Ingénierie de contexte agentique (playbook évolutif)(ACE)

Traite le contexte d'un agent comme un playbook évolutif de stratégies concrètes, amélioré par trois rôles : un Generator qui produit des traces de raisonnement sur des tâches réelles, un Reflector qui en extrait des leçons à partir des succès et des échecs, et un Curator qui fusionne ces leçons dans le playbook sous forme de mises à jour delta compactes et structurées. Comme les mises à jour sont des ajouts et des modifications incrémentaux plutôt que des réécritures complètes, le playbook accumule des détails métier au lieu de souffrir d'effondrement du contexte et de biais de concision, où la réécriture itérative érode des spécificités durement acquises. Il ne nécessite aucune supervision étiquetée et s'applique aussi bien hors ligne, comme un prompt système amélioré, qu'en ligne, comme mémoire de l'agent ; l'article ACE d'ICLR 2026 rapporte environ +10.6% sur des tâches d'agent et +8.6% en finance. À distinguer de `prompt-optimization` : DSPy et GEPA optimisent un artefact de prompt en fonction d'une métrique, tandis qu'ACE fait croître un playbook en langage naturel par curation delta, avec un mécanisme explicite anti-effondrement couvrant à la fois le prompt et la mémoire ; et contrairement à `skill-library` (compétences exécutables) ou `self-improving-systems` (modifications de prompt et d'outils encadrées par des points d'approbation), l'artefact amélioré est un playbook en langage naturel curé.