HyperAgent — Cognition Engine : construire un système d'IA qui pense comme un humain

Le HyperAgent Cognition Engine est une architecture double de hyper-agent dans laquelle deux pipelines cognitifs complets — un Solver et un Critic — travaillent de concert, en combinant pensée latérale, raisonnement d’experts du domaine, vérification indépendante et affinage itératif dans un seul système cohérent. Chaque agent de cette architecture s’exécute sur son propre modèle, avec sa propre temperature, son reasoning effort et ses hyperparameters ajustés à la nature de sa tâche.

Ce n’est pas un design pattern unique. Ce sont plusieurs patterns éprouvés — orchestrés ensemble en quelque chose qui se comporte davantage comme un esprit que comme un workflow.

Note de l’auteur : l’architecture présentée ci-dessous est une vision et une conception personnelles ; elle représente ma façon particulière de structurer un Cognition Engine. De nombreux travaux de recherche dans l’industrie explorent des concepts et des frameworks similaires dans l’écosystème de l’AI.

Vue d’ensemble : deux esprits, un moteur

L’architecture s’articule autour de deux hyper-agents, chacun contenant un pipeline cognitif complet :

Hyper-Agent 1 — Le Solver : il prend l’input d’un utilisateur et produit une réponse riche et réfléchie. Il ne se contente pas de récupérer ou de générer ; il observe, se souvient, pense latéralement, synthétise, évalue, planifie et livre.
Hyper-Agent 2 — Le Critic : il reçoit cette réponse et la soumet à un pipeline d’évaluation contradictoire et indépendant. Il conteste, vérifie, puis approuve la réponse ou la renvoie pour affinage.

Le passage de relais entre les deux crée une boucle de rétroaction qui reflète quelque chose de profondément humain : notre capacité à produire des idées puis à les évaluer sans complaisance.

Hyper-Agent 1 : le pipeline du Solver

Le Router — une porte entre Système 1 et Système 2

Chaque requête commence au Router, qui constitue le premier point de décision de l’architecture — inspiré de la théorie du double processus de Daniel Kahneman. Il classe l’input et décide :

Fast Path : les requêtes simples, factuelles ou peu complexes sont dirigées vers l’agent Fast Answer, qui répond rapidement avec un overhead minimal. C’est le Système 1 : rapide, intuitif, efficace.
Deep Path : tout ce qui demande de l’analyse, du raisonnement ou de la nuance entre dans le pipeline cognitif complet. C’est le Système 2 : lent, délibéré, approfondi.

Cette porte est essentielle à l’efficacité. Toutes les questions n’ont pas besoin du moteur complet, et gaspiller un raisonnement profond sur des requêtes triviales est à la fois lent et coûteux.

Le Contextualizer — ancrer dans la réalité

Une fois sur le Deep Path, le Contextualizer entre en action. Il effectue des recherches web, détecte les lacunes de connaissances et détermine si le système dispose de suffisamment d’informations pour continuer. Si ce n’est pas le cas — s’il y a une ambiguïté ou un manque de contexte — il oriente vers un nœud Wait for User, qui ramène l’humain dans la boucle avant de poursuivre.

C’est important : le système sait ce qu’il ne sait pas. Au lieu d’halluciner pour combler les lacunes, il pose la question.

Observer → Reflector::Recall — voir et se souvenir

L’Observer analyse l’input ancré, en extrayant la structure, l’intent et les domain signals. Ensuite, le Reflector::Recall fouille la mémoire — en récupérant les interactions passées pertinentes, les patterns connus et les connaissances stockées pour éclairer la tâche en cours.

Ensemble, ils répondent à deux questions : Qu’est-ce que c’est ? et Que sais-je déjà à ce sujet ?

Le Lateral Thinking Engine — là où vit la créativité

C’est le cœur du Solver, et c’est là que l’architecture devient vraiment intéressante.

