What Are AI Agents? Agentic Systems Explained | Stanford CS329Z Lecture 1 with Diyi Yang

What Are AI Agents? Agentic Systems Explained | Stanford CS329Z Lecture 1 with Diyi Yang

Que sont les agents IA ? Les systèmes agents expliqués | Stanford CS329Z Cours 1 avec Diyi Yang

Historique des titres
  • What Are AI Agents? Agentic Systems Explained | Stanford CS329Z Lecture 1 with Diyi Yang — observé le 20261110-2124 UTC (YouTube)
  • Stanford CS329Z Introduction — What Are Agentic Systems? — observé le 20261109-2119 UTC (YouTube)
🎙 Diyi Yang (avec Michael Ryan et John Yang) 👥 1.3M 📅 9 novembre 2026 ⏱ 69 min 👁 70K 📄 revue de littérature 🧭 2026-11-10
Disponible en : Français (actuel) English

Mots-clés

agentsLLMplanificationmémoireoutils

Résumé

Cette première leçon du cours Stanford CS329Z ‘Engineering AI Agents’ présente une introduction complète aux systèmes agentiques. L’instructrice, Diyi Yang, commence par un rappel historique, remontant à l’acteur modèle de 1973 et au protocole Contract Net, jusqu’aux systèmes modernes comme ReAct, BabyAGI et AutoGPT. Elle détaille ensuite l’anatomie d’un agent LLM moderne, identifiant cinq composants clés : le modèle de langage central, la planification et le raisonnement, la mémoire, les outils et l’environnement. La conférence aborde également les méthodes de raisonnement comme le chain-of-thought et ReAct, la mémoire épisodique/sémantique/procédurale, l’utilisation d’outils via Toolformer et Gorilla, ainsi que les systèmes composés distinguant workflows et agents. Elle se conclut sur les défis majeurs : fiabilité, entraînement, sécurité et évaluation, incluant des notions récentes de risques multi-agents et de collusion. Le contenu est illustré par des exemples concrets et des données de performance, soulignant l’importance de la qualité du modèle de base et de l’efficacité des agents.

154 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours est structuré, couvre un large spectre historique et technique, et s’appuie sur des travaux de référence (ReAct, BabyAGI, AutoGPT, etc.). L’argumentation est solide, mêlant explications pédagogiques et exemples chiffrés (amélioration des scores, coût des API). La distinction entre raisons internes et actions, ainsi que la justification de l’importance du raisonnement pour la généralisation et l’alignement, est argumentée de manière claire. Les limites des approches (fiabilité, évaluation) sont honnêtement discutées.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est exemplaire : l’intervenante est une chercheuse reconnue, le cours est institutionnel et les références sont précises (papers, frameworks). Les sources citées dans la description (site du cours, playlist) sont fiables et pertinentes. Le titre reflète fidèlement le contenu : il s’agit bien d’une leçon d’introduction aux agents et aux systèmes agentiques. Aucune divergence notable entre le titre et le contenu. Le niveau technique est avancé mais adapté à un public universitaire, sans compromettre la clarté.

172 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : c'est une introduction aux agents IA et aux systèmes agentiques, conformément au titre.

Qualité & fiabilité

9/10

Cours universitaire de Stanford dispensé par une professeure experte, avec un contenu structuré, des références historiques précises et une présentation pédagogique rigoureuse.

Chapitres

Sources citées

Sources concordantes

  • Site du cours CS329Z — Source officielle pour les supports de cours, corroborant les informations présentées.

Apport & nouveautés

L’apport original réside dans la synthèse historique et conceptuelle des agents IA, en reliant les travaux pionniers (actor model, réact) aux développements récents (outils, MCP). La leçon propose une taxonomie claire des composants d’un agent et discute des défis ouverts. Elle offre une base solide pour les ingénieurs et chercheurs.

Pour aller plus loin :

100 mots

Profil radar

Le profil radar indique une très haute fiabilité et quantité d'informations, avec une qualité et un niveau technique élevés. La faiblesse relative réside dans le niveau technique, qui reste accessible mais exige des bases en LLM. Globalement, le profil est équilibré et reflète un contenu académique de premier plan.

Fiabilité 9/10