Comprendre les agents d'IA — Une revue de littérature basée sur les données

Cet article présente une revue systématique et basée sur les données de la littérature sur les agents d'intelligence artificielle (IA) fondée sur les 100 principales publications Google Scholar liées aux termes de recherche « AI agent » et « AI agents ». L'avancement rapide des agents d'IA, motivé en particulier par les progrès récents des grands modèles de langage, a abouti à un paysage de recherche diversifié et fragmenté, qui manque de synthèses quantitatives complètes. Pour combler cette lacune, nous mettons en œuvre et appliquons un pipeline d'analyse entièrement automatisé et piloté par l'IA au domaine des agents d'IA. Les publications collectées sont traitées à l'aide d'un grand modèle de langage accessible via une interface de programmation en Python, permettant une analyse automatisée de la littérature sans catégorisation manuelle. Sur la base de cette approche, les publications sont regroupées en clusters thématiques basés sur les données, reflétant les perspectives de recherche dominantes dans le domaine. Plus précisément, les clusters identifiés comprennent « Architecture & Cadres », « Systèmes multi-agents », « Applications », « Sécurité » et « Éthique, responsabilité & gouvernance ». En synthétisant la littérature de manière structurée et automatisée, ce travail fournit un aperçu consolidé des principales tendances de recherche, identifie les défis opérationnels et structurels clés, et met en lumière la fragmentation dans la recherche sur les agents d'IA. Ces résultats soutiennent une compréhension plus systématique des agents d'IA et fournissent une base pour des recherches futures sur des systèmes d'agents d'IA robustes, évolutifs et fiables.