Agents IA (archétype)
Remarque : Ce document est une traduction automatique de la version originale anglaise.
Agents IA (archétype)
Les pages d'archétypes sur DecAIHub décrivent des modèles de projets récurrents — des schémas répétés de la façon dont les projets crypto-IA sont construits, de ce qu'ils offrent et du rôle que joue l'IA dans leur produit. L'archétype « agents IA » couvre les projets dont le produit principal est la construction, le déploiement ou l'exploitation d'agents IA : des logiciels autonomes qui perçoivent des données, raisonnent à leur sujet et exécutent des actions sans instruction humaine continue.
En bref : dans cet archétype, l'agent EST le produit — pas une fonctionnalité greffée sur autre chose.
Ce qui définit cet archétype
Un projet correspond à l'archétype agents IA lorsque son offre centrale tourne autour des agents, plutôt que d'utiliser des agents comme fonctionnalité secondaire. L'agent — sa création, son déploiement, son exploitation ou sa monétisation — est la raison d'être principale du projet. Cela distingue l'archétype des projets qui utilisent incidemment un agent en interne (p. ex. un protocole DeFi avec un rééquilibreur assisté par IA) mais dont le produit principal est autre chose. Dans l'archétype agents IA, retirer l'agent supprime le produit.
Les archétypes sont descriptifs, pas des recommandations. Ils aident les lecteurs à comparer des roadmaps similaires en surface et à poser des questions cohérentes sur les preuves, la sécurité et l'architecture. Deux projets du même archétype peuvent différer fortement en maturité et en profondeur d'IA vérifiable.
Schémas courants
Au sein de cet archétype, plusieurs schémas produit distincts apparaissent de manière répétée dans le registre DecAIHub.
Frameworks d'agents
Boîtes à outils « construisez votre propre agent ». Ces projets fournissent des SDK, des bibliothèques et des outils développeur pour créer des agents IA personnalisés. Ils incluent généralement des modules préconstruits pour la mémoire, la planification, l'usage d'outils et l'interaction avec la chaîne. Le produit est le framework lui-même — les agents construits dessus appartiennent à des développeurs tiers.
AI components typiques : agentic framework, agent SDK, AI agent platform (workflows/tools/KB).
Launchpads d'agents
Créer, déployer et tokeniser des agents. Ces plateformes permettent aux utilisateurs de construire un agent, de lui assigner un token et de le lancer on-chain — souvent avec des interfaces no-code ou low-code. Le schéma combine la création d'agents et l'émission de tokens en un seul flux. C'est l'un des cas d'usage les plus courants de la catégorie : AI agent creation + launch.
Cas d'usage typiques : AI agent creation + launch, build + deploy AI agents, no-code agent deployment.
Marketplaces d'agents
Découvrir et utiliser des agents préconstruits. Les projets de marketplace agrègent des agents construits par d'autres, permettant aux utilisateurs de parcourir, louer ou acheter des services d'agents. La marketplace gère la découverte, le paiement (généralement en tokens) et parfois la réputation. L'IA appartient aux créateurs d'agents individuels, pas à la marketplace elle-même.
AI components typiques : agent marketplace, agent registry, agent discovery.
OS agentique
Systèmes d'exploitation complets pour agents autonomes. Ces projets vont au-delà des frameworks isolés et tentent de construire un environnement complet où les agents peuvent se coordonner, partager des ressources, utiliser des outils et interagir avec plusieurs chaînes. Ils se positionnent comme la couche d'infrastructure d'une « économie des agents ».
AI components typiques : agentic OS, multi-agent orchestration, agent swarm.
Agents verticaux
Agents conçus pour des domaines spécifiques. Plutôt que de fournir une plateforme généraliste, ces projets construisent des agents pour une seule verticale : agents de trading DeFi, PNJ de gaming, personnalités des réseaux sociaux, assistants grand public ou agents de gestion d'infrastructure. L'IA est étroitement ciblée et la valeur dépend de la qualité avec laquelle l'agent accomplit sa tâche spécifique.
Cas d'usage typiques : AI bots/agents for crypto, AI-powered DeFi agent, autonomous trading agent, AI companion.
Ce qui unit ces schémas
Malgré des formes de produits différentes, tous les projets de cet archétype partagent la même propriété structurelle : l'agent est le produit. Le projet ne se contente pas d'utiliser l'IA comme une fonctionnalité parmi d'autres — l'ensemble de la proposition de valeur dépend de l'existence, de la qualité et de l'autonomie de l'agent.
