Résumé Technique : Découverte Causale Multi-Agent par des Modèles de Langage de Grande Taille (MAC)

Énoncé du Problème

La découverte causale vise à identifier les relations de causalité entre des variables, un défi fondamental dans toutes les disciplines scientifiques. Les méthodes traditionnelles de Découverte Causale Statistique (SCD) reposent exclusivement sur des données observationnelles, échouant souvent dans les systèmes à grande échelle où l'obtention de données structurées suffisantes est irréalisable. De plus, ces méthodes ignorent les métadonnées contextuelles précieuses (par exemple, la sémantique des variables, les connaissances du domaine). À l'inverse, les approches récentes basées sur les Modèles de Langage de Grande Taille (LLM) exploitent les métadonnées mais traitent généralement le LLM comme un agent unique. Ce paradigme d'agent unique est vulnérable aux « perroquets causaux » — des modèles qui reposent sur des associations mémorisées ou biaisées plutôt que sur un raisonnement authentique, conduisant à des jugements peu fiables face à des graphes causaux complexes ou denses.

Méthodologie : Le Cadre MAC

Les auteurs proposent MAC (Cadre de Découverte Causale Multi-Agent), qui reformule la découverte de graphes causaux comme un débat multi-agent couplé à la sélection autonome d'algorithmes statistiques. MAC intègre deux modules complémentaires reliés par un mécanisme de Fusion Métadonnées :

1. Module de Débat-Code (DCM)

Le DCM aborde le problème selon lequel le raisonnement purement textuel manque d'ancrage dans les données observées, tandis qu'aucun algorithme statistique unique n'est optimal pour tous les jeux de données.

• Sélection d'Algorithme : Le DCM intègre un Module de Débat Métadonnées (MDM) pour débattre et sélectionner l'algorithme SCD le plus approprié (par exemple, PC, GES, FCI) sur la base d'un petit sous-ensemble de données structurées ($S$) et de métadonnées ($I$).
• Exécution : L'algorithme sélectionné est exécuté sur l'ensemble des données structurées ($O$) pour générer un graphe causal initial ($G_C$). Cela garantit que le graphe initial est ancré dans des preuves empiriques.
• Fusion Métadonnées : Le graphe résultant $G_C$ est converti en contraintes causales compactes et lisibles par l'homme ($I_C$) (par exemple, des arêtes dirigées et des ordonnancements implicites). Ces contraintes servent de « métadonnées causales » extraites des données.

2. Module de Débat Métadonnées (MDM)

Le MDM aborde le manque de fiabilité des jugements d'un seul LLM en introduisant une structure de débat adversarial.

• Agents : Le module emploie trois agents spécialisés :
  • Débattant Affirmatif Causal : Propose un graphe causal candidat (ou un algorithme).
  • Débattant Négatif Causal : Propose une alternative plausible, ciblant spécifiquement les décisions contestées pour mettre en lumière des hypothèses conflictuelles.
  • Juge Causal : Arbitre entre les propositions sur la base de critères explicites dérivés des preuves (indépendance conditionnelle, structures de collier et alignement des métadonnées).
• Flux de Travail :
  • Étape 1 (DCM) : Le MDM sélectionne l'algorithme SCD.
  • Étape 2 (Raffinement) : Le MDM prend le graphe initial $G_C$ (via ses contraintes converties $I_C$) et les métadonnées originales $I$ comme entrée. Les agents débattent pour affiner le graphe, tranchant entre des hypothèses concurrentes face aux preuves combinées.

3. Intégration

Le cadre fonctionne dans un pipeline de bout en bout :

1. Le DCM sélectionne un algorithme et génère un graphe initial ancré dans les données.
2. La Fusion Métadonnées traduit ce graphe en contraintes textuelles.
3. Le MDM utilise ces contraintes ainsi que les métadonnées originales pour affiner le graphe par un débat adversarial, produisant le graphe acyclique dirigé (DAG) final.

