Aller au contenu

LangGraph

📝 Définition courte

Bibliothèque (écosystème LangChain) qui modélise un agent ou un pipeline RAG comme un graphe orienté : nœuds (actions LLM, outils, retrieval), arêtes (transitions), état partagé et cycles contrôlés1.

📖 Définition détaillée

LangGraph permet de construire des workflows agentiques explicites : au lieu d’une chaîne linéaire, on définit des étapes rejouables (ex. « retrieve → grade → rewrite → generate »), avec persistance d’état entre tours et points d’arrêt pour human-in-the-loop.

En on-premise, LangGraph s’utilise souvent avec un backend vLLM ou Ollama local, une base vectorielle et des outils métier (SQL, API internes). C’est une alternative structurée à des frameworks plus minimalistes comme SmolAgents quand le flux devient complexe.

💡 Pourquoi c’est important en IA on-premise

  • Pattern Agentic RAG : self-correcting retrieval, re-planification après échec d’outil.
  • Gouvernance : graphe lisible = auditabilité des étapes (vs boîte noire monolithique).
  • Complète 🧩 RAG & Agents pour les équipes déjà sur l’écosystème LangChain.

⚠️ Pièges fréquents

  • Empiler LangGraph + LangChain sans auditer la télémétrie : certains composants peuvent contacter des services cloud par défaut — configurer en mode offline/on-prem.
  • Graphes trop profonds sans limite de tours : risque Excessive Agency (OWASP LLM06) et explosion de coût/latence.
  • Oublier la persistance d’état : redémarrage = perte de contexte agent si non externalisé (Redis, SQLite).

📚 Pour comprendre en profondeur

  1. 🧩 RAG & Agents — Agentic RAG et orchestration
  2. Agent autonome
  3. Appel d'outils

🔗 Voir aussi

Footnotes

  1. LangGraph — documentation officielle. https://langchain-ai.github.io/langgraph/ ↩

Donner mon avis

Tout est facultatif : une seule réponse suffit. Ce site n'envoie rien : c'est vous qui envoyez, par le moyen de votre choix.

Votre notePas de note
Votre avis porte sur
Sur quoi ? (plusieurs choix possibles)
Ce qui sera envoyé
Envoyer par e-mail

Privé, sans compte : ouvre votre messagerie avec le message prêt, pour ia-on-prem@damien.becherini.fr.

Ouvrir un ticket GitHub ↗

Public, avec un compte GitHub. Vous relisez le ticket avant de le publier.

Pour le coller où vous voulez.

Donnez au moins une note, un sujet ou un message pour pouvoir envoyer.