L'automatisation traditionnelle suit des instructions fixes et un simple chatbot répond au message qui lui est soumis. Un agent orienté objectif fonctionne différemment. Il part d'un résultat souhaité et planifie les actions nécessaires pour l'atteindre. Il évalue ensuite les nouvelles informations au fur et à mesure que la tâche évolue. Cet article explique le concept, l'architecture sous-jacente et les principaux cas d'usage. Il compare également les agents orientés objectif avec d'autres types d'agents IA et présente Kimi Agent comme un moyen concret d'expérimenter l'exécution de tâches orientée objectif.
Qu'est-ce qu'un agent orienté objectif ?
Un agent orienté objectif est un système d'IA qui prend des décisions et agit autour d'un objectif défini. Il évalue l'état actuel, envisage les étapes suivantes possibles et sélectionne les actions qui rapprochent le système du résultat souhaité. L'agent peut utiliser des outils, suivre la progression et réviser son plan lorsque de nouvelles informations modifient la situation.
Par exemple, un agent de support client peut répondre à une question. Un agent orienté objectif peut œuvrer à la résolution complète du problème du client. Il peut consulter l'historique du compte et interroger une base de connaissances approuvée. Il peut ensuite diagnostiquer le problème, préparer une solution, ou escalader le dossier lorsque les éléments sont insuffisants.
Comment fonctionne un agent orienté objectif ?
Un agent orienté objectif suit généralement une boucle répétitive. Il commence par définir le résultat souhaité et observer l'environnement actuel. Il crée ensuite un plan, sélectionne une action et évalue le résultat. Si le résultat ne fait pas progresser la tâche, l'agent peut replanifier ou demander de l'aide.
Définition de l'objectif
Le processus commence par une définition précise du succès. L'objectif peut contenir plusieurs conditions liées, mais chacune doit être vérifiable. Il peut aussi inclure des contraintes telles que des délais, des sources de données approuvées, des limites de dépenses, des approbations requises et des actions interdites. Un modèle de langage peut transformer une demande vague en sous-objectifs précis, mais les critères de succès finaux doivent rester visibles pour le responsable du flux de travail.
Perception de l'environnement et de l'état
L'agent rassemble des informations sur l'état actuel à partir des demandes des utilisateurs, de systèmes externes, de fichiers, de bases de données, de réponses d'API ou d'événements système. Dans un environnement robotique, des capteurs fournissent des informations sur les objets à proximité et les conditions changeantes. L'état doit également enregistrer les tâches accomplies, les approbations en attente et les hypothèses erronées. Des valeurs d'erreur et de statut claires aident l'agent à décider s'il faut continuer, réessayer ou escalader.
Planification et décomposition des tâches
Le module de planification transforme l'objectif en un parcours actionnable. Il divise un objectif large en tâches plus petites et identifie les dépendances entre elles. Pour l'intégration d'un employé, le plan peut commencer par la collecte et la vérification de documents avant de préparer les demandes de compte et d'attendre une approbation basée sur le rôle. Un processus stable peut utiliser un plan fixe, tandis qu'un flux de travail évolutif nécessite des points de décision pour une replanification progressive.
Sélection et exécution des actions
Après avoir créé un plan, l'agent sélectionne la prochaine action approuvée. Il peut interroger un système, rechercher un document, mettre à jour un enregistrement ou demander à une personne des informations manquantes. Chaque action doit avoir une entrée définie et un résultat attendu. L'agent doit vérifier le résultat avant de marquer l'étape comme terminée, et les actions à fort impact doivent être suspendues en attendant une approbation humaine.
Rétroaction et replanification
L'exécution n'est pas un processus à sens unique. L'agent compare le dernier résultat avec l'objectif et vérifie si le plan reste pertinent. De nouveaux éléments peuvent confirmer la voie actuelle, révéler un obstacle ou créer une alternative plus sûre.
La boucle peut être représentée ainsi :
L'objectif peut rester stable tandis que le chemin change. Un robot d'entrepôt peut choisir un autre trajet après avoir détecté un obstacle. Un agent de recherche peut consulter une autre source lorsque la première ne répond pas à la question. Des budgets d'exécution, comme des limites sur le nombre de tours, d'appels d'outils, de tentatives ou de temps, empêchent un fonctionnement indéfini et facilitent la mesure de la performance.