Inspiré des techniques de pensée latérale d’Edward de Bono, le moteur déploie six sub-agents spécialisés, chacun abordant le problème sous un angle fondamentalement différent :

Agent	Role
Provocateur	Connexion aléatoire pour trouver les angles morts — force des associations inattendues.
Challenger	Brise les hypothèses dans la formulation du problème.
Inverter	À quoi ressemblerait la MAUVAISE réponse ? Remonte à partir de l’échec.
Analogist	Comment d’autres domaines résolvent-ils ce problème ? Pollinisation croisée des idées.
Fractionator	Décompose selon qui y gagne et qui y perd — analyse structurelle.
Escapist	Échapper au piège du « cette réponse suffit » — aller au-delà du satisficing.

Ces six agents génèrent des perspectives alternatives. Puis l’agent Brainstormer Synthesis distille leurs sorties — 5 alternatives issues de 6 techniques — et les transmet au Thinker.

Mais voici la nuance : le Thinker ne se contente pas de choisir la meilleure idée. Il est guidé par des Expert Lenses — des personnages comme le Logicien, le Scientifique, l’Ingénieur, l’Artiste et le Communicant — sélectionnés dynamiquement selon les domain signals de l’Observer. Un problème mathématique active le Logicien ; une question d’UX active l’Artiste et le Communicant.

Et les hyperparameters le reflètent. Les lentilles analytiques tournent à basse température (T≈0.1) pour la précision. Les lentilles créatives tournent « à chaud » (T≈0.9) pour la divergence. Chaque agent est configuré indépendamment — modèle, temperature, reasoning effort — pour correspondre au mode cognitif qu’il représente.

Reflector::Evaluate — la porte de qualité

Avant toute livraison, l’agent Reflector::Evaluate applique une porte de qualité sur N dimensions. La réponse est-elle exacte ? Complète ? Bien structurée ? Répond-elle à l’intent d’origine ? C’est l’autocontrôle interne du Solver — le moment « attends, est-ce vraiment bon ? » avant de s’engager.

Executor::Plan → Executor::Execute → Deliver

La réponse qui survit passe à la phase d’exécution. Executor::Plan structure la livraison. Executor::Execute produit l’output mis en forme. Et Deliver empaquette le brouillon final avec des alternatives latérales — parce que parfois, la deuxième meilleure idée est celle dont l’utilisateur avait vraiment besoin.

Ensuite, l’ensemble de l’output est transmis au Critic.

Hyper-Agent 2 : le pipeline du Critic

Si le Solver est l’esprit créatif, le Critic est le relecteur sceptique. Il exécute son propre pipeline cognitif complet — pas un simple pouce levé/baissé, mais une évaluation approfondie et indépendante.

Critic Fast — le contrôle rapide de cohérence

Comme le Router du Solver, le Critic dispose d’un chemin rapide. Critic Fast effectue une vérification factuelle légère. Si la réponse est clairement solide, il l’approuve et le système s’arrête. Si quelque chose cloche, il escalade vers le chemin d’évaluation approfondie.

Deep Evaluation Pipeline

Lorsque le Deep Path est déclenché, le Critic reproduit la profondeur cognitive du Solver :

Le Critic Observer passe au crible l’output du Solver à la recherche d’affirmations, d’intégrité structurelle et de lacunes de couverture. Le Critic Reflector confronte ces affirmations à sa propre base de connaissances — en vérifiant de façon indépendante, sans faire aveuglément confiance au travail du Solver.

