Résumé technique : Vers un raisonnement autonome multi-agents en hydrodynamique

Énoncé du problème

Les systèmes mono-agent (SAS) sont devenus le paradigme par défaut pour les flux de travail scientifiques pilotés par les grands modèles de langage (LLM), reposant sur un modèle unique pour orchestrer la planification, le raisonnement et l'exécution d'outils via une seule fenêtre de contexte. Cependant, à mesure que les enquêtes scientifiques gagnent en complexité, les architectures SAS atteignent des plafonds structurels et cognitifs. L'afflux cumulatif de documentation d'outils, d'historiques d'observation et d'instructions de prompt sature rapidement les limites de contexte du modèle, diluant l'attention et dégradant les performances. De plus, le routage de toute la logique à travers un seul nœud crée des goulots d'étranglement opérationnels ; si l'agent échoue sur une sous-tâche ou peine à intégrer des domaines d'expertise concurrents, l'ensemble du pipeline analytique s'arrête.

Dans le domaine spécifique de l'hydrodynamique, ces défis sont exacerbés par la nature intrinsèquement multi-source des données. La caractérisation des aléas d'inondation côtière nécessite de concilier des données observationnelles de provenance fondamentalement différente (par exemple, enregistrements de marégraphes, levés bathymétriques, télédétection et sorties de modèles à maillage non structuré) qui diffèrent par leur format, leur résolution et leurs grandeurs physiques. L'hydrodynamique opérationnelle s'appuie en outre sur des forçages atmosphériques, des limites océaniques et des débits fluviaux, créant un paysage de données fragmenté résistant aux requêtes unifiées sous un seul schéma.

Méthodologie

Les auteurs présentent un prototype de système multi-agents (MAS) conçu pour automatiser les flux de travail scientifiques en hydrodynamique, spécifiquement pour la prédiction des ondes de tempête induites par les ouragans. Le système s'éloigne des architectures monolithiques pour adopter une orchestration structurée en graphe utilisant un Graphe d'Exécution de Couches (LEG).

Architecture de base

Le MAS est composé d'agents sélectionnés dynamiquement et arrangés dans un LEG pendant l'exécution. Le système utilise un registre pour définir les identités des agents, leurs capacités et les listes blanches d'outils autorisés. Les agents sont catégorisés comme suit :

1. Agents Spécialistes : Ces agents opèrent sous des listes blanches d'outils strictes et occupent des rôles complémentaires de classe de données. Ils incluent :
   • NHC : Récupère les guides de cyclones tropicaux, les meilleures trajectoires et les avis.
   • NOAA CO-OPS : Fournit les niveaux d'eau observés et prédits.
   • USGS : Fournit les marques de haute eau basées sur des relevés et les données d'événements.
   • FEMA : Accède aux cartes de taux d'assurance inondation et aux couches de danger numériques.
   • STOFS : Génère des graphiques de contours des prévisions opérationnelles d'ondes de tempête.
   • OSM : Fournit des tuiles Open Street Map.
2. Agents à Usage Général : Ils gèrent le flux de travail et la synthèse :
   • Architecte de Graphe : Construit le LEG basé sur des heuristiques de routage en langage naturel dérivées du registre. Il détermine s'il faut utiliser un pipeline unique ou des pistes parallèles.
   • Consolidateur : Fusionne les sorties parallèles d'une couche en résumés concis pour compacter le contexte pour les agents en aval.
   • Fusion Inter-pistes : Consolidation des sorties de plusieurs pistes parallèles.
   • Agent Image : Analyse les images (par exemple, provenant de STOFS ou OSM) en utilisant les capacités de compréhension d'images de pointe des LLM.
   • Rapporteur : Synthétise la réponse finale basée sur le matériel fusionné et la requête originale.

Stratégie d'orchestration

L'Architecte de Graphe mappe les requêtes utilisateur vers un LEG en utilisant des heuristiques de routage en langage naturel qui capturent les connaissances du domaine sans coder en dur une logique de contrôle rigide. Le LEG prend en charge deux topologies :

• Pipeline Unique : Une séquence ordonnée de couches.
• Pistes Parallèles : Des sous-questions indépendantes sont assignées à des pipelines distincts, qui sont ensuite fusionnés.

Crucialement, le système emploie une stratégie de compaction de contexte. Lorsque plusieurs spécialistes opèrent en parallèle au sein d'une couche, leurs sorties ne sont pas transmises brutes à l'étape suivante. Au lieu de cela, un agent Consolidateur les fusionne en un bloc Markdown cohérent, empêchant la saturation de la fenêtre de contexte. L'exécution maintient une piste d'audit structurée pour chaque invocation d'outil, enregistrant les arguments, le timing, les hachages de contenu et les URL pour soutenir la traçabilité des données et l'auditabilité.

Le prototype repose sur l'appel d'outils et la compréhension d'images basés sur Python, en interface avec les API d'Anthropic et d'OpenAI (utilisant spécifiquement Claude Sonnet 4.6 comme modèle de base pour tous les agents dans l'évaluation).

