Aller au contenu

ConceptBase de connaissances

Boucle agentique gouvernée

SFEIR AI Rédaction humaine et IA · Comment nous écrivons
Publié le

En bref

Architecture de référence d'AWS (12 novembre 2026) : un agent en cinq couches, dont une boucle Understand, Plan, Retrieve, Reason, Act and Observe.

Qu'est-ce que c'est

Le 12 novembre 2026, Rushabh Lokhande et Paul Tamburello publient sur l'AWS Architecture Blog une architecture d'agent d'entreprise « gouvernée et observable ». Elle empile cinq couches : une passerelle d'API qui porte l'identité et la politique d'accès (Amazon API Gateway, Cognito, IAM), le runtime de l'agent, une couche connaissance et état, les services de plateforme (modèles, outils), et une couche transverse de confiance et de contrôle.

Les auteurs ne revendiquent pas de théorie nouvelle. Leur boucle reprend le cycle percevoir, planifier, agir de la robotique, le pattern ReAct et l'étape d'autocritique de Reflexion. Ils nomment chaque phase pour pouvoir y attacher un contrôle.

Les cinq phases du runtime

  • Understand : l'agent identifie l'intention, le contexte (mémoire, profil, session) et ses contraintes (rôle IAM, budget de tokens, outils permis). Amazon Bedrock Guardrails filtre l'entrée avant le modèle, Claude ou Nova dans l'exemple d'AWS.
  • Plan : il découpe l'objectif en graphe orienté acyclique de sous-tâches, choisit les outils dans un registre et fixe des critères de succès.
  • Retrieve : il interroge la base de connaissances (RAG avec réécriture de requête, recherche vectorielle, reranking et filtrage selon les droits de l'utilisateur) et sa mémoire court terme, long terme et épisodique.
  • Reason : il choisit le modèle adapté à l'étape, décide de l'appel suivant et relit le résultat de chaque action.
  • Act and Observe : il appelle des API REST, un bac à sable de code, des connecteurs ou des outils MCP, et journalise chaque appel. Toute écriture, suppression ou envoi passe d'abord par une porte d'approbation, automatique, humaine ou les deux.

Principes, patterns et anti-patterns

Cinq principes viennent du Generative AI Lens du Well-Architected Framework : zero trust (l'identité de l'utilisateur suit chaque phase, voir Zero Trust), defense in depth, separation of concerns, observable by default (une trace par étape : latence, tokens, statut d'outil, chemin) et fail-safe defaults. La couche de confiance aligne quatre portes sur ce même Lens et sur le NIST AI RMF : guardrails, évaluations, score de confiance, approbation humaine.

Le billet recommande quatre patterns : l'autonomie graduée (l'agent démarre en lecture seule et gagne des droits d'écriture à mesure qu'il fait ses preuves), les défauts sûrs, un modèle par phase et des outils décrits par un schéma OpenAPI. Il écarte trois anti-patterns : l'agent monolithique, à découper en spécialistes sous un superviseur ; la boucle sans plafond, pour laquelle il cite un réglage courant de 3 à 5 itérations sous un budget de tokens ; et la confiance remise à plus tard.

Ce qui la distingue de ses voisins

La boucle décrit un agent unique. Le loop engineering et le loopcraft traitent de la conception et de l'empilement de plusieurs boucles. L'exemple de déploiement d'AWS repose sur Bedrock Agents, Knowledge Bases et DynamoDB ; AgentCore n'y apparaît qu'à travers deux clients, Druva et Cox Automotive.

Questions fréquentes

  • Faut-il AgentCore pour appliquer cette architecture ?

    Non. L'exemple de déploiement du billet repose sur Amazon API Gateway, Cognito, Bedrock Agents, Bedrock Knowledge Bases, OpenSearch Serverless et DynamoDB. AgentCore n'y figure que dans deux témoignages clients.

  • Pourquoi découper la boucle en cinq phases ?

    Pour attacher un contrôle à chaque étape : filtrage d'entrée en Understand, critères de succès en Plan, filtrage par droits en Retrieve, choix du modèle en Reason, porte d'approbation avant toute action destructrice en Act and Observe.

  • Combien d'itérations laisser à un agent ?

    AWS cite un réglage courant de 3 à 5 itérations sous un budget total de tokens. Au-delà, l'agent résume où il en est, puis escalade vers un humain ou demande à l'utilisateur comment continuer.

  • Qu'est-ce que l'autonomie graduée ?

    Un des patterns recommandés par le billet : l'agent commence en lecture seule et reçoit des droits d'écriture par paliers, réglés par utilisateur, équipe ou cas d'usage, via des feature flags ou une élévation de rôle IAM.

Sources

  1. AWS Architecture Blog — Inside an enterprise AI agent: A governed, observable loop architecture (Rushabh Lokhande, Paul Tamburello) · 2026-11-12

    Put a hard ceiling on loop iterations. A common production setting is 3 to 5 iterations against a total token budget.

  2. AWS Architecture Blog — Closing the AI agent trust gap with graduated autonomy · 2026-08-26

Passer à l’action

Boucle agentique gouvernée dans vos projets

Échanger avec SFEIR