Analyses Frameworks d'agents et automatisation
Un agent ou une équipe ? Choisir l'architecture d'un agent d'IA, et savoir quand ajouter des agents aggrave les choses
Par ReviewRamble editors ·
La plupart des produits d'IA qui se présentent comme des agents fonctionneraient mieux, et coûteraient moins cher, sous la forme d'un court morceau de code ordinaire qui appelle un modèle deux ou trois fois. Les façons de construire avec des modèles de langage vont de la recette fixe à l'équipe de modèles qui s'envoient des messages, et chaque marche gagne en souplesse ce qu'elle perd en argent, en vitesse et en prévisibilité. Voici ce que fait chaque modèle d'architecture, quand il mérite sa place, et ce qui montre qu'ajouter des agents dégrade souvent la réponse.
Notre position est simple. Commencez par la conception la plus sobre qui fait le travail. Passez à un agent unique quand vous ne pouvez pas écrire les étapes. Passez à plusieurs agents seulement quand vous pouvez nommer l'erreur qu'un agent commet encore et encore, et montrer que répartir le travail la corrige.
La première question : qui choisit l'étape suivante ?
Chaque conception présentée ici répond autrement à une même question : est-ce votre code qui décide de la suite, ou le modèle ? Le guide d'ingénierie d'Anthropic, Building effective agents, trace la frontière nettement. Un workflow est un système dans lequel modèles et outils sont « orchestrés selon des chemins de code prédéfinis ». Un agent est un système dans lequel le modèle dirige « ses propres processus et son usage des outils ». Notre entrée de glossaire workflow ou agent détaille la différence.
Pensez au service de rappels d'un cabinet dentaire et à une agence de voyages. Le service de rappels exécute les trois mêmes étapes chaque soir : chercher les rendez-vous du lendemain, écrire un SMS poli, l'envoyer. Personne ne veut que ce logiciel improvise. Le travail de l'agence change à chaque appel : le vol est complet, donc on regarde le train, ce qui décale la réservation d'hôtel d'un jour. Le workflow, c'est le service de rappels. L'agent, c'est l'agence de voyages, et son jugement se paie en tokens, en temps et en quelques mauvais embranchements.
Le guide d'Anthropic va plus loin que la plupart des fournisseurs ne le feraient. L'approche la plus simple, écrit-il, « peut consister à ne pas construire de système agentique du tout », et pour beaucoup d'applications, un seul appel au modèle bien préparé, avec une recherche documentaire et quelques exemples dans le prompt, suffit.
Cinq workflows qui couvrent la plupart des produits
Enchaîner les prompts : une petite tâche par appel
Une chaîne découpe une tâche en étapes, et chaque appel au modèle travaille sur la sortie du précédent. L'enregistrement d'un appel commercial devient un résumé, le résumé une liste des relances promises, la liste un brouillon d'e-mail. Entre les étapes, du code ordinaire peut servir de contrôle : si le résumé ne mentionne aucune date pour le prochain rendez-vous, la chaîne s'arrête et le signale plutôt que d'envoyer un e-mail qui en invente une.
L'échange, selon les mots d'Anthropic, troque la latence contre la précision. Chaque appel a une tâche plus facile, donc il se trompe moins, et l'ensemble prend plus de temps. Quand un prompt unique oublie sans cesse l'une de six consignes, une chaîne est généralement la solution.
Routage : un accueil avant les spécialistes
Un routeur lit la demande, décide de quel type elle est et l'envoie sur le chemin correspondant. Une boîte de support trie remboursements, réinitialisations de mot de passe et réclamations vers des prompts distincts, chacun réglé pour sa tâche, de sorte qu'améliorer la réponse sur les remboursements ne peut pas casser en silence celle sur les mots de passe. La même astuce envoie les questions faciles à un petit modèle bon marché et les difficiles à un grand, comme l'explique notre entrée sur le routage de LLM.
Tout repose sur le tri. Un routeur qui classe une rétrofacturation comme une question de mot de passe envoie à un client déjà agacé les mauvaises instructions, avec une assurance totale. Mesurez donc le classifieur à part avant de faire confiance à ce qui vient derrière.
