ReAct Prompting
Le prompting ReAct fait alterner à un LLM des étapes de raisonnement et des actions, comme des recherches ou des appels d’outils. Le LLM examine chaque résultat avant de décider de la suite.
Le prompting ReAct, abréviation de raisonnement et action, fait alterner à un grand modèle de langage (LLM) la rédaction d’une réflexion sur la tâche, une action comme une recherche ou un appel d’outil, puis la lecture de l’observation renvoyée par cette action. Le cycle se répète jusqu’à ce que le modèle puisse répondre. Le raisonnement planifie et suit les actions, tandis que celles-ci fournissent des faits extérieurs au modèle. Les réponses s’appuient ainsi sur des éléments récupérés plutôt que sur la seule mémoire. Shunyu Yao et ses collègues de l’université de Princeton et de Google Research ont présenté cette méthode dans ReAct: Synergizing Reasoning and Acting in Language Models, à ICLR 2023. Avec seulement un ou deux exemples dans l’invite, ReAct a surpassé les méthodes d’apprentissage par imitation et d’apprentissage par renforcement entraînées sur beaucoup plus de données, avec un taux de réussite absolu supérieur de 34 et 10 points de pourcentage sur les tâches ménagères ALFWorld et le benchmark d’achats en ligne WebShop. Les agents d’IA actuels qui utilisent des outils suivent la même boucle.
Fonctionnement de ReAct#
Une invite ReAct est une invite few-shot contenant quelques trajectoires d’exemple, chacune composée d’une question suivie de lignes alternant Thought, Action et Observation. Face à une nouvelle question, le modèle rédige une réflexion et une action, puis s’arrête. Le code du contrôleur analyse l’action, exécute l’outil correspondant, ajoute le résultat comme observation suivante et rappelle le modèle avec la transcription enrichie. Pour les questions-réponses, l’article fournissait au modèle une interface Wikipédia minimale comportant trois actions : search[entity] renvoie les premières phrases d’une page, lookup[string] renvoie la phrase suivante de la page en cours qui contient une chaîne de caractères et finish[answer] termine la tâche.
Une trajectoire ReAct#
Cet exemple tiré de l’invite de l’article pour HotpotQA, un jeu de données de questions-réponses qui exige de combiner des faits provenant de plusieurs pages Wikipédia, montre la boucle qui se remet d’une première recherche ne contenant pas la réponse :
Question: What is the elevation range for the area that the eastern sector of the Colorado orogeny extends into?
Thought 1: I need to search Colorado orogeny, find the area that the eastern sector of the Colorado orogeny extends into, then find the elevation range of the area.
Action 1: Search[Colorado orogeny]
Observation 1: The Colorado orogeny was an episode of mountain building (an orogeny) in Colorado and surrounding areas.
Thought 2: It does not mention the eastern sector. So I need to look up eastern sector.
Action 2: Lookup[eastern sector]
Observation 2: (Result 1 / 1) The eastern sector extends into the High Plains and is called the Central Plains orogeny.
Thought 3: The eastern sector of Colorado orogeny extends into the High Plains. So I need to search High Plains and find its elevation range.
Action 3: Search[High Plains]
Observation 3: High Plains refers to one of two distinct land regions:
Thought 4: I need to instead search High Plains (United States).
Action 4: Search[High Plains (United States)]
Observation 4: The High Plains are a subregion of the Great Plains. From east to west, the High Plains rise in elevation from around 1,800 to 7,000 ft (550 to 2,130 m).
Thought 5: High Plains rise in elevation from around 1,800 to 7,000 ft, so the answer is 1,800 to 7,000 ft.
Action 5: Finish[1,800 to 7,000 ft]La réflexion 2 remarque que la page ne contient pas le fait nécessaire et passe à une recherche ciblée. La réflexion 4 résout une recherche ambiguë. Ces deux corrections sont impossibles avec une séquence de recherches prédéfinie.
Résultats et limites#
L’ancrage du raisonnement dans les observations réduit surtout le nombre de faits inventés. Dans l’analyse des erreurs de l’article sur HotpotQA avec PaLM-540B, l’hallucination a causé 56 % des échecs de la chaîne de pensée, mais aucun de ceux de ReAct ; le taux de faux positifs de la chaîne de pensée était de 14 %, contre 6 % pour ReAct. La boucle a son propre mode d’échec : les recherches qui ne renvoient rien d’utile représentaient 23 % des erreurs de ReAct, car une observation vide fait dérailler le raisonnement qui suit. Sur HotpotQA, ReAct seul a obtenu un taux de correspondance exacte de 27,4 %, contre 29,4 % pour la chaîne de pensée, tandis que, sur la tâche de vérification des faits Fever, ReAct est arrivé en tête avec un taux d’exactitude de 60,9 %, contre 56,3 %. Le meilleur résultat sur HotpotQA, 35,1 %, a été obtenu en combinant les deux méthodes : lorsque ReAct ne parvenait pas à répondre dans la limite d’un nombre d’étapes prédéfini, le système basculait vers une méthode de chaîne de pensée fondée sur l’auto-cohérence.
ReAct dans les agents modernes#
Les API LLM actuelles intègrent l’étape d’action au modèle par l’intermédiaire de l’appel de fonctions : le modèle émet un appel d’outil structuré plutôt qu’une ligne de texte, l’application l’exécute et renvoie le résultat, et la boucle reprend le même cycle Thought-Action-Observation. Les outils dépassent largement la recherche et incluent l’exécution de code, les bases de données, les navigateurs utilisés par les agents informatiques et les services exposés via le Model Context Protocol (MCP). Dans la RAG agentique, l’agent décide quand et quoi récupérer, au lieu de tout récupérer une seule fois avant la génération. Comme un agent agit sur le texte qu’il lit, les systèmes ReAct sont exposés aux injections de prompt présentes dans les résultats des outils. C’est pourquoi les autorisations des outils sont restreintes et les actions risquées s’exécutent souvent dans des environnements isolés.
Poser une question à l’IA dans Ultralytics Platform AutoTrain fonctionne de cette manière : l’outil exécute les commandes ul cloud de la CLI Platform pour trouver des jeux de données, lancer des entraînements, comparer les modèles terminés, les exporter ou en déployer un, puis rédige sa réponse à partir des résultats renvoyés par ces commandes.
ReAct et les techniques associées#
- Prompting par chaîne de pensée : le modèle raisonne en une seule passe à partir de ses propres connaissances, sans moyen de vérifier un fait en cours de réponse. ReAct ajoute des actions qui récupèrent de nouvelles informations entre les étapes du raisonnement.
- Enchaînement de prompts : le développeur fixe la séquence d’appels du modèle dans le code. Avec ReAct, le modèle choisit chaque action suivante en fonction de ce qu’il a observé jusque-là.
- Arbre de pensées (ToT) : explore plusieurs pistes de raisonnement candidates et revient en arrière lorsqu’elles sont faibles, sans interagir avec un environnement extérieur. ReAct suit une seule piste, mais l’ancre dans des observations.
- Modèles de raisonnement : entraînés à rédiger un long raisonnement avant de répondre. Dans de nombreux systèmes actuels, ils appellent aussi des outils entre les étapes de raisonnement, intégrant ainsi la boucle ReAct au modèle lui-même.