Contributions Clés

1. Conception du Cadre : L'article présente MAC, un cadre novateur qui couple un débat multi-agent par LLM adversarial avec la sélection autonome d'algorithmes de découverte causale statistique. Cela intègre la précision statistique ancrée dans les données avec un raisonnement de niveau expert piloté par les métadonnées.
2. Architecture Modulaire : Les auteurs proposent deux modules spécifiques :
   • Module de Débat Métadonnées (MDM) : Contrebalance le biais d'un seul LLM en faisant proposer, contester et arbitrer des graphes causaux par des agents face aux métadonnées de manière adversariale.
   • Module de Débat-Code (DCM) : Ancre le graphe dans les données en sélectionnant et exécutant de manière autonome l'algorithme SCD le mieux adapté.
3. Performance : Le cadre démontre une performance agrégée supérieure sur cinq jeux de données de référence et trois métriques d'évaluation (F1, SHD, NHD) par rapport aux bases statistiques traditionnelles et aux méthodes existantes basées sur les LLM.

Résultats Expérimentaux

Les auteurs ont évalué MAC sur cinq jeux de données (Child, Auto, Earthquake, Cancer, Survey) en utilisant trois LLM de base (Gemini-2.0-Flash, DeepSeek-R1, GPT-4o) et l'ont comparé à cinq méthodes statistiques et quatre bases de référence basées sur les LLM.

• Performance Globale : MAC a obtenu la meilleure performance agrégée sur 15 points d'évaluation (5 jeux de données × 3 métriques).
• Réalisations Spécifiques :
  • Avec Gemini-2.0-Flash, MAC s'est classé premier sur 10 des 15 points d'évaluation, incluant une reconstruction parfaite (F1=1,00, SHD=0, NHD=0) du graphe Earthquake.
  • Avec DeepSeek-R1, MAC s'est classé premier sur 9 points ; avec GPT-4o, il s'est classé premier sur 7 points.
• Études d'Ablation :
  • Comparaison des Modules : La combinaison du DCM et du MDM surpassait généralement l'utilisation de l'un ou l'autre module isolément, bien que le MDM seul ait obtenu les meilleurs résultats sur le jeu de données Earthquake, suggérant que les métadonnées peuvent parfois suffire pour des graphes simples.
  • Tours de Débat : La performance convergeait généralement après un seul tour de débat ; des tours supplémentaires introduisaient des fluctuations plutôt qu'une amélioration constante.
  • Coût vs Performance : Une variante « MAC Agent Unique » (supprimant l'agent Négatif et le Juge) offrait une alternative rentable pour des graphes simples (5 nœuds), récupérant une grande partie du gain à environ la moitié du coût. Cependant, le débat multi-agent complet était essentiel pour des graphes plus grands ou plus ambigus (par exemple, Survey, Auto), où il améliorait significativement les scores F1 par rapport à la variante agent unique.

Importance et Revendications

L'article revendique que MAC fournit un modèle généralisable pour les tâches d'apprentissage automatique impliquant des métadonnées, s'étendant au-delà de la découverte causale vers des domaines tels que la classification et la détection d'anomalies. Les auteurs soulignent que leur approche atténue le problème du « perroquet causal » en ancrant le raisonnement du LLM dans des preuves statistiques (via le DCM) et en testant rigoureusement les hypothèses par un débat adversarial (via le MDM).

Les auteurs restent modestes concernant les limites, reconnaissant que :

• Le cadre actuel modélise uniquement des DAG et ne gère pas les facteurs de confusion ni les cycles.
• Il repose exclusivement sur des données observationnelles sans validation interventionnelle.
• Le débat multi-agent engendre une surcharge computationnelle substantielle.
• L'évaluation est actuellement limitée à des benchmarks établis avec des graphes relativement petits (5–20 nœuds), et la performance du cadre sur des régimes nouveaux, à grande échelle et pauvres en données nécessite une validation supplémentaire pour s'assurer que le raisonnement n'est pas simplement un rappel de réseaux canoniques mémorisés.