🤖 AI

NormCode Canvas: Making LLM Agentic Workflows Development Sustainable via Case-Based Reasoning

Le papier présente NormCode Canvas, un système déployé qui rend le développement de workflows agentic LLM durable en appliquant le raisonnement à partir de cas à deux niveaux via un langage de planification semi-formel, éliminant ainsi les états partagés implicites et permettant une inspection, une révision et un apprentissage cumulatif à l'échelle du système.

Auteurs originaux : Xin Guan, Yunshan Li, Ze Wang

Publié 2026-03-17

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Xin Guan, Yunshan Li, Ze Wang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de construire une maison très complexe avec une équipe d'architectes intelligents mais un peu distraits (ce sont les LLM, ou modèles de langage). Jusqu'à présent, la méthode standard consistait à leur donner une longue liste de instructions, étape par étape. Le problème ? Si l'architecte fait une erreur à l'étape 10, personne ne sait exactement pourquoi. Est-ce à cause de l'étape 10 ? Ou parce qu'il a mal compris l'étape 1 ? C'est comme essayer de réparer une voiture en regardant seulement le moteur, sans savoir quel boulon a été desserré il y a dix minutes.

Le papier que vous avez partagé présente NormCode Canvas, une nouvelle façon de travailler qui transforme ce chaos en un processus clair, réparable et durable.

Voici l'explication simple, avec quelques analogies pour mieux comprendre :

1. Le Problème : La "Mémoire Floue"

Dans les systèmes actuels, les agents IA gardent tout dans une longue conversation. C'est comme si vous écriviez un roman, mais que chaque chapitre dépendait de la mémoire totale du livre précédent, sans jamais faire de pause pour vérifier ce qui a été écrit.

Le risque : Si vous voulez recommencer à partir du chapitre 15, vous ne pouvez pas simplement "ouvrir le livre" à la page 15. Vous devez tout relire, et souvent, le contexte est corrompu. C'est fragile et impossible à déboguer.

2. La Solution : NormCode (Le "Plan d'Architecte Rigide")

NormCode est un langage spécial qui force l'IA à travailler par étapes isolées.

L'analogie de la "Boîte à Outils Fermée" : Imaginez que pour chaque tâche (ex: "écrire un paragraphe"), l'IA reçoit une boîte à outils. Cette boîte contient exactement ce dont elle a besoin pour cette tâche précise, et rien d'autre. Elle ne peut pas voir ce qui se passe dans les autres boîtes.
Pourquoi c'est génial ? Si la tâche échoue, vous savez immédiatement que le problème vient de cette boîte précise. Vous n'avez pas besoin de fouiller dans tout le chantier. C'est ce qu'on appelle l'isolement structurel.

3. NormCode Canvas : L'Atelier de Travail à Deux Niveaux

Le système "NormCode Canvas" est l'atelier où tout cela se passe. Il utilise une méthode appelée Raisonnement Basé sur les Cas (CBR), qu'on peut comparer à un carnet de recettes de cuisine.

Niveau 1 : Les "Recettes en Cours" (Les Cas Concrets)

Imaginez que vous êtes en train de cuisiner un gâteau.

Le point de contrôle (Checkpoint) : À chaque étape (mélanger les œufs, ajouter la farine), vous prenez une photo instantanée de l'état exact de votre bol.
L'avantage : Si le gâteau est trop sec à la fin, vous pouvez regarder la photo de l'étape "ajouter la farine". Vous voyez exactement combien de farine il y avait.
La magie de la réparation : Si vous changez la quantité de farine sur la photo, le système ne vous force pas à recommencer tout le gâteau depuis le début. Il ne recalcule que les étapes suivantes (la cuisson, le glaçage). C'est ce qu'on appelle la réexécution sélective.

Niveau 2 : Les "Livres de Recettes" (Les Cas Abstraits)

Au-delà de la cuisson d'un seul gâteau, le système apprend à créer de nouvelles recettes.

Si vous avez cuisiné 100 gâteaux différents, le système peut dire : "Tiens, pour faire des gâteaux aux fruits, il faut toujours suivre cette structure".
Il crée alors un plan général (un Livre de Recettes) qui peut être réutilisé pour n'importe quel futur gâteau aux fruits.
Le cycle infini : Ce système est si intelligent qu'il peut même utiliser un de ses propres plans pour écrire un nouveau plan ! C'est comme un chef qui écrit un livre de cuisine, puis utilise ce livre pour écrire un meilleur livre de cuisine.