Parallélisation : découpage et vote
Certains travaux se divisent en morceaux indépendants les uns des autres, qui peuvent tourner en même temps pendant que du code assemble les résultats. Anthropic en distingue deux versions.
Avec le découpage, chaque appel reçoit une partie différente du travail. Le bail d'un locataire part vers trois appels à la fois : l'un lit le loyer et le dépôt de garantie, l'autre les obligations de réparation, le troisième la clause de résiliation. Chacun lit une seule chose avec toute son attention, et une dernière étape, en code, compose le rapport. Une combinaison courante fait filtrer les abus d'une demande par un appel pendant qu'un autre rédige la réponse.
Avec le vote, plusieurs appels reçoivent la même tâche et l'on compare leurs réponses. Trois relectures séparées d'une modification de code à la recherche de failles, avec la règle qu'une seule alerte l'envoie à une personne, en trouvent plus qu'une relecture unique. Le seuil vous appartient : un vote sur trois pour une alerte de sécurité, deux sur trois avant de masquer le message d'un client.
Évaluateur-optimiseur : un auteur et un éditeur
Un appel écrit ; un second vérifie le résultat selon des critères énoncés et le renvoie avec des notes ; la boucle recommence jusqu'à ce que le vérificateur soit satisfait. Un restaurant qui traduit sa carte en japonais en donne un bon exemple : l'évaluateur vérifie que chaque plat garde sa mention d'allergènes, que les prix n'ont pas changé et qu'aucun nom de plat n'a été rendu mot à mot jusqu'à l'absurde.
Anthropic donne deux signes que ce modèle convient : les remarques d'une personne amélioreraient nettement le brouillon, et un modèle peut formuler ce genre de remarques lui-même. Quand aucune des deux conditions n'est remplie, l'éditeur laisse tout passer ou chicane sans fin. Fixez une limite stricte au nombre de tours, et lisez notre entrée sur le LLM juge pour voir comment un modèle évaluateur se trompe.
Orchestrateur et exécutants : la charnière
Anthropic range celui-ci parmi les workflows, mais c'est le moment où le modèle commence à écrire le plan. Un modèle principal lit la tâche, décide des morceaux nécessaires, confie chacun à un appel exécutant et combine ce qui revient. Contrairement au découpage, les morceaux ne sont pas fixés d'avance : renommer un produit sur tout un site peut toucher trois fichiers ou trente, et seule la lecture du code le dit. Il revient plus bas, car c'est aussi la forme habituelle d'un système multi-agents.
La boucle à agent unique
Quand vous ne pouvez pas écrire les étapes, vous donnez au modèle des outils et un objectif, et vous le laissez travailler en boucle. Anthropic décrit les agents comme « en général de simples LLM qui utilisent des outils en fonction des retours de leur environnement, dans une boucle ». Le schéma que suivent la plupart d'entre eux vient de ReAct: Synergizing Reasoning and Acting in Language Models, un article de 2022 de Shunyu Yao et de ses collègues de Princeton et de Google, publié à ICLR 2023. Le modèle alterne une courte ligne de raisonnement et une action : réfléchir, appeler un outil, lire ce qui revient, réfléchir à nouveau.
Imaginez un colis perdu. L'agent lit la page de suivi et voit le colis bloqué dans un dépôt, consulte les avis de ce dépôt, découvre une suspension des livraisons, vérifie si la commande peut être réexpédiée et rédige une demande de remboursement quand ce n'est pas possible. Personne n'aurait pu écrire ce parcours d'avance, puisque chaque étape dépend de ce que la précédente a trouvé. Dans l'article, alterner raisonnement et actions a battu les méthodes d'imitation et d'apprentissage par renforcement de 34 et 10 points de taux de réussite absolu sur deux tâches interactives, ALFWorld et WebShop, avec seulement un ou deux exemples résolus dans le prompt.
C'est dans la boucle que se trouve l'essentiel du travail d'ingénierie. Nos entrées sur la boucle d'agent, sur ReAct et sur le harnais d'agent, le logiciel autour du modèle qui exécute les outils et fait respecter les règles, décrivent les pièces. Deux comptent plus que les autres. La première est une condition d'arrêt, comme un nombre maximal d'étapes, pour qu'un agent perdu ne dépense pas toute la nuit. La seconde, ce sont les outils eux-mêmes : le troisième principe d'Anthropic est de les documenter et de les tester avec le même soin que le prompt, car une description d'outil floue est une consigne floue.