Composants clés d'une architecture d'agent orienté objectif
Une architecture d'agent orienté objectif relie les objectifs à l'état, à la planification, aux outils et à la supervision. L'implémentation exacte varie, mais chaque composant doit avoir une responsabilité claire.
Objectif et critères de réussite
La couche objectif définit l'état visé. Elle précise ce que l'agent doit accomplir et ce qui constitue une réalisation complète. Elle peut aussi identifier les conditions d'échec et les contraintes qui s'appliquent tout au long de l'exécution.
Par exemple, un flux de traitement de documents peut exiger que chaque champ obligatoire soit vérifié avant la soumission du dossier. Un dossier incomplet n'est pas une réussite partielle si le flux exige une vérification complète. Des critères explicites aident l'agent à s'arrêter au bon moment.
Modèle du monde et base de connaissances
Un modèle du monde donne à l'agent une représentation opérationnelle de son environnement. Il peut inclure l'état actuel du système, les ressources disponibles, les relations connues et les conséquences probables des actions. Une base de connaissances fournit des informations complémentaires lorsque l'agent doit prendre une décision.
Le modèle du monde est utile car l'agent ne peut pas planifier à partir du seul objectif. Il doit comprendre où en est actuellement le flux de travail. Il doit aussi distinguer le contexte temporaire de la tâche des connaissances plus durables. La récupération d'informations doit fournir des éléments pertinents sans injecter l'ensemble d'une collection de données dans le contexte actif.
Un registre d'état bien géré peut indiquer les étapes accomplies, les dépendances en attente, les tentatives échouées et le statut d'approbation. Les règles d'accès et la provenance des données doivent encadrer tout élément conservé pour une utilisation ultérieure.
Module de planification
Le module de planification élabore et met à jour la trajectoire vers l'objectif. Il peut générer une séquence d'actions, répartir le travail entre des spécialistes ou choisir dynamiquement l'étape suivante.
Une bonne planification tient compte des dépendances et de l'incertitude. Elle ne suppose pas que chaque outil renverra le résultat attendu. Elle peut inclure des chemins de repli, des étapes de validation et des conditions d'escalade. Un plan doit rester provisoire lorsque de nouveaux éléments peuvent modifier la meilleure action suivante.
Couche outils et actions
Les outils permettent à l'agent d'interagir avec des systèmes au-delà du modèle. Les exemples courants incluent la recherche, les requêtes de base de données, le traitement de fichiers, les actions dans un navigateur, les API métier et les mises à jour d'enregistrements.
Chaque outil a besoin d'un contrat clair. Ce contrat doit définir les entrées valides, les sorties attendues, les autorisations, les erreurs et les effets secondaires. Les actions de lecture et d'écriture doivent être séparées lorsque c'est possible. Les opérations sensibles doivent faire l'objet de règles de validation et d'approbation plus strictes.
Exécution, évaluation et garde-fous
La couche d'exécution effectue l'action choisie. La couche d'évaluation vérifie le résultat par rapport au plan et aux critères de réussite. Les garde-fous définissent ce que l'agent peut faire et à quel moment il doit s'arrêter.
Les flux de travail en production doivent enregistrer les décisions, les appels d'outils, les observations et les changements d'état. Cet enregistrement facilite le débogage et la relecture humaine. Les points de validation sont particulièrement importants avant les actions irréversibles, les communications externes, les changements financiers ou les mises à jour en production.
