Comment construire un agent de décision en streaming avec replanification en ligne dans un environnement dynamique

Le tutoriel décrit l'architecture d'un agent de prise de décision en streaming qui évolue dans un environnement en changement permanent et diffuse des raisonnements partiels en temps réel, sans attendre une réponse finale avant d'agir.

Environnement et tâche

La démonstration repose sur une grille dynamique : les obstacles se déplacent selon leurs propres règles, et le point cible se décale aléatoirement à intervalle fixe. L'agent ne sait pas à l'avance ce qui changera à l'étape suivante, ce qui le distingue nettement des problèmes classiques de recherche de chemin.

Paramètres clés de l'environnement :

• Grille N×N avec obstacles mobiles
• L'objectif se déplace aléatoirement tous les K pas
• L'agent ne voit qu'un rayon limité autour de lui
• L'environnement n'est pas déterministe : le même plan peut échouer deux fois

Cette configuration est volontairement compliquée. Elle modélise des scénarios réels : la navigation d'un robot autonome dans un entrepôt, la planification de l'itinéraire d'une voiture autonome dans la circulation, le pilotage d'une chaîne de production en cas de pannes d'équipement.

Un planificateur à horizon glissant

L'agent repose sur l'algorithme A*, mais utilisé de façon non standard. Au lieu d'un itinéraire complet jusqu'à l'objectif, il emploie un horizon glissant : l'agent ne planifie que les H pas les plus proches, en exécute quelques-uns, puis replanifie depuis sa nouvelle position en tenant compte de l'état mis à jour de l'environnement.

Cela change fondamentalement la logique de fonctionnement. Dans un environnement dynamique, un plan complet devient obsolète plus vite que l'agent ne peut l'exécuter : l'obstacle a bougé, l'objectif s'est décalé, et l'itinéraire n'est plus valable. Un horizon court évite de s'accrocher à des données périmées.

« L'agent ne conserve pas un grand plan unique : il crée et jette sans

cesse de petits plans à mesure qu'il avance », résume l'esprit de l'approche à horizon glissant.

Le paramètre H (longueur de l'horizon) devient le principal levier de réglage. Trop court, l'agent avance de façon myope et reste bloqué dans des minima locaux ; trop long, il perd du temps à planifier des itinéraires qu'il devra de toute façon abandonner.

Streaming des raisonnements partiels

Un agent standard reste muet tant qu'il n'a pas trouvé la réponse finale. L'agent en streaming diffuse des états intermédiaires en temps réel : chaque étape significative du raisonnement est disponible immédiatement :

• Nouvel obstacle détecté → le signal est transmis immédiatement
• L'objectif a bougé → ancien plan abandonné, nouveau plan lancé
• Chemin intermédiaire trouvé → diffusé, même s'il n'est pas encore optimal
• Point de l'horizon atteint et replanification lancée → le statut est mis à jour

Cela apporte de l'observabilité : le système orchestrateur ou l'utilisateur connaît toujours l'intention actuelle de l'agent. Dans les systèmes de production, cela permet d'intervenir avant que l'agent ne se retrouve dans une impasse.

Autre effet : un système externe peut corriger le comportement à la volée. Si le plan diffusé part dans une direction indésirable, on peut envoyer immédiatement un signal d'interruption.

Techniquement, le streaming repose sur les générateurs Python : chaque `yield` diffuse une étape de raisonnement, ce qui est compatible avec les API de streaming des LLM modernes.

Adaptation réactive

Le troisième composant consiste à interrompre le plan en cours lorsque l'environnement change en pleine exécution d'une étape. L'agent n'attend pas le prochain cycle de replanification : un mécanisme d'interruptions vérifie l'état de l'environnement après chaque action et, si nécessaire, déclenche une replanification d'urgence.

Un niveau de criticité des changements a été introduit : un léger déplacement d'obstacle, on poursuit le plan en cours ; le blocage de l'étape la plus proche, replanification immédiate ; un changement complet de la position de l'objectif, redémarrage depuis un nouvel horizon. Cette réaction à plusieurs niveaux alourdit la charge de calcul, mais elle est indispensable là où le coût d'une erreur est élevé.

Ce que cela signifie

L'architecture décrite constitue un modèle pratique pour les développeurs d'agents IA travaillant dans une incertitude réelle. Le streaming du raisonnement, l'horizon de planification court et les interruptions réactives sont trois patterns qui forment ensemble une base prête à l'emploi pour la robotique, l'automatisation industrielle et les systèmes d'agents fondés sur des LLM.

Alors que les systèmes d'agents se répandent dans l'industrie, l'écart entre « penser dans le vide » et « agir dans le monde réel » devient un défi d'ingénierie majeur. Ce tutoriel offre un point d'entrée concret.