Contributions clés

1. Orchestration par Graphe d'Exécution de Couches (LEG) : L'article introduit une stratégie de coordination basée sur les graphes qui regroupe le travail en étapes synchronisées (couches) s'exécutant en parallèle avant de fusionner aux barrières. Cela diffère des graphes acycliques dirigés (DAG) standards en imposant des barrières de couche globales et une synchronisation par étape, ce qui aide à la gestion du contexte.
2. Heuristiques de Routage Spécifiques au Domaine : Le système utilise des heuristiques en langage naturel au sein de l'Architecte de Graphe pour prendre des décisions de routage (par exemple, obtenir des données de meilleure trajectoire avant des données d'onde de tempête, ou séparer les spécialistes observés des hypothétiques) plutôt que de s'appuyer sur des flux de travail programmatiques rigides et prédéfinis.
3. Compaction de Contexte par Consolidation : L'introduction d'un agent Consolidateur dédié pour fusionner les sorties parallèles adresse le goulot d'étranglement de la « saturation du contexte » inhérent aux systèmes mono-agent, permettant au système de gérer des requêtes complexes multi-sources sans submerger la fenêtre de contexte du LLM.
4. Exécution Consciente de la Provenance : Le système enregistre chaque invocation d'outil avec un identifiant de trace partagé, créant un registre pour examiner la provenance des déclarations et des quantités rapportées.

Résultats

Le prototype a été évalué sur 37 requêtes couvrant six catégories de complexité, allant des recherches mono-agent simples aux enquêtes parallèles multi-pistes complexes. Toutes les expériences ont utilisé Claude Sonnet 4.6.

• Performance : Le système a atteint une précision factuelle globale de 93,6 % avec un taux de réussite de 100 % (zéro erreur d'exécution).
• Précision par Complexité :
  • Les requêtes mono-agent (par exemple, catégories de tempêtes NHC) ont atteint 99,5 % de précision.
  • Les pipelines linéaires multi-agents ont atteint 90,1–95,0 % de précision.
  • Les requêtes à pistes parallèles ont atteint 94,9–95,9 % de précision.
  • La précision la plus faible (82,2 %) s'est produite dans la catégorie « NHC→N+U », où le système devait concilier les observations de marégraphes avec les marques de haute eau relevées par des instruments indépendants ayant des datums verticaux différents.
• Robustesse :
  • Tests de Stress : La précision est restée supérieure à 90 % même lors du passage d'une à cinq sous-questions indépendantes.
  • Robustesse Adversariale : Le système n'a jamais halluciné de données pour des scénarios impossibles (par exemple, tempêtes inexistantes ou emplacements intérieurs) et a détecté 4 des 5 prémisses problématiques.
  • Tolérance aux Pannes : Lors de pannes d'API simulées (NOAA CO-OPS, USGS ou FEMA), le système a dégradé gracieusement, renvoyant des réponses partielles substantielles sans planter.
• Études d'Ablation :
  • Le remplacement de l'Architecte de Graphe adaptatif par un pipeline statique a réduit la précision factuelle de 28,7 points de pourcentage, confirmant que la planification adaptative est critique.
  • La suppression de l'agent Consolidateur a réduit la précision factuelle de 4,6 points, bien qu'elle ait augmenté les scores d'attribution de source (en raison de la présence de jetons techniques bruts), soulignant un compromis entre la cohérence et la rétention de données brutes.
  • La suppression de l'agent Rapporteur a réduit la précision factuelle de 10,8 points, démontrant la valeur de l'étape de synthèse finale.
• Coût : Le système est efficace en termes de calcul par rapport au travail effectué ; les agents spécialistes ont consommé 92,2 % des jetons, tandis que la surcharge d'orchestration (Architecte, Consolidateur, Rapporteur) ne représentait que ~6 %.

Signification et Revendications

L'article revendique qu'une orchestration multi-agents structurée en graphe et guidée par un planificateur peut atténuer de manière significative les goulots d'étranglement de saturation du contexte qui contraignent les architectures mono-agent monolithiques. Les auteurs soutiennent que, bien que les systèmes multi-agents (MAS) introduisent de nouvelles complexités en matière de communication et de latence, ils constituent une stratégie viable pour des enquêtes de haute complexité et multi-échelles, comme la modélisation géoscientifique, où les bénéfices d'un raisonnement collaboratif spécialisé l'emportent sur la surcharge de coordination.

Le travail suggère que la distribution de l'état et de l'exécution des outils sur plusieurs fenêtres de contexte empêche tout agent unique d'être submergé par des données hétérogènes. De plus, la séparation des préoccupations — où les agents spécialistes gèrent la récupération et les agents à usage général gèrent la planification et la synthèse — crée une décomposition structurellement nécessaire pour les flux de travail scientifiques complexes.

Les auteurs restent modestes quant à l'état actuel du prototype, notant qu'il est « assez léger » et ne fait pas tourner lui-même des modèles hydrodynamiques mais s'appuie fortement sur des API. Ils reconnaissent que la stratégie actuelle d'enregistrement de la provenance peut ne pas être optimale pour les grands flux de travail et que le système manque actuellement d'un agent « superviseur » pour la redondance et la récupération d'erreurs. Cependant, les résultats indiquent que cette architecture est précise, résiliente et extensible à d'autres sous-domaines des géosciences.