Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

ReAct (raisonner et agir)

ReAct (reasoning and acting, raisonner et agir) est un schéma de prompting dans lequel un modèle de langage alterne entre l'écriture d'une étape de raisonnement, une action comme une recherche ou un appel d'outil, et la lecture du résultat avant l'étape suivante.

Aussi appelé : ReAct pattern

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

ReAct a été présenté dans un article de 2022 de Yao et ses collègues. Son idée est simple : laisser le modèle réfléchir à voix haute et agir dans la même transcription, pour que chaque réflexion puisse s'appuyer sur ce que la dernière action a renvoyé. C'est devenu le modèle de la plupart des agents utilisant des outils qui ont suivi.

Comment ça marche

Le prompt demande au modèle de produire des tours sous une forme fixe. Une ligne Thought indique ce qu'il doit découvrir. Une ligne Action nomme un outil et son entrée, par exemple une requête de recherche. Le programme exécute l'outil et ajoute une Observation avec le résultat. Le modèle écrit alors le Thought suivant, et le cycle se répète jusqu'à ce qu'il donne une réponse finale. Aujourd'hui, cela passe généralement par le function calling natif plutôt que par l'analyse de texte, mais la forme reste la même boucle d'agent.

ReAct ou chain of thought

Avec le chain of thought, le modèle raisonne étape par étape en n'utilisant que ce qu'il sait déjà. ReAct ajoute des actions, si bien que le modèle peut aller chercher les faits qui lui manquent et corriger sa trajectoire quand un résultat le surprend. Il est donc moins enclin à inventer des faits sur les questions qui demandent des informations extérieures.

Limites

Chaque étape est un appel au modèle, si bien que les longues tâches deviennent lentes et coûteuses, et une mauvaise réflexion initiale peut faire tourner la boucle en rond. Des frameworks d'agents comme LangGraph ajoutent des limites d'étapes et une gestion d'état autour du schéma de base. Le nom n'a rien à voir avec React, la bibliothèque JavaScript.

Termes liés

Boucle d'agent
Une boucle d'agent (agent loop) est le cycle répété au cœur d'un agent IA : le modèle demande un appel d'outil, l'application l'exécute et renvoie le résultat, puis le modèle décide de la suite.
Chain-of-thought
Le chain-of-thought (CoT, chaîne de pensée) est une méthode de prompting dans laquelle un modèle de langage écrit des étapes de raisonnement intermédiaires avant sa réponse finale, ce qui tend à améliorer les résultats en mathématiques, en logique et sur d'autres problèmes en plusieurs étapes.
Appel d'outils
L'appel d'outils (tool calling), aussi appelé appel de fonctions (function calling), est une fonction des API de modèles dans laquelle vous décrivez des fonctions avec un schéma, le modèle répond par une demande structurée d'appel de l'une d'elles, et votre code l'exécute et renvoie le résultat.
Agent IA
Un agent IA est un système dans lequel un modèle de langage décide lui-même de ses prochaines étapes : il appelle des outils, lit les résultats et recommence jusqu'à ce que la tâche soit terminée, au lieu de suivre un script fixe.
Modèle de raisonnement
Un modèle de raisonnement (reasoning model) est un modèle de langage entraîné à résoudre un problème au fil d'un flux de tokens de réflexion intermédiaires avant de donner sa réponse finale, ce qui aide généralement en mathématiques, en code et sur les tâches à plusieurs étapes.

Sources