Cela signifie qu'évaluer les projets de cet archétype exige de vérifier l'agent lui-même : raisonne-t-il, ou suit-il un script fixe ? Utilise-t-il un vrai AI component (LLM, apprentissage par renforcement, module de planification), ou est-ce une automatisation fondée sur des règles étiquetée « agent » ?
Les lecteurs doivent aussi distinguer les affirmations de plateforme (« nous rendons les agents possibles ») des affirmations d'instance (« notre agent a fait X on-chain »). Les deux peuvent être valides, mais elles exigent des types de preuves différents.
Où cet archétype apparaît dans les fiches DecAIHub
En lisant une fiche projet appartenant à cet archétype, recherchez :
- Catégorie — typiquement AI/Agents, souvent combinée à un tag de domaine (DeFi, Infra, Consumer, Gaming, Meme).
- AI component — doit nommer un mécanisme concret :
agentic framework,agent marketplace,AI agent platform,agent swarm,multi-agent orchestration. Des valeurs vagues sont un signal d'alerte. - Cas d'usage — valeurs courantes :
build + deploy AI agents,AI agent creation + launch,AI bots/agents for crypto,no-code agent builder. Le cas d'usage doit décrire ce que l'utilisateur fait avec le produit agent. - ai_score — reflète la quantité de preuves vérifiables existant pour les capacités d'IA de l'agent. Voir DecAI Fit.
Ce que cet archétype ne prouve pas
Être classé sous l'archétype agents IA signifie qu'un projet est positionné comme centré sur les agents. La classification seule ne confirme pas que :
- de vrais agents fonctionnent en production et accomplissent des tâches autonomes ;
- les agents utilisent une IA réelle plutôt que des scripts fixes ou de simples API wrappers ;
- la plateforme bénéficie d'une adoption significative par les utilisateurs ou les développeurs ;
- le token est nécessaire au fonctionnement des agents ;
- les agents du projet sont plus sûrs, plus intelligents ou plus autonomes que les alternatives.
De nombreux projets d'agents sont des plateformes à un stade précoce avec peu d'agents réellement déployés. L'écart entre la vision et la réalité vérifiable est souvent large dans cet archétype — ce qui rend le score d'AI reality et le niveau de preuve particulièrement importants.
Ne pas confondre avec
- Catégorie AI/Agents — l'étiquette de catégorie de premier niveau. La page d'archétype décrit le schéma produit courant ; la page de catégorie décrit le système de classification.
- Archétype assistant IA — les assistants répondent aux prompts des utilisateurs mais n'agissent généralement pas de manière autonome. Voir assistant vs agent.
- Archétype couche d'infra IA — les projets d'infrastructure fournissent des outils et des ressources que les agents peuvent consommer, mais l'infra elle-même n'est pas un agent.
- Automatisation — scripts fondés sur des règles qui exécutent une logique prédéfinie sans apprentissage ni raisonnement. Voir Automatisation vs IA réelle.
Questions fréquentes
« Archétype » est-il la même chose que la catégorie AI/Agents ?
Non. La catégorie AI/Agents est une étiquette de premier niveau dans la taxonomie. Un archétype explique les formes de produits récurrentes à l'intérieur et autour de cette étiquette (frameworks, marketplaces, agents verticaux). Utilisez les archétypes pour la reconnaissance de schémas narratifs ; utilisez les catégories et les valeurs d'AI component pour la comparaison structurée.
Pourquoi deux projets d'agents avec des landing pages similaires obtiennent-ils des ai_score différents ?
L'ai_score reflète les preuves vérifiables des affirmations d'IA — documentation, code, démos, comportement mesurable — pas la similarité marketing. Deux visions centrées sur les agents peuvent diverger fortement une fois les preuves Tier-1 appliquées.
Les lecteurs doivent-ils s'attendre à ce que chaque marketplace d'agents héberge un entraînement de modèles propriétaire ?
Pas nécessairement. Les marketplaces se concentrent souvent sur la découverte, les paiements et les interfaces, tandis que les créateurs fournissent les modèles et les politiques. Évaluez chaque couche séparément : l'infra de la plateforme, les modèles des créateurs et les preuves d'exécution on-chain.
Références externes
- Multi-agent system — Wikipedia — vue d'ensemble des agents autonomes coordonnés, contexte utile pour les affirmations de « swarm » et d'orchestration.
- Planning (AI) — Wikipedia — introduction à la planification comme discipline centrale de l'IA, souvent référencée dans les conceptions d'agents.
No comments to display
No comments to display