Agent basé sur des objectifs par rapport aux autres types d'agents IA
Les agents basés sur des objectifs constituent une catégorie parmi un ensemble plus large de conceptions d'agents IA. Les catégories peuvent se chevaucher, mais elles mettent en évidence différentes façons de prendre des décisions.
| Type d'agent | Mode de décision | Capacité de planification | Usage idéal |
|---|---|---|---|
| Agent réflexe simple | Répond à l'entrée actuelle | Peu ou aucune | Règles fixes et réactions immédiates |
| Agent réflexe basé sur un modèle | Utilise un modèle d'état interne | Limitée | Environnements nécessitant une mémoire basique |
| Agent orienté objectif | Sélectionne les actions qui rapprochent d'un objectif défini | Oui | Objectifs clairs avec des chemins variables |
| Agent basé sur l'utilité | Choisit le résultat le plus avantageux | Analyse avancée des compromis | Objectifs multiples et concurrents |
| Agent apprenant | S'améliore grâce à l'expérience ou aux retours | Peut évoluer avec le temps | Tâches qui bénéficient d'une adaptation |
Un agent réactif répond à ce qu'il perçoit dans l'instant. Un agent basé sur des objectifs prend en compte l'effet d'une action sur un état futur. Cette anticipation rend les systèmes basés sur des objectifs plus adaptés lorsque l'objectif est stable mais que le chemin ne l'est pas.
Un agent basé sur l'utilité résout un problème de décision différent. Il compare les résultats possibles et leur attribue une valeur. Par exemple, un système de service client peut arbitrer entre la rapidité de résolution, le coût des remboursements et la satisfaction client au moment de choisir une réponse. Un agent basé sur des objectifs se concentre généralement sur l'atteinte ou non de la condition visée. Un système basé sur des objectifs peut néanmoins intégrer des composants d'apprentissage ou basés sur l'utilité lorsque le flux de travail l'exige.
Agent basé sur des objectifs par rapport à un agent basé sur des tâches
Les agents basés sur des tâches et les agents basés sur des objectifs peuvent tous deux automatiser un travail utile. La différence tient au niveau auquel le système reçoit des instructions et mesure la réussite.
| Dimension | Agent basé sur les tâches | Agent orienté objectif |
|---|---|---|
| Point de départ | Une instruction précise | Un résultat souhaité |
| Portée | Une tâche définie | Un workflow connecté |
| Action suivante | Généralement spécifiée par l'utilisateur ou le workflow | Sélectionnée par l'agent |
| Mesure du succès | Achèvement de la tâche | Atteinte de l'objectif |
| Adaptation | Souvent limitée | Peut replanifier lorsque les conditions changent |
| Intervention humaine | Peut être nécessaire à chaque étape | Généralement nécessaire aux points de rupture ou en cas d'exception |
Les agents basés sur des tâches sont utiles lorsque l'action est déjà connue. Les agents basés sur des objectifs sont utiles lorsque le résultat est clair mais que le chemin peut varier. Un système basé sur des tâches peut extraire un champ d'un document. Un système basé sur des objectifs peut utiliser cette extraction comme une étape d'un processus plus large qui valide l'information et oriente les exceptions.
La distinction porte sur la responsabilité au sein du flux de travail, pas sur le nombre d'agents. Un seul agent peut poursuivre un objectif large. Plusieurs agents peuvent aussi exécuter des tâches distinctes sans partager de plan d'ensemble.
Cas d'usage des agents basés sur des objectifs
Les agents basés sur des objectifs conviennent aux environnements où la destination est claire mais où les conditions peuvent évoluer avant la fin de la tâche.
Robotique et automatisation d'entrepôt
Un robot d'entrepôt peut recevoir l'objectif de déplacer un colis vers une zone d'expédition. Il doit identifier le colis, planifier un itinéraire, éviter les obstacles et surveiller sa position. Si un autre robot bloque le chemin prévu, l'agent peut évaluer un itinéraire alternatif.
L'objectif reste le même. La séquence d'actions change selon l'environnement. Cela fait de la robotique un exemple clair de planification vers un état futur plutôt que de simple réaction à l'obstacle le plus proche.
Support client et résolution d'incidents
Un flux de support peut définir la réussite comme la résolution d'un problème client par une réponse exacte et validée. L'agent peut lire la conversation, récupérer les informations du compte, consulter une base de connaissances et déterminer si le problème nécessite une escalade.
Le système ne doit pas considérer la tâche réussie une fois la réponse rédigée. Il doit vérifier que la réponse traite bien le problème et qu'une action requise a été effectuée. Les modifications sensibles doivent rester soumises à une étape d'approbation humaine.
