En bref. L’article ReAct étudie comment les modèles de langage entrelacent des traces de raisonnement et des actions propres à une tâche qui renvoient des retours externes.

Définition : ReAct: Synergizing Reasoning and Acting in Language Models présente une méthode qui entrelace les traces de raisonnement d’un modèle de langage, c’est-à-dire les étapes intermédiaires de raisonnement écrites, et des actions propres à une tâche. Les actions recueillent des retours d’un environnement externe, que le modèle utilise pour décider de la suite.

Points clés

L’article ReAct, de Shunyu Yao et ses collègues, est publié comme article de conférence à ICLR 2023.
La page du projet des auteurs décrit des consignes (prompts) contenant des raisonnements et des actions rédigés par des humains, ainsi que les observations renvoyées par l’environnement.
La présentation des expériences de Google Research décrit un protocole principal de prompting utilisant PaLM-540B, dont les poids restent figés.
Au 17 octobre 2026, le dépôt de code des auteurs fournit des expériences de prompting avec GPT-3 et indique utiliser 500 exemples de validation sélectionnés aléatoirement pour HotpotQA et FEVER.

Comment fonctionne la boucle de raisonnement et d’action ?

Les explications des auteurs sur le prompting décrivent une trajectoire : une séquence de raisonnements, d’actions et d’observations qui résout une tâche. Une consigne fournit quelques trajectoires complètes à titre d’exemples. Le modèle génère ensuite des étapes pour une nouvelle tâche en suivant ce format.

La présentation du modèle de Google Research distingue les rôles au sein de cette séquence. Le raisonnement met à jour le contexte du modèle, tandis qu’une action produit un retour de l’environnement externe. Pour les tâches de réponse à des questions, raisonnements et actions alternent. Pour les tâches de prise de décision qui impliquent de nombreuses actions, les consignes contiennent des raisonnements plus espacés, et le modèle décide quand en insérer. Les informations récupérées peuvent ainsi influer sur l’action suivante.

Quels outils les expériences de réponse à des questions utilisent-elles ?

Le protocole expérimental de l’article définit une interface Wikipédia avec les formes de commandes suivantes :

search[entity]
lookup[string]
finish[answer]

search[entity] renvoie les cinq premières phrases de la page Wikipédia correspondante, ou suggère des entités similaires lorsqu’aucune page ne correspond. lookup[string] renvoie la prochaine phrase de la page contenant la chaîne de caractères demandée. finish[answer] termine la tâche en fournissant une réponse.

HotpotQA évalue des questions qui nécessitent de raisonner à partir de plusieurs passages de Wikipédia. FEVER évalue des affirmations à partir d’éléments de preuve tirés de Wikipédia, avec les étiquettes SUPPORTS, REFUTES et NOT ENOUGH INFO. Dans ces expériences, le modèle reçoit la question ou l’affirmation et récupère des éléments à l’appui au moyen de l’interface.

Que montrent les résultats ?

Le tableau des résultats de Google Research compare ReAct au prompting par chaîne de pensée (chain-of-thought), une méthode de référence qui génère un raisonnement intermédiaire sans actions externes. Avec PaLM-540B, ReAct obtient 27,4 % de correspondance exacte sur HotpotQA, contre 29,4 % pour cette méthode de référence. Sur FEVER, ReAct obtient 60,9 % de réponses correctes, contre 56,3 %. La comparaison dépend donc de la tâche.

Le même compte rendu évalue aussi ALFWorld, un jeu textuel, et WebShop, une tâche de navigation sur des pages web. Les exemples du projet des auteurs comprennent un échec sur ALFWorld et montrent comment la modification du raisonnement rédigé par le modèle peut corriger son comportement. Ces expériences portent sur la réponse à des questions et l’exécution de tâches ; l’article n’évalue pas les taux de citation des sites web.

Termes associés

Questions fréquentes

ReAct nécessite-t-il de réentraîner un modèle ?

Les principales expériences de prompting utilisent un modèle figé. La description de l’ajustement fin (fine-tuning) de Google Research explore aussi l’entraînement de modèles plus petits sur des trajectoires ReAct réussies : l’article étudie donc les deux approches.

Où consulter l’implémentation expérimentale ?

Le dépôt des auteurs contient des notebooks pour HotpotQA, FEVER, ALFWorld et WebShop, ainsi que le répertoire prompts et le fichier wikienv.py. Son README présente l’implémentation publiée comme du code de prompting pour GPT-3 et précise la taille de l’échantillon de validation, des détails qui comptent pour comparer ses résultats aux tableaux de l’article.

Sources

Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO

Article ReAct