4. Les Trois Super-Pouvoirs du Système

Grâce à cette méthode, le système offre trois capacités magiques :

L'Inspection Directe (C1) : Vous pouvez ouvrir n'importe quelle étape du processus et voir exactement ce qui s'est passé, sans avoir à reconstituer l'histoire. C'est comme avoir une caméra cachée sur chaque étape de la construction.
La Révision Avant Coup (C2) : Avant même que l'IA ne commence à travailler, un humain peut lire le "plan" (écrit dans un langage simple et clair) et dire : "Non, cette étape est bizarre, changeons-la". C'est une vérification de sécurité avant le lancement.
La Réparation Ciblée (C3) : Si une erreur survient, vous ne jetez pas tout. Vous changez juste la pièce cassée et vous relancez seulement ce qui dépend de cette pièce. C'est comme changer une roue de voiture sans démonter le moteur.

5. L'Écosystème Vivant

Le papier montre que ce système est utilisé pour quatre choses différentes :

Créer des présentations PowerPoint (PPT).
Aider à écrire du code informatique.
Transformer des idées en plans d'action (Compilation).
Déboguer (réparer) les plans eux-mêmes.

C'est un écosystème auto-entretenu : les plans créent d'autres plans, les plans se corrigent les uns les autres, et à chaque fois, le système devient plus intelligent et plus fiable.

En Résumé

NormCode Canvas est comme passer d'un chantier de construction chaotique où l'on perd des outils et où les erreurs sont impossibles à tracer, à un chantier de haute technologie où chaque brique est numérotée, chaque étape est photographiée, et où l'on peut modifier une brique sans avoir à reconstruire tout l'immeuble.

Cela rend le développement de l'IA durable : au lieu de jeter les projets échoués, on les apprend, on les améliore, et on les réutilise pour construire des choses encore plus grandes.

1. Le Problème : Fragilité des Workflows LLM Multi-étapes

Les workflows d'agents LLM multi-étapes (où chaque inférence alimente la suivante) sont devenus l'architecture standard pour déployer des modèles de langage. Cependant, les frameworks actuels (LangChain, LangGraph, AutoGen, etc.) présentent des limitations critiques pour le débogage, la reprise et l'amélioration systématique :

Absence d'intégrité des cas (Case Integrity) : Les points de contrôle (checkpoints) intermédiaires dépendent souvent implicitement de l'historique de conversation, d'objets mutables ou de logique de contrôle spécifique au framework. Un checkpoint à l'étape $k$ n'est pas un cas autonome, mais un instantané d'un état partagé.
Conséquences négatives :
- Récupération non fiable : Reprendre un workflow à partir d'un checkpoint dans un nouveau contexte produit un comportement erroné.
- Défaillances non localisables : La cause d'une erreur à l'étape $k$ peut être dissimulée dans l'état implicite accumulé des étapes précédentes.
- Cas non reproductibles : Deux exécutions chargant le même checkpoint peuvent produire des résultats différents.
Manque de langage de workflow : Il n'existe pas de langage permettant de représenter, inspecter, vérifier et réviser explicitement le raisonnement multi-étapes de manière à la fois lisible par l'homme et exécutable par la machine.

2. Méthodologie : NormCode et Raisonnement Basé sur les Cas (CBR) à Deux Niveaux

L'article propose NormCode Canvas (v1.1.3), un système déployé qui résout ces problèmes en utilisant le Raisonnement Basé sur les Cas (CBR) à deux niveaux, fondé sur un langage de planification semi-formel appelé NormCode.

A. Le Langage NormCode et la Règle de Portée

NormCode est un langage de planification où les plans sont formulés, pas seulement décrits. Sa caractéristique fondamentale est la règle de portée (scope rule) :

Chaque étape d'exécution n'a accès qu'aux données explicitement déclarées dans son bloc de portée.
Il n'y a aucun partage de contexte implicite.
Le compilateur détermine la portée avant l'exécution, garantissant que chaque point de contrôle est un cas autonome et auto-contenu.

B. Architecture CBR à Deux Niveaux

Le système implémente le cycle CBR (Récupérer, Réutiliser, Réviser, Retenir) sur deux niveaux distincts :

Niveau 1 : Gestion des Cas Concrets (Exécution)
- Un cas est un temps d'exécution suspendu à un index de flux spécifique.
- Il capture l'état complet de l'environnement (Blackboard, référentiel de concepts) à ce moment précis.
- Opérations :
  - Récupération (Retrieve) : Sélection d'un cas passé pour démarrer une nouvelle exécution.
  - Réutilisation (Fork) : Chargement d'un cas pour reprendre l'exécution sans réexécuter les étapes amont.
  - Révision (Value Override) : Modification d'une donnée (tensor) à un point de contrôle. Grâce à la règle de portée, le système identifie automatiquement les nœuds en aval comme "obsolètes" (stale) et ne réexécute que ceux-ci (réexécution sélective).
  - Retenir (Retain) : Chaque étape terminée écrit automatiquement un nouveau cas dans la base de données.
Niveau 2 : Apprentissage de Cas Abstraits (Plans)
- Un cas est un plan exécutable (un modèle de workflow réutilisable) qui encode une structure de solution pour une classe de problèmes.
- Le pipeline de compilation lui-même est un plan NormCode (Niveau 2), permettant un apprentissage récursif : on peut compiler, déboguer et améliorer le compilateur lui-même.
- Les plans sont révisés via la modification du code source .ncds et une revue pré-exécution.

