture d’agents apprenants

Intègre un module d’apprentissage (ex: apprentissage supervisé, renforcement).
Permet au système de s’améliorer après expérimentation.

[Diagramme]

Ceci montre que l'agent peut être construit sur différentes architectures adaptées selon le domaine.

6. Agents et Environnement : Types d'environnements

Les agents évoluent dans des environnements qui influent fortement sur leur conception.

Type d'environnement	Caractéristiques	Exemples
Entièrement observable	L’agent a accès à toutes les informations nécessaires	Jeux d’échecs
Partiellement observable	L’agent ne voit qu’une partie de l’environnement	Robot explorateur
Déterministe	L’état suivant dépend uniquement de l’état actuel et des actions	Calculatrice
Stochastique	Résultat des actions incertain, avec éléments aléatoires	Conduite autonome en ville
Statique	L’environnement ne change que par les actions de l’agent	Papier à dessin numérique
Dynamique	L’environnement peut changer indépendamment de l’agent	Marché boursier
Episodique	Décisions indépendantes entre elles	Diagnostic médical
Séquentiel	Décisions influencent les suivantes	Robot qui explore une pièce
Unique	Une seule instance du problème	Planification d'un voyage
Multi-agent	Plusieurs agents interagissent simultanément	Jeux multi-joueurs, trafic

Les agents doivent donc être conçus spécifiquement pour le type d’environnement.

7. Concepts avancés : Rationalité et Agent rationnel

Un agent est dit rationnel s’il agit pour maximiser l’accomplissement de ses objectifs en fonction des informations disponibles.

Définition :
Un agent rationnel choisit l’action qui maximise sa performance attendue, basée sur ses perceptions et ses connaissances.

La rationalité dépend donc de :

La perception de l’agent (information disponible)
La performance attendue (critère d’évaluation)
Les actions possibles à chaque instant.

8. Application et Exemples réels d’Agents IA

Assistants virtuels (ex : Siri, Alexa)
Agents conversationnels interprétant le langage naturel pour répondre.
Robots autonomes (ex : drones, voitures autonomes)
Agents qui modélisent l’environnement et prennent des décisions en temps réel.
Systèmes de recommandation
Agents apprenants qui analysent le comportement utilisateur pour proposer des contenus.
Jeux vidéo d’intelligence artificielle
Agents contrôlant des personnages non-joueurs (PNJ) pour une interaction dynamique.

9. Synthèse : Ce qu’il faut retenir

Un agent IA est un système autonome capable de percevoir, décider et agir pour atteindre des objectifs.
Les agents ont des composantes clés : perception, prise de décision, action.
Ils se classifient selon leur complexité, type de raisonnement et capacités d’apprentissage.
Leur conception est adaptée à l’environnement où ils évoluent (observable, dynamique, etc.).
Le but principal est la rationalité, c’est-à-dire la maximisation de la performance attendue.

Résumé visuel de l’interaction agent-environnement