Intégration des employés
L'intégration des employés implique des tâches interdépendantes qui dépendent du rôle, du lieu, de la date de début et du statut d'approbation. Un agent basé sur des objectifs peut suivre le résultat global au lieu de traiter chaque demande comme une action isolée.
Il peut collecter des documents, vérifier des informations, préparer des demandes de compte et attendre l'approbation d'un responsable. Si un champ requis manque, l'agent peut suspendre le processus ou demander l'information manquante. Il ne doit pas contourner une règle d'autorisation pour faire avancer le plan.
Flux de recherche et de production de contenu
Un flux de recherche peut commencer avec l'objectif de produire un rapport structuré fondé sur des éléments fiables. L'agent peut diviser la question en sous-thèmes, interroger des sources approuvées, organiser les résultats et identifier les lacunes.
Si une source ne corrobore pas une affirmation, l'agent peut revoir le plan de recherche. Une étape de relecture peut vérifier si le rapport final répond bien à la question initiale. La relecture humaine reste importante lorsque le rapport éclaire une décision aux conséquences importantes.
Réponse aux incidents et opérations
Un agent de réponse aux incidents peut œuvrer à identifier la cause d'un problème de service. Il peut examiner les journaux, passer en revue les déploiements récents, vérifier les dépendances et comparer les éléments entre systèmes.
Le workflow peut évoluer à mesure que de nouveaux signaux apparaissent. Un agent peut recommander un rollback ou un changement de configuration, mais les actions ayant un impact en production doivent nécessiter une autorisation. La boucle basée sur les objectifs aide à organiser l'investigation sans transformer une recommandation en exécution incontrôlée.
Avantages des agents orientés objectifs
Une meilleure gestion des tâches multi-étapes
Un agent orienté objectifs peut organiser des actions liées autour d'un résultat final. Vous n'avez pas besoin de fournir chaque étape à faible risque lorsque le workflow présente des limites claires.
Plus de flexibilité que l'automatisation basée sur des règles
Les règles fixes fonctionnent bien dans des conditions stables. Les systèmes orientés objectifs peuvent choisir une autre voie approuvée lorsqu'une entrée change ou qu'une action attendue échoue.
Des critères de réussite plus clairs
Un objectif défini rend l'évaluation plus pertinente. Le système peut vérifier si le résultat visé a été atteint, plutôt que de mesurer le succès à la longueur ou à la fluidité d'une réponse.
Une meilleure continuité du workflow
L'agent peut conserver l'état de la tâche et identifier ce qui reste à accomplir. Cela compte lorsqu'un workflow se met en pause en attendant une approbation ou une information provenant d'un autre système.
Une délégation humaine plus utile
Les personnes peuvent définir le résultat, les contraintes et les points d'approbation. L'agent peut ensuite gérer les décisions courantes dans ce cadre opérationnel, tandis que les humains s'occupent des exceptions et des choix à fort impact.
Comment concevoir un agent orienté objectifs fiable
Une conception fiable part du workflow plutôt que du modèle. Utilisez l'architecture la plus simple capable d'accomplir la tâche en toute sécurité.
Définir un objectif mesurable unique : rédigez une condition d'achèvement qu'un évaluateur peut vérifier.
Définir les conditions de réussite et d'échec : précisez quand l'agent doit continuer, s'arrêter ou escalader.
Découper l'objectif en sous-tâches : donnez à chaque sous-tâche un résultat et une dépendance clairs.
Limiter l'accès aux outils : ne fournissez que les outils nécessaires au rôle en cours.
Séparer les permissions de lecture et d'écriture : traitez différemment la récupération d'informations et les actions modifiant l'état.
Ajouter des points d'approbation : exigez une confirmation avant les opérations sensibles ou irréversibles.
Journaliser l'exécution : enregistrez les plans, les appels d'outils, les résultats et les changements d'état.
Définir des limites d'exécution : utilisez des bornes de temps, de tours, de tentatives et de coût.
Tester le workflow complet : évaluez les résultats, pas seulement les réponses individuelles du modèle.