Planifier puis exécuter : d'abord la liste
Un agent ReAct décide une étape à la fois, ce qui est souple et parfois sans cap : il peut répéter une recherche, s'égarer dans une voie de traverse ou perdre l'objectif de vue vers la vingtième étape. Planifier puis exécuter (plan-and-execute) sépare la réflexion de l'action. Un planificateur écrit toute la liste au départ, un exécutant la suit point par point, et après chaque point, ou quand quelque chose échoue, le planificateur peut revoir ce qui reste.
C'est ainsi qu'une personne raisonnable déménage : écrire la liste (réserver la camionnette, résilier la box, faire suivre le courrier), cocher au fur et à mesure, et réécrire la liste quand le loueur de camionnettes est complet. Le plan écrit vous donne quelque chose à montrer à un utilisateur, ou à faire valider par une personne, avant que rien ne se passe, et l'exécutant peut souvent être un modèle plus petit et moins cher. Le prix, c'est un plan qui vieillit. Si le planificateur ne le relit jamais, l'exécutant accomplit consciencieusement des étapes qui n'avaient plus de sens trois points plus tôt.
Orchestrateur et exécutants, en équipe d'agents
Un système multi-agents donne à plusieurs agents leurs propres consignes, outils et contexte, et une forme d'orchestration décide qui travaille et quand. La forme courante est un agent principal qui lance des sous-agents, chacun avec une fenêtre de contexte vierge, et fusionne leurs courts rapports.
La fonction de recherche d'Anthropic elle-même est le meilleur argument public en sa faveur. Dans son compte rendu de juin 2025, un Claude Opus 4 dirigeant des sous-agents Claude Sonnet 4 a battu un agent Opus 4 seul de 90,2% sur l'évaluation interne de recherche d'Anthropic. Le même texte donne la facture : les agents consomment environ quatre fois les tokens d'un chat, et les systèmes multi-agents environ 15 fois. Dans l'analyse d'Anthropic sur le benchmark BrowseComp, la consommation de tokens expliquait à elle seule 80% de la variance des performances. Une bonne part du gain, autrement dit, tient à la lecture supplémentaire que paient les agents supplémentaires. Anthropic écrit aussi que ces systèmes conviennent mal quand les agents doivent partager le même contexte ou dépendent les uns des autres, et que la plupart des tâches de programmation comportent moins de parties vraiment parallèles que la recherche.
La recherche se prête à ce modèle parce qu'elle est affaire d'étendue : dix entreprises à étudier, chacune indépendante des autres, chacune produisant plus de pages qu'une fenêtre de contexte n'en contient.
Transferts : passer l'appel à un spécialiste
Tout le monde connaît l'appel qui déraille au moment du transfert. Vous expliquez le problème à la première personne, on vous passe la facturation, et vous recommencez depuis votre numéro de client. Un transfert (handoff) est le même geste entre agents, et bien fait, il emporte la conversation avec lui.
Dans l'OpenAI Agents SDK (4,4), un transfert apparaît au modèle comme un outil : un transfert vers un agent de remboursement devient un outil nommé transfer_to_refund_agent, et l'appeler cède le contrôle. Par défaut, le nouvel agent « voit tout l'historique précédent de la conversation », selon la documentation des handoffs. Un input_filter peut réduire ce qui passe de l'autre côté, et une fonction on_handoff peut vérifier la raison donnée par le modèle et arrêter le transfert. L'autre option est l'agent utilisé comme outil : le premier agent garde la main, pose au spécialiste une question précise et reçoit une réponse, comme un vendeur qui appelle la réserve au lieu de vous tendre le combiné.
Les transferts conviennent à un accueil qui oriente les conversations vers des spécialistes dotés chacun de leurs outils : l'agent de remboursement peut rembourser, celui du suivi des commandes ne le peut pas. Cette séparation des droits est une vraie raison de diviser. Le risque est le revers de l'historique transmis : tout ce que le client a dit, et chaque résultat d'outil, voyage avec l'appel à moins que vous ne le filtriez.
