Systèmes multi-agents : quand découper un agent IA en plusieurs a vraiment un intérêt

La promesse des systèmes multi-agents est intuitive : plutôt qu’un seul agent généraliste qui tente de faire de la recherche, de la rédaction, de la vérification et de la mise en forme, confier chaque étape à un agent spécialisé et laisser un superviseur les coordonner — comme un manager délègue à une petite équipe plutôt que de tout faire seul. L’idée n’est pas nouvelle : des chercheurs de Microsoft l’ont formalisée en 2023 dans AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation Framework, un framework où des agents personnalisables conversent entre eux, avec des outils et avec un humain pour résoudre une tâche de façon collaborative. Ce que la promesse omet souvent : la coordination n’est pas gratuite.

Le côté coût de l’équation

Chaque agent supplémentaire ajoute un passage de relais — un point où la sortie d’un agent devient l’entrée d’un autre, et où une ambiguïté ou une erreur peut s’accumuler au lieu d’être repérée. Un seul agent bien délimité échoue à un endroit, d’une façon inspectable. Une chaîne de cinq agents peut échouer de vingt-cinq façons, et au moment où le résultat atteint un humain, l’erreur d’origine peut être trois étapes en amont de là où elle a été repérée. Plus d’agents n’est pas automatiquement plus fiable — c’est plus de pièces mobiles.

Quand le découpage paie vraiment

Les cas où ça fonctionne partagent souvent la même forme : les sous-tâches sont réellement de nature différente (rechercher une information, rédiger, vérifier), chacune a un critère de réussite propre, vérifiable indépendamment des autres, et un superviseur — humain ou automatisé — peut voir et interrompre chaque étape, pas seulement relire le résultat final combiné. Découper une seule tâche floue en trois agents flous aide rarement ; découper un pipeline déjà compris en étapes déjà distinctes aide souvent.

• →Y a-t-il une vraie sous-tâche parallélisable ou séquentielle, ou s’agit-il d’un seul travail artificiellement coupé en trois ?
• →Chaque agent a-t-il son propre critère de réussite, vérifiable indépendamment des autres ?
• →Un superviseur peut-il voir et interrompre chaque étape — pas seulement relire le résultat final combiné ?

Avant d’ajouter un deuxième ou un troisième agent à un workflow, la question la plus utile n’est généralement pas « un agent de plus aiderait-il ici » mais « un seul agent bien délimité, correctement supervisé, ne suffit-il pas déjà » — la réponse est plus souvent oui que ne le laisse penser la promesse du multi-agent.