Schéma ReAct : penser, agir, observer, recommencer
ReAct (pour « Reason + Act ») est une façon de faire travailler un modèle de langage en boucle : il écrit ce qu'il pense faire, exécute une action comme une recherche ou un appel d'outil, lit le résultat, puis décide de l'étape suivante. C'est la mécanique de base de la plupart des agents IA actuels.
Données au 22 octobre 2026
L'essentiel en chiffres
| Niveau | Avancé |
|---|---|
| Origine | 2022 |
| Introduit par | Yao et al. |
Le principe
Un grand modèle de langage seul ne fait que produire du texte. ReAct lui donne une routine en trois temps, répétée jusqu’à la fin de la tâche :
- Pensée : le modèle écrit en clair ce qu’il a compris et ce qu’il compte faire.
- Action : il choisit un outil (recherche web, calcul, lecture de fichier) et ses paramètres, via l’appel d’outils.
- Observation : le programme exécute l’action et renvoie le résultat au modèle, qui l’ajoute à son contexte.
La boucle s’arrête quand le modèle estime avoir assez d’éléments pour répondre, ou quand une limite fixée par le développeur est atteinte.
Un exemple concret
Question : « Quel est l’âge du maire actuel de la ville où est né Victor Hugo ? »
- Pensée : « Je dois d’abord trouver la ville natale de Victor Hugo. » Action : recherche « lieu de naissance Victor Hugo ». Observation : Besançon.
- Pensée : « Il faut maintenant le maire actuel de Besançon. » Action : nouvelle recherche. Observation : un nom.
- Pensée : « Il me reste sa date de naissance. » Et ainsi de suite.
Sans ReAct, le modèle répondrait d’un trait à partir de sa mémoire, au risque d’une hallucination ou d’une information périmée. Avec ReAct, chaque étape s’appuie sur une observation vérifiable.
D’où vient l’idée
Le schéma a été présenté dans l’article « ReAct: Synergizing Reasoning and Acting in Language Models » (Shunyu Yao et al., octobre 2022, publié à la conférence ICLR 2023). Il combine deux pistes jusque-là séparées : la chaîne de pensée, qui fait raisonner le modèle sans accès au monde extérieur, et les modèles qui agissent sans expliciter leur raisonnement. Les auteurs montrent que l’alternance des deux rend les réponses plus fiables et les traces plus lisibles.
Pourquoi ça compte, et ses limites
ReAct est devenu le squelette implicite de nombreux agents IA et frameworks : même quand le mot n’apparaît pas, la boucle « réfléchir, appeler un outil, lire le résultat » est là. Ses limites sont connues : chaque tour de boucle relit tout l’historique, donc le coût en tokens grimpe vite ; une mauvaise observation peut lancer l’agent sur une fausse piste ; et l’agent peut tourner en rond s’il ne sait pas quand s’arrêter. D’où des variantes qui planifient d’abord (décomposition de tâches) ou qui ajoutent une étape d’auto-réflexion.
Idées reçues
- « Le raisonnement affiché explique vraiment la décision. » Il aide à déboguer, mais rien ne garantit qu’il reflète fidèlement le calcul interne du modèle.
- « Plus d’itérations, c’est toujours mieux. » Au-delà d’un certain point, l’agent accumule du bruit dans son contexte et coûte plus cher sans gagner en justesse.
Termes liés
- Chaîne de pensée · Façon de faire produire à un modèle des étapes de raisonnement intermédiaires avant sa réponse finale, pour mieux traiter les problèmes complexes.
- Appel d'outils (function calling) · Capacité d'un modèle d'IA à demander l'exécution d'une fonction externe, avec des arguments précis, puis à utiliser le résultat.
- Agent IA · IA qui ne se contente pas de répondre : elle planifie et enchaîne des actions avec des outils pour atteindre un objectif donné.
- Workflow agentique · Enchaînement d'étapes où un modèle d'IA planifie, utilise des outils, vérifie et corrige son travail au lieu de répondre en un seul jet.
- Auto-réflexion · Technique où un modèle ou un agent relit son propre travail, en critique les erreurs et s'appuie sur cette critique pour réessayer.
- Hallucination · Réponse d'une IA qui paraît sûre d'elle et plausible mais qui est fausse ou inventée : chiffre, citation, source, référence.
Tout le glossaire
Questions fréquentes
ReAct a-t-il un rapport avec la bibliothèque JavaScript React ?
Aucun. Le nom vient de « Reasoning and Acting ». La ressemblance avec la bibliothèque d'interface React est une coïncidence, ce qui complique parfois les recherches sur le web.
Faut-il écrire soi-même la boucle ReAct ?
Rarement. La plupart des frameworks d'agents et des API avec appel d'outils intègrent déjà une boucle de ce type. Comprendre le schéma reste utile pour régler les limites d'itérations, les outils exposés et les messages d'erreur renvoyés au modèle.
Combien d'étapes une boucle ReAct peut-elle faire ?
Autant que le développeur l'autorise. En pratique, on fixe un nombre maximal d'itérations ou un budget de tokens, sinon un agent bloqué peut tourner longtemps et coûter cher.
Les modèles de raisonnement rendent-ils ReAct obsolète ?
Non, ils le prolongent. Un modèle de raisonnement réfléchit davantage avant chaque action, mais il a toujours besoin d'agir, d'observer le résultat et d'ajuster : c'est exactement la boucle ReAct.
Sources des données
Données au 22 octobre 2026
Signaler une erreur
Un chiffre, une date ou une information vous semble faux ? Dites-le-nous : chaque signalement est vérifié.