Points de validation humaine
Un agent peut s'arrêter et demander à une personne avant de continuer, et Anthropic compte cela dans le schéma de l'agent : les agents « marquent une pause pour recueillir l'avis d'un humain à des points de contrôle ou face à un obstacle ». Notre entrée human-in-the-loop décrit le mécanisme, et LangGraph (4,6) est conçu pour des agents qui doivent s'arrêter, conserver leur état à travers un redémarrage et attendre une validation.
Placez le point de contrôle là où une action est irréversible : avant que l'argent ne bouge, avant qu'un e-mail n'atteigne un client, avant la fusion d'une modification. L'agent d'une équipe financière peut rassembler les factures et préparer seul le lot de paiements ; une personne valide le lot. Demander une validation à chaque étape apprend aux gens à cliquer sur oui sans lire, ce que nous avons examiné dans qui clique sur oui quand un agent d'IA demande. Quelques points bien placés sont lus ; des dizaines par jour ne le sont pas.
Quand plus d'agents dégradent les résultats
Le test le plus soigné du pari multi-agents à ce jour vient de Google Research, Google DeepMind et du MIT. Dans Towards a Science of Scaling Agent Systems, de Yubin Kim, Xin Liu et leurs collègues, mis en ligne pour la première fois en décembre 2025 et résumé sur le blog de Google Research en janvier 2026, les auteurs ont comparé un agent unique à quatre conceptions multi-agents : des agents indépendants dont les réponses sont fusionnées à la fin, un orchestrateur central, des pairs qui débattent, et un hybride des deux derniers. Ils ont gardé identiques les outils, les prompts et les budgets de tokens, et utilisé des modèles d'OpenAI, de Google et d'Anthropic. La version actuelle de l'article couvre 260 configurations sur six benchmarks.
Les résultats se partagent selon la forme de la tâche.
- Le travail parallèle a gagné. Sur Finance Agent, un benchmark d'analyse financière dont les questions se divisent en volets séparés (actualité, documents réglementaires, activité), un orchestrateur central a obtenu un score supérieur de 80,8% à celui d'un agent unique, 0,631 contre 0.349.
- Le travail séquentiel a perdu, à chaque fois. Sur PlanCraft, un casse-tête de fabrication dans Minecraft où chaque étape dépend de la précédente, toutes les conceptions multi-agents ont fait moins bien qu'un agent unique : de 39,1% pour l'hybride jusqu'à 70,0% pour les agents indépendants. L'agent unique a obtenu 0,568 ; les agents indépendants, 0.170.
- Les erreurs se propagent sans vérificateur. Les agents indépendants ont amplifié les erreurs 17,2 fois par rapport à un agent unique, car rien n'arrêtait l'erreur d'un agent avant qu'elle n'atteigne la réponse finale. Un orchestrateur central a contenu ce facteur à 4,4 en vérifiant le travail avant de le combiner.
- Un agent unique solide laisse peu à gagner. Dès qu'un agent réussissait déjà plus d'environ 45% du temps, ajouter des agents tendait à dégrader les résultats.
- Les tâches riches en outils paient une taxe. À budget de tokens fixe, le répartir entre agents laissait à chacun trop peu pour manier de nombreux outils. L'exemple de l'article est un processus métier à 16 outils.
L'exemple de l'article lui-même est l'image la plus claire. Chargé de fabriquer un mur de diorite, l'agent unique a cherché la recette, déplacé la pierre sur la grille et fabriqué le mur : trois tours. Une équipe coordonnée par un orchestrateur a réparti le même travail entre un chercheur de recettes, un vérificateur d'inventaire et un fabricant, dont deux superflus, et a dépensé son budget en messages sur le travail plutôt qu'en travail. Quatre cuisiniers autour d'une omelette.
La leçon n'est pas que les équipes d'agents échouent. Elles aident quand le travail se divise en morceaux indépendants et que quelque chose vérifie les morceaux, et elles nuisent quand le travail est une chaîne d'étapes dépendantes. À partir de caractéristiques mesurables de la tâche, le modèle de l'article a choisi la meilleure conception pour 87% des configurations qu'il n'avait pas vues, ce qui guide mieux que la démo de n'importe quel framework.
Un ordre de décision
- Essayez un seul appel au modèle avec une bonne recherche documentaire et des exemples. Mesurez-le sur 30 à 50 cas réels, comme dans notre guide pour tester les applications et agents d'IA, avant de construire quoi que ce soit d'autre.
