Comprendre la portée des graphes, du Knowledge Graph au protocole ARG
L’engouement actuel pour les graphes nécessite une clarification de leurs rôles respectifs. Nous distinguons les graphes de connaissance, de contexte et de raisonnement pour structurer l’IA. Le protocole ARG se positionne comme une alternative harmonisée, intégrant la mémoire à long terme et le contrôle déterministe des actions au sein d’un environnement unique et cohérent.
Nous observons avec soulagement l’enthousiasme croissant pour les graphes dans l’écosystème de l’IA. Cependant, il est crucial de comprendre la portée et le contexte d’application de chaque concept pour éviter toute confusion architecturale.
1. Typologie et extraction d’informations
L’utilisation des graphes répond à des besoins spécifiques de structuration et de récupération de données, allant du stockage de faits au contrôle de l’agent.
Le Knowledge Graph structure les connaissances (entités et relations). Le Context Graph est construit dynamiquement pour une requête spécifique. Le RG sert de graphe de contrôle pour le raisonnement et les actions de l’agent.
Si RDF et SPARQL permettent de connecter l’information, et qu’OWL pose les bases de l’ontologie, leur mise en œuvre pour un domaine spécifique reste complexe et nécessite de nombreuses itérations.
2. La gestion de la mémoire par le graphe
Le protocole ARG se distingue par sa capacité à intégrer non seulement les données d’entreprise, mais aussi la mémoire utilisateur et les informations web de manière structurée.
Plutôt que des approches complexes comme les modèles récursifs, nous préconisons un filtrage de pertinence suivi de la construction d’un contexte de fragments raffinés pour optimiser la fenêtre de contexte.
Contrairement aux solutions non-natives comme Mem0, l’approche ARG préserve la taxonomie et l’ontologie explicites, permettant une traversée de graphe réelle pour la récupération des souvenirs.
3. Vers un environnement d’action harmonisé
Les agents modernes ne se contentent plus de répondre, ils exécutent des tâches. Cette orchestration nécessite généralement un planificateur et un vérificateur. Dans l’architecture ARG, le modèle de langage suit les règles du graphe de raisonnement.
Cette approche s’apparente au ReAct, mais avec un cadre plus déterministe et contrôlable. Au lieu de déléguer toute l’intelligence au modèle, nous conservons le contrôle au niveau de l’architecture. Le choix se pose alors entre bâtir un système multi-agents complexe ou adopter un environnement homogène et harmonisé capable de couvrir la majorité des cas d’usage via le protocole ARG.