Comparaison de l'IA traditionnelle aux agents logiciels et à l'IA agentique - AWS Directives prescriptives

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Comparaison de l'IA traditionnelle aux agents logiciels et à l'IA agentique

Le tableau suivant fournit une comparaison détaillée de l'IA traditionnelle, des agents logiciels et de l'IA agentique.

Caractéristiques IA traditionnelle Agents logiciels IA agentic

Exemples

Filtres anti-spam, classificateurs d'images, moteurs de recommandation

Chatbots, planificateurs de tâches, agents de surveillance

Assistants IA, agents de développement autonomes, orchestrations LLM multi-agents

Modèle d'exécution

Batch ou synchrone

Programmé ou piloté par un événement

Asynchrone, piloté par les événements et axé sur les objectifs

Autonomie

Limité ; nécessite souvent une orchestration humaine ou externe

Moyen ; fonctionne indépendamment dans des limites prédéfinies

Élevé ; agit de façon autonome grâce à des stratégies adaptatives

Réactivité

Réactif aux données d'entrée

Réactif à l'environnement et aux événements

Réactif et proactif ; anticipe et initie des actions

Proactivité

Rare

Présent dans certains systèmes

Attribut de base ; entraîne un comportement orienté vers un objectif

Communication

Minimum ; généralement autonome ou lié à l'API

Messagerie interagent ou agent-homme

Multi-agents et human-in-the-loop interactions riches

Prise de décisions

Inférence du modèle uniquement (classification, prédiction, etc.)

Raisonnement symbolique ou décisions basées sur des règles ou scénarisées

Raisonnement dynamique, contextuel et basé sur les objectifs (souvent amélioré par le LLM)

Intention déléguée

Non ; exécute des tâches définies directement par l'utilisateur

Partiel ; agit pour le compte d'utilisateurs ou de systèmes dont la portée est limitée

Oui ; agit avec des objectifs délégués, souvent entre les services, les utilisateurs ou les systèmes

Apprentissage et adaptation

Souvent centré sur le modèle (par exemple, formation en machine learning)

Parfois adaptatif

Apprentissage, mémoire ou raisonnement intégrés (par exemple, feedback, autocorrection)

Agence

Aucun ; outils pour humains

Implicite ou basique

Explicite ; fonctionne avec un but, des objectifs et une orientation autonome

Connaissance du contexte

Faible ; apatride ou basé sur des instantanés

Modéré ; un certain suivi de l'état

Élevé ; utilise la mémoire, le contexte situationnel et les modèles environnementaux

Rôle de l'infrastructure

Intégré dans des applications ou des pipelines d'analyse

Middleware ou composant de couche de service

Maillage d'agents composable intégré aux systèmes cloud, sans serveur ou de périphérie

Pour résumer :

  • L'IA traditionnelle est centrée sur les outils et limitée sur le plan fonctionnel. Il met l'accent sur la prédiction ou la classification.

  • Les agents logiciels traditionnels introduisent l'autonomie et une communication de base, mais ils sont souvent limités par des règles ou statiques.

  • L'IA agentic allie autonomie, asynchronie et capacité d'agir. Il permet à des entités intelligentes, axées sur des objectifs, de raisonner, d'agir et de s'adapter au sein de systèmes complexes. L'intelligence artificielle agentic est donc idéale pour le futur basé sur le cloud natif et piloté par l'IA.