- S'il saute des étapes, enchaînez-les. Si les demandes sont de natures différentes, routez-les. Si des parties sont indépendantes, faites-les tourner en parallèle ; si un lecteur rate des choses, faites voter plusieurs. Si la qualité obéit à un critère vérifiable, ajoutez un évaluateur avec une limite de tours.
- Si les étapes ne peuvent pas être écrites, utilisez une seule boucle d'agent, avec une limite d'étapes, des outils soigneusement décrits et des journaux que quelqu'un lit.
- Si cet agent s'égare, faites-lui d'abord écrire un plan, puis réviser ce plan en chemin.
- N'ajoutez des agents que pour une erreur que vous savez nommer : le matériau déborde d'une fenêtre de contexte, le travail se divise en recherches indépendantes, ou des étapes différentes exigent des droits différents. Mettez aux commandes un orchestrateur qui vérifie les résultats, jamais un tas d'agents indépendants.
- Partout où une action est irréversible, arrêtez-vous et demandez à une personne.
Ce que supposent les frameworks
Un framework vous pousse vers le modèle autour duquel il a été conçu. LangGraph (4,6) vous fait dessiner le graphe explicitement, ce qui convient aux workflows et aux agents de longue durée avec étapes de validation, au prix de davantage de code. L'OpenAI Agents SDK (4,4) est léger, bâti autour des transferts et des garde-fous, et envoie les traces à OpenAI sauf si vous le désactivez. CrewAI (4,1) fait tourner rapidement une équipe d'agents à rôles ; notre test a constaté que les équipes en production finissent par écrire ses Flows fixes plutôt que des crews libres. Pydantic AI (4,5) apporte des sorties typées à un agent unique, et le Claude Agent SDK (4,2) vous livre clés en main la boucle et les outils de Claude Code. AutoGen (2,6), l'influent framework multi-agents de Microsoft, est archivé. Notre entrée sur les frameworks d'agents décrit ce qu'ils ont en commun.
Le guide d'Anthropic conseille de commencer directement avec les API des modèles, puisque « de nombreux schémas peuvent être mis en œuvre en quelques lignes de code », et prévient que les frameworks peuvent masquer les prompts qu'il faut voir pour déboguer et rendre tentante une complexité superflue. Une chaîne ou un routeur, c'est quelques lignes dans n'importe quel langage. Un framework mérite sa place par ce qu'il fait bien, comme l'état durable ou le traçage, pas par un schéma que vous pourriez écrire en un après-midi.
Le hic : les preuves sont plus minces que l'assurance avec laquelle on en parle. L'étude de Google a fixé les budgets de tokens, si bien qu'une équipe qui dépense simplement davantage peut obtenir d'autres résultats, et ses benchmarks ne sont pas votre produit. Les 90,2% d'Anthropic viennent de sa propre évaluation interne, et son guide des schémas date de décembre 2024, avec une note indiquant que les outils ont changé depuis. Voyez-y une raison de mesurer votre propre tâche, pas un verdict.
Notre avis : construisez un système d'agents comme une petite entreprise recrute. Personne n'ouvre une boulangerie en nommant un directeur des opérations, un directeur logistique et un directeur de l'expérience client ; on embauche un bon boulanger et on écrit les recettes. La deuxième personne arrive quand la première est manifestement débordée par un travail qui peut se faire côte à côte, et quelqu'un vérifie les plaques avant qu'elles ne sortent. L'agent supplémentaire doit être la réponse à un problème que vous avez déjà vu.
Sources
- Erik Schluntz et Barry Zhang, Anthropic : Building effective agents, décembre 2024.
- Anthropic : How we built our multi-agent research system, juin 2025.
- Yubin Kim, Xin Liu et leurs collègues, Google Research, Google DeepMind et MIT : Towards a Science of Scaling Agent Systems, arXiv 2512.08296.
- Blog de Google Research : Towards a science of scaling agent systems: when and why agent systems work, janvier 2026.
- OpenAI Agents SDK : documentation des Handoffs.
- Shunyu Yao et ses collègues : ReAct: Synergizing Reasoning and Acting in Language Models, ICLR 2023.