Agentic Workflows for Resolving Conflict Over Shared Resources: A Power Grid Application

Cet article présente un cadre de déconfliction agissant sur des flux de travail d'agents LLM pour résoudre les conflits liés aux ressources partagées via la négociation, la médiation et des procédures déterministes, démontré avec succès sur un réseau électrique gérant l'optimisation des coûts et la résilience.

L'essentiel

Imaginez un quartier très intelligent où plusieurs voisins (les agents) doivent gérer les ressources communes de la rue, comme l'électricité, l'eau ou la circulation. Chacun a ses propres priorités : l'un veut économiser de l'argent, l'autre veut être prêt en cas de coupure de courant. Souvent, leurs idées s'affrontent. Si l'un veut utiliser la batterie de la rue pour vendre de l'électricité quand le prix est haut, et que l'autre veut la garder pleine pour une urgence, c'est le conflit !

Ce papier de recherche propose une nouvelle façon de résoudre ces disputes en utilisant des intelligences artificielles (IA) très bavardes (appelées "agents LLM") qui agissent comme des médiateurs ou des négociateurs.

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

1. Le Problème : Une réunion de famille chaotique

Dans le passé, pour gérer les conflits, on avait un chef unique (un contrôleur central) qui décidait de tout. C'était efficace, mais trop rigide. Aujourd'hui, avec des centaines d'applications différentes (comme des logiciels de gestion de batteries, de panneaux solaires, etc.), tout le monde veut son mot à dire.

• L'analogie : Imaginez un dîner où chaque invité a apporté un plat différent et veut que tout le monde mange son plat en priorité. Si personne ne se coordonne, la cuisine devient un chaos.

2. La Solution : Des "Agents" qui parlent pour vous

Les auteurs ont créé des "agents" (des IA) qui s'occupent de chaque application. Ces agents ne connaissent pas les secrets internes de l'application qu'ils représentent (comme la recette secrète de la grand-mère), mais ils savent ce que cette application veut (économiser de l'argent ou être résilient).

• Le principe clé : Ces agents peuvent discuter entre eux pour trouver un terrain d'entente sans révéler leurs secrets commerciaux ou leurs contraintes privées. C'est comme si deux voisins négociaient la hauteur d'une haie sans avoir à montrer leurs plans d'architecte.

3. Les Trois Manières de Résoudre le Conflit

Le papier teste trois méthodes différentes pour que ces agents se mettent d'accord :

• A. La Négociation Directe (Le "Face-à-face")

  • L'image : Deux voisins qui discutent directement autour d'une clôture.
  • Comment ça marche : L'agent "Économie" et l'agent "Sécurité" parlent directement. Ils font des offres et des contre-offres jusqu'à ce qu'ils trouvent un accord.
  • Résultat : C'est très rapide (5 tours de discussion), mais parfois un peu imprévisible car ça dépend de l'humeur de l'IA.

• B. Le Médiateur Structuré (Le "Juge de paix")

  • L'image : Un médiateur neutre qui écoute les deux parties et propose des compromis.
  • Comment ça marche : Un troisième agent (le médiateur) collecte les demandes, analyse qui est le plus flexible, et propose une solution équilibrée.
  • Résultat : C'est plus lent (9 tours), mais plus juste et plus stable.

• C. La Procédure Automatique (Le "Calculateur")

  • L'image : Un ordinateur qui fait des moyennes mathématiques strictes.
  • Comment ça marche : Pas de discussion. Le système calcule simplement une moyenne pondérée des demandes. Si quelqu'un ne bouge pas, son poids change.
  • Résultat : Parfois, ça ne trouve pas d'accord si les positions sont trop opposées (comme essayer de faire marcher un chat et un chien ensemble sans médiateur).

4. L'Expérience Réelle : Le Réseau Électrique

Pour tester ça, les chercheurs ont simulé un réseau électrique avec des générateurs diesel et des batteries.

• Le conflit : L'application "Coût" veut vider la batterie pour vendre l'électricité quand le prix est haut. L'application "Résilience" veut charger la batterie pour être prêt en cas de panne.
• Ce qui s'est passé :
  • Les agents ont réussi à trouver un compromis intelligent : utiliser un peu la batterie, mais pas trop, et ne pas allumer le générateur diesel inutilement.
  • Ils ont évité le pire scénario (tout ou rien) et ont trouvé un "juste milieu" qui profite à tout le monde.

5. Leçon à retenir

Ce papier nous dit que pour gérer des systèmes complexes (comme la ville intelligente ou le réseau électrique), on n'a pas besoin d'un chef tout-puissant. On peut laisser des IA intelligentes discuter entre elles pour trouver des solutions.

• Si on veut de la rapidité : La négociation directe est top.
• Si on veut de l'équité et de la stabilité : Le médiateur est meilleur.
• Le but final : Transformer un conflit potentiellement dangereux en une solution où tout le monde gagne un peu, sans que personne n'ait à tout révéler de ses secrets.

C'est un peu comme apprendre à une équipe de super-héros à travailler ensemble sans que chacun ne doive abandonner ses pouvoirs, mais en trouvant une stratégie commune pour sauver la ville !

Résumé technique

1. Problématique

L'infrastructure moderne (réseaux électriques, gestion du trafic, logistique) repose de plus en plus sur des systèmes multi-agents semi-autonomes utilisant des Modèles de Langage (LLM) pour la prise de décision. Bien que ces agents améliorent l'autonomie, leur prolifération crée des conflits fréquents concernant l'utilisation de ressources partagées (ex: une batterie utilisée simultanément pour l'optimisation des coûts et la régulation de fréquence).