Étendre progressivement : commencez avec un seul agent et n'ajoutez de la coordination qu'une fois un besoin mesuré établi.
La règle pratique est simple : utilisez l'architecture la moins complexe capable d'accomplir le workflow de façon fiable. Une plus grande autonomie n'est utile que si elle résout un problème opérationnel précis.
Découvrez Kimi Agent : un agent orienté objectifs disponible dès aujourd'hui
La boucle de planification décrite dans ce guide n'est pas qu'une théorie. C'est ainsi que Kimi Agent exécute des tâches réelles. Vous décrivez le résultat en une phrase, et Kimi le décompose en sous-tâches puis exécute chaque étape avec des outils intégrés. Il évalue ensuite le résultat avant de livrer le rendu final. Aucune couche d'orchestration à construire, aucun code de workflow à maintenir.
Énoncez l'objectif, obtenez un livrable
Kimi Agent fonctionne comme doit fonctionner un agent orienté objectifs : donnez-lui une cible, pas une procédure. Il planifie lui-même le trajet et produit un travail directement exploitable.
Un rapport de recherche avec sources citées, via Kimi Deep Research
Un site web multi-pages fonctionnel construit à partir d'un bref résumé
Une présentation PPT, un document ou une feuille de calcul prêts à être modifiés
Vous pouvez téléverser jusqu'à 50 fichiers à la fois comme documents source, de sorte que les PDF, diapositives et images existants font tous partie du contexte de la tâche.
Les tâches longues vont jusqu'au bout seules
Un agent orienté objectifs fait ses preuves sur des tâches qui demandent plus d'une étape. Kimi Deep Research s'exécute généralement pendant 10 à 25 minutes par tâche et continue en arrière-plan, ce qui vous permet de quitter la page et de revenir à un rapport terminé. L'agent suit sa propre progression au lieu d'attendre que vous relanciez chaque étape.
Passer d'un objectif unique à des centaines de tâches parallèles
Lorsqu'un seul agent ne suffit pas à l'ampleur de la tâche, Kimi Agent Swarm répartit l'objectif entre plus de 100 sous-agents et prend en charge jusqu'à 1 500 appels d'outils en parallèle. Il est conçu pour la recherche à grande échelle, la rédaction longue et le traitement par lots — la même boucle orientée objectifs, démultipliée.
Vous gardez la main sur les limites
La conception orientée objectifs laisse aux personnes le contrôle des résultats, et Kimi fonctionne de la même manière. Vous définissez l'objectif et les contraintes, puis vous examinez le plan et le livrable. Les faits importants et les décisions à fort impact restent soumis à un contrôle humain. L'autonomie gère le trajet ; le jugement reste entre vos mains.
Limites et défis
Les agents orientés objectifs offrent plus de flexibilité que l'automatisation figée, mais ils introduisent aussi de nouveaux modes de défaillance. Un objectif vague peut orienter l'agent vers un résultat erroné, tandis qu'un espace de décision important peut rendre la planification coûteuse. Les plans peuvent également devenir obsolètes à mesure que l'environnement évolue. Des priorités concurrentes peuvent nécessiter un raisonnement basé sur l'utilité ou un jugement humain plutôt qu'un simple test d'achèvement. Les défaillances d'outils et les données obsolètes créent des risques supplémentaires, en particulier lorsque l'agent peut modifier des systèmes externes. Des déploiements fiables nécessitent donc des résultats d'outils validés, une replanification contrôlée, des permissions limitées, des journaux visibles et une validation humaine pour les actions à fort impact.
Conclusion
Un agent orienté objectif travaille en direction d'un résultat défini au lieu de simplement réagir à la dernière entrée reçue. Il utilise une boucle qui relie la planification à l'action, puis évalue le résultat observé avant de choisir la suite. Cette approche convient aux flux de travail où la destination est claire mais le chemin peut changer. Commencez par des critères de réussite explicites et des permissions limitées. N'ajoutez de la complexité que lorsque le flux de travail l'exige. Kimi Agent offre un moyen pratique d'explorer l'exécution de tâches orientées objectifs sans avoir à construire une architecture d'agent à partir de zéro.