Adaptation de l'IA Agentique
Adaptation of Agentic AI
December 18, 2025
papers.authors: Pengcheng Jiang, Jiacheng Lin, Zhiyi Shi, Zifeng Wang, Luxi He, Yichen Wu, Ming Zhong, Peiyang Song, Qizheng Zhang, Heng Wang, Xueqiang Xu, Hanwen Xu, Pengrui Han, Dylan Zhang, Jiashuo Sun, Chaoqi Yang, Kun Qian, Tian Wang, Changran Hu, Manling Li, Quanzheng Li, Hao Peng, Sheng Wang, Jingbo Shang, Chao Zhang, Jiaxuan You, Liyuan Liu, Pan Lu, Yu Zhang, Heng Ji, Yejin Choi, Dawn Song, Jimeng Sun, Jiawei Han
cs.AI
papers.abstract
Les systèmes d'IA agentiques de pointe sont construits sur des modèles de fondation qui peuvent être adaptés pour planifier, raisonner et interagir avec des outils externes afin d'exécuter des tâches de plus en plus complexes et spécialisées. À mesure que ces systèmes gagnent en capacité et en portée, l'adaptation devient un mécanisme central pour améliorer les performances, la fiabilité et la généralisation. Dans cet article, nous unifions le paysage de recherche en expansion rapide en un cadre systématique qui couvre à la fois les adaptations de l'agent et les adaptations des outils. Nous décomposons en outre ces adaptations en formes signalées par l'exécution des outils et signalées par la sortie de l'agent pour l'adaptation de l'agent, ainsi qu'en formes agnostiques à l'agent et supervisées par l'agent pour l'adaptation des outils. Nous démontrons que ce cadre permet de clarifier l'espace de conception des stratégies d'adaptation dans l'IA agentique, rend leurs compromis explicites et fournit des conseils pratiques pour sélectionner ou alterner entre les stratégies lors de la conception du système. Nous passons ensuite en revue les approches représentatives dans chaque catégorie, analysons leurs forces et leurs limites, et mettons en lumière les principaux défis ouverts et les opportunités futures. Globalement, cet article vise à offrir un fondement conceptuel et une feuille de route pratique aux chercheurs et aux praticiens cherchant à construire des systèmes d'IA agentiques plus performants, efficaces et fiables.
English
Cutting-edge agentic AI systems are built on foundation models that can be adapted to plan, reason, and interact with external tools to perform increasingly complex and specialized tasks. As these systems grow in capability and scope, adaptation becomes a central mechanism for improving performance, reliability, and generalization. In this paper, we unify the rapidly expanding research landscape into a systematic framework that spans both agent adaptations and tool adaptations. We further decompose these into tool-execution-signaled and agent-output-signaled forms of agent adaptation, as well as agent-agnostic and agent-supervised forms of tool adaptation. We demonstrate that this framework helps clarify the design space of adaptation strategies in agentic AI, makes their trade-offs explicit, and provides practical guidance for selecting or switching among strategies during system design. We then review the representative approaches in each category, analyze their strengths and limitations, and highlight key open challenges and future opportunities. Overall, this paper aims to offer a conceptual foundation and practical roadmap for researchers and practitioners seeking to build more capable, efficient, and reliable agentic AI systems.