En résumé
La partie la plus difficile de la construction d’un système multi-agents n’est pas l’infrastructure — c’est la conception des agents. Un conseil où tous les agents raisonnent de manière similaire, avec des hypothèses initiales similaires et des tendances analytiques similaires, produit le même résultat qu’un seul agent disposant de plus de capacité de calcul. La diversité doit être réelle.
Le problème de conception.
Les grands modèles de langage incorporent de forts a priori par leur entraînement et leur alignement. Livrés à eux-mêmes, ils ont tendance à privilégier certains types de raisonnement : équilibré, prudent, optimiste. Cela convient à un usage généraliste, mais s’avère contre-productif pour les systèmes de délibération où l’on a besoin d’agents capables de représenter véritablement des positions extrêmes, des points de vue contraires et des cadres analytiques propres à un domaine.
Conception des personas.
Chacun des 16 agents de NeuroAgent est conçu avec un persona cognitif — une combinaison d’un domaine de spécialisation, d’un style analytique, d’un ensemble caractéristique de préoccupations et d’un biais délibéré dans la manière dont il pondère les preuves. Le Sentinelle du Risque est conçu pour être pessimiste quant aux hypothèses et optimiste quant aux modes de défaillance. Le Stratège est conçu pour accorder plus de poids au positionnement à long terme qu’aux résultats à court terme. Le Contrarian est explicitement conçu pour trouver l’objection la plus solide à toute orientation qui semble émerger.
Plus sur Product Deep Dive — chaque semaine.
Rejoignez plus de 2 400 dirigeants qui reçoivent le briefing sur l’intelligence décisionnelle.
Le rôle du désaccord.
De nombreux systèmes multi-agents sont conçus pour converger — pour trouver rapidement une position consensuelle. Le conseil de NeuroAgent est conçu pour préserver le désaccord aussi longtemps qu’il reste porteur d’information. Un consensus imposé fait perdre le signal contenu dans les points de vue dissidents. Notre couche de synthèse fonctionne sur le désaccord structuré, et non sur un consensus intermédiaire — ainsi, la recommandation finale contient des informations sur l’endroit où se situait le désaccord et sur ce qu’il signifie pour la mise en œuvre.
Configuration personnalisée de l’agent.
Les organisations peuvent modifier les personas des agents via le panneau Admin : ajuster les invites système, régler l’emphase, ou remplacer un persona d’agent générique par un persona calibré à leur contexte sectoriel spécifique ou à leur culture du risque. Le Risk Sentinel d’une entreprise de services financiers devrait raisonner différemment de celui d’une startup — et le système permet cet ajustement.
La bonne conception d’un agent ressemble davantage à la conception organisationnelle qu’au prompt engineering. Vous bâtissez une équipe avec des rôles, des responsabilités et des tensions productives — sauf qu’il s’agit d’une équipe de personas cognitifs IA.
Contexte de recherche
Le secteur a produit près de 90 % des modèles d’IA notables en 2024, contre 60 % en 2023, selon l’AI Index 2025 de Stanford.
Stanford Institute for Human-Centered AI: Rapport AI Index 2025 (2025)Cette statistique publiée de manière indépendante fournit un contexte pour le sujet ; elle ne corrobore pas chacune des affirmations de cet essai.
Plus sur Product Deep Dive, chaque semaine.
Un essai. Chaque semaine. Aucun bruit.