C. Le Système Déployé : NormCode Canvas

L'interface utilisateur (Canvas) expose trois capacités structurelles dérivées du langage :

Inspection directe des points de contrôle (C1) : Visualisation immédiate des entrées bornées de n'importe quelle étape sans reconstruction de logs.
Revue structurelle pré-exécution (C2) : Génération d'un récit en langage naturel (.ncn) à partir du plan compilé, permettant à un expert humain de valider la logique avant tout appel LLM.
Réexécution sélective bornée par la portée (C3) : La révision d'un cas déclenche uniquement la réexécution des nœuds dépendants en aval, réutilisant le cache pour le reste.

3. Contributions Clés

Une architecture CBR à deux niveaux : Distinction claire entre les cas concrets (états d'exécution suspendus) et les cas abstraits (plans exécutables), avec un pipeline de compilation qui est lui-même un cas de niveau 2.
Un langage de workflow à portée (Scoped Workflow Language) : NormCode satisfait six propriétés essentielles : Interprétable, Exécutable (Enforceable), Composable, Adressable localement, Généralisable et Portable.
Un système déployé (NormCode Canvas) : Réalisation pratique des capacités C1, C2 et C3, offrant un environnement complet pour l'inspection, la révision et la réexécution sélective.
Preuves structurées via quatre workflows déployés :
- Génération de PPT : Création de diapositives avec boucles imbriquées.
- Assistant Code : Tâches d'ingénierie logicielle multi-étapes (cycle ReAct).
- NC Compilations : Conversion de spécifications en langage naturel en plans NormCode exécutables.
- Canvas Assistant : Un agent intégré pour le débogage automatique des plans.

4. Résultats et Évaluation

L'article ne prétend pas à une supériorité universelle de la qualité de la tâche finale, mais démontre la viabilité des propriétés structurelles (inspectabilité, révisabilité) :

Performance : La génération de PPT prend environ 40 secondes par diapositive sur des API commerciales.
Efficacité : 60 à 70 % des nœuds dans les plans de production sont des inférences syntaxiques (manipulation de données déterministe, coût LLM nul), ce qui réduit les coûts et les latences.
Écosystème auto-soutenable : Les plans interagissent entre eux :
- NC Compilations produit de nouveaux plans.
- Code Assistant exécute des tâches complexes et enrichit la base de cas.
- Canvas Assistant débogue les échecs en surchargeant l'interface utilisateur.
- Cela crée une boucle fermée où les plans produisent, déboguent et affinent les uns les autres, réalisant un apprentissage cumulatif à l'échelle du système.
Preuve de concept : Les études de cas montrent que l'isolation structurelle permet une localisation précise des échecs et une réutilisation fiable des checkpoints, ce qui est impossible dans les frameworks traditionnels basés sur l'historique de conversation.

5. Signification et Impact

Ce travail marque un changement de paradigme dans le développement d'agents LLM :

De l'orchestration à la programmation structurée : Il passe d'une approche où l'état est géré implicitement par des frameworks à une approche où l'état est explicitement défini, vérifié et isolé par un langage formel.
Durabilité du développement : En rendant les workflows inspectables, révisables et capables de réexécution bornée, le système permet une amélioration cumulative (CBR) qui était auparavant impossible à grande échelle.
Auditabilité et Contrôle : La capacité de réviser un plan avant exécution (via le récit .ncn) et de déboguer étape par étape répond aux besoins croissants de transparence et de contrôle des systèmes d'IA.
Fondation pour l'IA auditable : Le système incarne la vision de "l'IA auditable" où les valeurs humaines et les logiques de décision sont expressibles, enregistrables et exécutables comme des actifs techniques durables.

En résumé, NormCode Canvas démontre que l'intégration du Raisonnement Basé sur les Cas dans un langage de workflow à portée stricte permet de surmonter les obstacles fondamentaux de fragilité et d'opacité des workflows d'agents LLM actuels, ouvrant la voie à des systèmes d'IA plus robustes, débogables et évolutifs.