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

Ce tutoriel décrit l’architecture d’un agent de prise de décision en streaming qui fonctionne 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

Pour la démonstration, on utilise une grille dynamique : les obstacles s’y déplacent selon leurs propres règles, et le point cible se déplace aléatoirement à intervalle fixe.

L’agent ne sait pas à l’avance ce qui changera exactement à l’étape suivante — c’est la différence clé par rapport aux problèmes classiques de recherche de chemin.

Paramètres clés de l’environnement :

• Grille N×N avec obstacles mobiles
• La cible se déplace aléatoirement tous les K pas
• L’agent ne voit qu’un rayon d’observation limité autour de lui
• L’environnement n’est pas déterministe — un même plan peut échouer deux fois

Cette formulation du problème est volontairement plus difficile.

Elle modélise des scénarios réels : la navigation d’un robot autonome dans un entrepôt, la planification d’itinéraire d’une voiture autonome dans le trafic et le pilotage d’une ligne de production en cas de défaillance d’équipement.

Planificateur à horizon glissant

L’algorithme A* est au cœur de l’agent, mais il est utilisé de manière non standard.

Au lieu d’un itinéraire complet jusqu’à la cible, on utilise un horizon glissant : l’agent ne planifie que les H prochaines étapes, en exécute plusieurs, puis replanifie depuis sa nouvelle position en tenant compte de l’état actualisé 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 : un obstacle s’est déplacé, la cible a bougé — et l’itinéraire n’est déjà plus pertinent.

Un horizon court permet de ne pas s’accrocher à des données périmées.

« L’agent ne conserve pas un grand plan unique — il crée et jette en

permanence de petits plans au fil de sa progression », ce qui résume l’essence de l’approche à horizon glissant.

Le paramètre H (la longueur de l’horizon) devient un élément clé de réglage : trop court, l’agent avance de manière myope et se bloque dans des minima locaux ; trop long, il passe du temps à planifier des itinéraires qu’il faudra de toute façon jeter.

Streaming des raisonnements partiels

Un agent standard reste silencieux tant qu’il n’a pas trouvé de réponse finale.

Un agent en streaming diffuse des états intermédiaires en temps réel — chaque étape significative du raisonnement devient disponible immédiatement :

• Un nouvel obstacle est détecté → le signal est transmis immédiatement
• La cible s’est déplacée → l’ancien plan est abandonné, un nouveau commence
• Un chemin intermédiaire est trouvé → il est diffusé, même s’il n’est pas encore optimal
• Le point d’horizon est atteint et une replanification est lancée → le statut est mis à jour

Cela apporte de l’observabilité : le système orchestrateur ou l’utilisateur connaît toujours l’intention courante de l’agent.

Dans les systèmes de production, cela permet d’intervenir avant que l’agent ne s’engage dans une impasse.

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

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

Adaptation réactive

Le troisième composant est l’interruption du plan en cours lorsque l’environnement change pendant l’exécution même d’une étape.

L’agent n’attend pas le cycle de replanification suivant : le mécanisme d’interruption vérifie l’état de l’environnement après chaque action et, si nécessaire, lance une replanification d’urgence.

Une échelle de criticité des changements est introduite : léger déplacement d’un obstacle — poursuivre le plan actuel ; blocage de l’étape suivante — replanification immédiate ; changement complet de la position de la cible — redémarrage avec un nouvel horizon.

Cette réaction à plusieurs niveaux augmente la charge de calcul, mais elle est critique là où le coût de l’erreur est élevé.

Ce que cela signifie

L’architecture décrite est un modèle pratique pour les développeurs d’agents AI qui travaillent dans des conditions d’incertitude réelle.

Le streaming du raisonnement, l’horizon court de planification et les interruptions réactives sont trois patterns qui, ensemble, fournissent une base prête à l’emploi pour la robotique, l’automatisation industrielle et les systèmes d’agents fondés sur LLM.

À mesure que les systèmes d’agents se diffusent dans l’industrie, l’écart entre « pense dans le vide » et « agit dans le monde réel » devient un défi d’ingénierie majeur — ce tutoriel offre un point d’entrée concret.