ReAct (Reasoning and Acting)

ReAct, pour Reasoning and Acting, est une architecture cognitive itérative formalisée par Yao et ses coauteurs en 2022, qui constitue l'un des fondements techniques de l'IA agentique. Plutôt que de produire une réponse en un seul jet, le modèle alterne des étapes de raisonnement, où il analyse le problème et planifie, des étapes d'action, où il mobilise un outil externe comme une recherche ou une requête, et des étapes d'observation, où il interprète le résultat obtenu avant de poursuivre. Cette boucle se répète jusqu'à l'accomplissement de l'objectif, en intégrant une capacité d'autocorrection lorsque l'observation révèle une erreur. L'intérêt de ReAct est de combiner la planification interne et l'interaction avec le monde extérieur, ce qui permet au modèle de fonder ses décisions sur des informations actualisées plutôt que sur sa seule mémoire d'entraînement, réduisant ainsi certaines hallucinations. Pour la compréhension du risque, ReAct illustre concrètement comment un grand modèle de langage devient un agent capable d'agir de manière autonome et donc d'engager des conséquences réelles. C'est cette autonomie d'enchaînement, sans point d'arrêt humain entre les étapes, qui caractérise le couplage serré des systèmes agentiques et qui les expose à une propagation rapide des erreurs.