Les approches traditionnelles de résolution de conflits échouent souvent car elles supposent une information parfaite, un contrôle centralisé ou des architectures d'agents hautement structurées. Dans un environnement distribué où les agents peuvent être propriétaires, privés de leurs objectifs internes ou fonctionnant avec des informations partielles, il est crucial de développer des mécanismes de déconfliction (résolution de conflits) capables de :

• Détecter et raisonner sur les comportements incompatibles.
• Préserver l'autonomie locale et la confidentialité des objectifs.
• Fonctionner sans nécessiter que chaque application résolve des problèmes d'optimisation complexes de manière centralisée.

2. Méthodologie

Les auteurs proposent un cadre de déconfliction agnostique au domaine, conçu spécifiquement pour les agents basés sur des LLM.

A. Principes de Conception des Agents Clients

Les applications sont encapsulées par des « agents clients » qui agissent comme interface. Ces agents suivent trois principes directeurs :

1. Séparation des préoccupations : L'agent est découplé de la logique interne de l'application ; il utilise l'application comme un outil pour générer des actions candidates.
2. Communication des préférences sous confidentialité : Les agents négocient sans révéler leurs fonctions objectives privées ni leurs contraintes opérationnelles.
3. Poursuite de l'objectif : Les agents cherchent leur meilleur résultat individuel tout en respectant les incitations au compromis imposées par le cadre.

B. Trois Modes de Déconfliction

Le cadre propose trois workflows distincts pour résoudre les conflits :

1. Négociation Bilatérale :

   • Les agents interagissent directement entre eux.
   • Ils échangent des offres et des contre-offres itératives.
   • Ils convergent vers un accord mutuellement acceptable en ajustant leurs propositions en fonction des conflits sur les ressources partagées.

2. Médiation Structurée :

   • Un agent médiateur dédié coordonne la négociation.
   • Il collecte les propositions, évalue les conflits via un processus structuré et retourne des propositions de compromis révisées.
   • Cela maintient l'autonomie des agents tout en fournissant un mécanisme discipliné via un tiers neutre.

3. Déconfliction Procédurale (Déterministe) :

   • Utilise un déconflicteur déterministe (sans agent médiateur LLM) basé sur une méthode de consensus pondéré itératif.
   • À chaque itération $k$, un centroïde pondéré $c_k$ est calculé :
     $$c_k = \frac{\sum_i (w_{i,k} \cdot x_{i,k})}{\sum_i w_{i,k}}$$
   • Les poids $w_{i,k}$ sont ajustés dynamiquement en fonction de la flexibilité démontrée par chaque agent (mesurée par la distance entre leur proposition actuelle et le centroïde précédent).
   • Cette méthode est adaptée pour fonctionner avec des agents utilisant des heuristiques ou des méthodes qualitatives.

3. Contributions Clés

1. Formulation Agnostique : Introduction d'un cadre traitant les applications comme des agents abstraits, avec trois modes de déconfliction concrètement définis (négociation, médiation, procédural).
2. Principes de Conception et Raisonnement CoT : Définition de principes pour les agents clients et formalisation d'un processus de Chaîne de Pensée (Chain-of-Thought) pour structurer le raisonnement et le flux de décision interne des agents.
3. Évaluation Comparative : Comparaison rigoureuse des trois modes sur une étude de cas réelle (réseau électrique), évaluant la trajectoire de consensus, le vecteur de résolution et l'écart par rapport aux optima individuels et au centroïde de base.

4. Étude de Cas et Résultats

L'approche a été validée sur un système de distribution électrique (test IEEE 123-bus modifié) avec deux applications en conflit :

• Application de Coût : Minimise les coûts opérationnels (décharge des batteries, utilisation de générateurs diesel).
• Application de Résilience : Privilégie le stockage d'énergie (charge des batteries, réduction des générateurs) pour maintenir des réserves.

Résultats Principaux :

• Convergence :
  • La négociation bilatérale a convergé le plus rapidement (5 tours), atteignant un consensus avec une génération diesel nulle et une décharge modérée des batteries.
  • La médiation structurée a nécessité 9 tours, ajustant dynamiquement les poids pour favoriser la coopération.
  • La déconfliction procédurale a échoué à converger dans certains cas (limité à 10 tours) lorsque les agents maintenaient des positions incompatibles (ex: l'agent résilience refusant de passer de la charge à la décharge), forçant l'utilisation du centroïde pondéré final comme solution par défaut.
• Performance et Pareto :
  • Toutes les méthodes ont produit des résultats nettement supérieurs à un compromis simple (centroïde initial).
  • Les solutions se situent dans une région faisable commune, loin des extrêmes exclusifs.
  • Analyse de compromis :
    • La négociation bilatérale atteint une haute efficacité de Pareto (solutions optimales) mais présente une forte variance et une faible équité (inégalité entre agents).
    • L'ajout de structure (médiation, procédural) réduit la variance et améliore l'équité (compromis plus justes), mais au détriment de l'optimalité de Pareto.

5. Signification et Conclusion

Cet article démontre que les agents LLM peuvent être efficacement coordonnés pour résoudre des conflits de ressources partagées sans révéler leurs objectifs internes.

• Flexibilité vs Structure : Il existe un compromis fondamental : les méthodes moins structurées (négociation directe) offrent une meilleure optimisation globale mais sont moins stables et équitables. Les méthodes structurées (médiation, procédural) offrent plus de prévisibilité et d'équité, mais peuvent sacrifier une partie de l'efficacité globale.
• Impact : Ce cadre permet l'intégration de multiples applications hétérogènes (propriétaires ou non) dans des systèmes critiques comme les réseaux électriques, en garantissant la sécurité et la performance globale tout en respectant la confidentialité des données.
• Perspectives : Les travaux futurs visent à améliorer l'efficacité de Pareto dans les modes structurés tout en conservant leurs avantages en termes de stabilité et d'équité.