Actualités

Retour à la page des dernières actualités
POUR DIFFUSION IMMÉDIATE n° 3859

Mitsubishi Electric développe une IA multi-agents pour une prise de décisions expertes par le biais d’un débat contradictoire

Accroît l’efficacité en automatisant la prise de décision complexe impliquant des compromis

Ce texte est une traduction de la version anglaise officielle de ce communiqué de presse. Il est fourni à titre de référence et pour votre confort uniquement. Pour plus de détails ou de précisions, veuillez vous reporter à la version originale en anglais. En cas de divergence, la version originale en anglais prévaut.

Technologie d’IA multi-agents pour une prise de décisions expertes via un débat contradictoire

Technologie d’IA multi-agents pour une prise de décisions expertes via un débat contradictoire


TOKYO, 20 janvier 2026 : Mitsubishi Electric Corporation (TOKYO : 6503) a annoncé aujourd’hui avoir développé la première1 technologie d’IA multi-agents du secteur industriel qui exploite un cadre d’argumentation2 pour générer automatiquement des débats contradictoires entre agents IA experts3 et prendre rapidement des décisions expertes avec un raisonnement transparent. Cette technologie est le résultat du programme d’IA Maisart®4 de l’entreprise et est conçue pour accroître l’efficacité dans la prise de décisions expertes complexes.


Les entreprises sont confrontées à des prises de décision de plus en plus complexes nécessitant des compromis, tels que l’évaluation des risques de sécurité et la planification de la production. Cependant, ces opérations nécessitent une expertise avancée et dépendent de personnes spécifiques, ce qui entraîne des difficultés potentielles pour prendre des décisions lorsque le personnel clé est absent et qu’il est long et fastidieux d’établir un consensus pour parvenir à des solutions de compromis. De plus, les préoccupations concernant l’opacité du raisonnement de l’IA ont engendré une résistance à l’application de l’IA dans la prise de décisions cruciales. L’adoption de l’IA a été particulièrement limitée dans les décisions liées à la sécurité et à la sûreté, domaines dans lesquels la transparence du raisonnement et des preuves est essentielle.


Pour relever ces défis, Mitsubishi Electric a développé une nouvelle technologie qui applique le concept de « génération contradictoire », tel qu’il est utilisé dans les réseaux antagonistes génératifs (Generative Adversarial Networks, GAN)5, aux débats de l’IA multi-agents, ce qui permet à des agents IA experts de s’affronter entre eux afin d’aboutir à de meilleures conclusions. Cette technologie permet d’obtenir des analyses approfondies par le biais d’un débat contradictoire et d’une prise de décisions fondée sur des preuves, ce qui est difficile avec les systèmes d’IA multi-agents coopératifs conventionnels. La solution de Mitsubishi Electric permet de déployer l’IA dans des prises de décisions hautement spécialisées impliquant des compromis complexes, tels que l’analyse de la sécurité, la planification de la production et l’évaluation des risques, contribuant ainsi à l’efficacité opérationnelle.


  • 1

    Selon une étude réalisée par Mitsubishi Electric, au 20 janvier 2026 (en tant qu’exemple de mise en œuvre dans le secteur industriel).

  • 2

    Un cadre théorique qui définit mathématiquement la structure des arguments logiques et construit automatiquement des relations d’attaque et de défense des arguments.

  • 3

    Une technologie d’IA qui collecte les données de manière autonome, sélectionne les méthodes optimales et exécute les tâches pour atteindre les objectifs au nom des utilisateurs. Les agents IA experts possèdent une expertise avancée et des capacités de jugement spécialisées dans des domaines ou des opérations spécifiques.

  • 4

    "Mitsubishi Electric's AI creates the State-of-the-ART in technology" (l'intelligence artificielle de Mitsubishi Electric crée une technologie de pointe) :
    la marque de technologie d’IA de Mitsubishi Electric a pour objectif de rendre chaque appareil plus intelligent.

  • 5

    Une méthode représentative des modèles génératifs. Deux modèles, un générateur et un discriminateur, sont en concurrence pour améliorer la précision de l’apprentissage.