Cet article aborde le changement de paradigme des agents d'IA, passant de l'apprentissage par renforcement (RL) aux modèles de langage à grande échelle (LLM), et maintenant à l'exploitation des synergies entre RL et LLM. L'exécution de tâches complexes du monde réel requiert planification et exécution, une maintenance fiable de la mémoire et une collaboration fluide avec d'autres agents, ce qui nécessite la gestion d'informations, de calculs et d'interactions complexes. La structuration des données, en particulier la structuration basée sur les graphes, qui présente des avantages pour l'organisation, la gestion et l'exploitation de relations de données complexes, peut jouer un rôle prometteur pour résoudre ces défis. Cet article fournit la première revue systématique de la manière dont les graphes améliorent les agents d'IA, explorant l'intégration des technologies graphiques aux fonctionnalités principales des agents, les applications notables et les pistes de recherche prometteuses.