Le Lateral Thinking Engine du Critic

Le Critic possède son propre jeu de six agents de pensée latérale — les mêmes six archétypes (Provocateur, Challenger, Inverter, Analogist, Fractionator, Escapist) — mais désormais tournés vers la réponse plutôt que vers la question. Ils remettent en cause l’output du Solver sous six angles :

Y a-t-il un angle mort ? (Provocateur)
Y a-t-il des hypothèses cachées ? (Challenger)
Qu’est-ce qui rendrait cette réponse fausse ? (Inverter)
Comment d’autres domaines jugeraient-ils la qualité ? (Analogist)
Qui gagne et qui perd avec cette approche ? (Fractionator)
« Cette réponse suffit » est-il vraiment suffisant ? (Escapist)

Le Critic Brainstormer synthétise tout cela en 5 perspectives d’évaluation, qui alimentent le Critic Thinker (qui construit des hypothèses d’évaluation et fait ressortir les problèmes critiques) et le Critic Executor.

Le Synthesizer — l’heure du verdict

Le Critic Synthesizer est le point de convergence. Il absorbe tout :

Les affirmations et lacunes relevées par l’Observer.
Les vérifications de connaissances du Reflector.
Cinq perspectives d’évaluation latérale.
Les hypothèses du Thinker.
Les données de vérification de l’Executor.

Le tout condensé en un verdict unique assorti d’un score numérique.

Si le score atteint le seuil (≥ 0.75), la réponse est approuvée et passe au Reflector::Learn, qui stocke les enseignements de l’interaction pour s’en souvenir à l’avenir. Fin du pipeline.

Si le score est insuffisant, le Critic Refiner réécrit la réponse à partir de toute l’analyse, et l’output révisé repart dans le pipeline d’évaluation depuis le début. Cela crée une boucle d’affinage itératif qui se poursuit jusqu’à la convergence.

Configuration des hyperparameters par agent

L’une des décisions de conception les plus importantes de cette architecture : chaque agent dispose de hyperparameters configurables indépendamment.

Ce n’est pas un système monolithique qui fait tourner un modèle à une seule temperature. Ce sont 19 agents configurables indépendamment, chacun réglé pour son rôle cognitif précis :

Agents analytiques (Observer, Reflector, Executor) : ils tournent sur des modèles précis, à basse température ou avec un reasoning effort élevé — la précision compte plus que la créativité.
Agents créatifs (les sub-agents de Lateral Thinking, en particulier Provocateur et Escapist) : ils tournent à haute température.
Agents de synthèse (Brainstormer, Thinker, Synthesizer) : ils utilisent des réglages modérés — assez créatifs pour voir des connexions, assez disciplinés pour rester cohérents.
Agents de routage (Router, Critic Fast) : ils utilisent des modèles légers et rapides — ils prennent des décisions binaires ou à faible cardinalité et n’ont pas besoin d’un raisonnement lourd.

Le système est multi-provider par conception, puisant dans Azure OpenAI (GPT models) et Azure AI Foundry (Claude, Mistral, Phi) selon les besoins de chaque agent. Un Router rapide pourrait utiliser GPT-5.4 nano. Un Thinker approfondi pourrait utiliser Claude Opus 4.6.

C’est là que l’analogie avec la cognition humaine devient concrète : votre cerveau n’utilise pas le même processus neuronal pour la reconnaissance de formes que pour la déduction logique. Des modes cognitifs différents exigent des profils de calcul différents. Cette architecture en tient compte.

Les design patterns en jeu

Ce système n’invente rien à partir de zéro. Il compose des patterns éprouvés :

Dual-process theory (Kahneman) → la porte Système 1 / Système 2 du Router.
Lateral thinking (de Bono) → des sub-agents inspirés des Six Chapeaux de la réflexion dans les deux pipelines.
Generator-Critic loops → le Solver produit, le Critic évalue, le Refiner améliore.
Chain of thought / multi-step reasoning → le pipeline Observer → Reflector → Thinker → Executor.
Expert mixture → des Expert Lenses propres à chaque domaine, activées par des signaux de contexte.
Adversarial evaluation → un pipeline de Critic indépendant avec sa propre pensée latérale.
Iterative refinement avec convergence → une approbation fondée sur un score avec détection des rendements décroissants.
Memory and learning → Reflector::Recall et Reflector::Learn pour la persistance d’une session à l’autre.