En bref
Un système multi-agents est un montage où plusieurs agents IA, chacun avec son propre rôle, ses outils et son contexte, travaillent ensemble pour accomplir une tâche trop grande ou trop variée pour un agent unique. Au lieu qu'un agent fasse tout dans une longue conversation, le travail est réparti : un agent orchestrateur décompose l'objectif en morceaux et confie chaque morceau à un agent spécialisé (recherche, coding, revue), puis fusionne leurs résultats. Chaque agent tourne dans son propre contexte, pour rester concentré et ne pas se noyer dans toute la tâche à la fois. Le schéma échange un peu de surcoût de coordination contre de la spécialisation, du parallélisme et un contexte plus propre, ce qui le fait apparaître dans les systèmes agentiques les plus ambitieux.
Comment fonctionnent les systèmes multi-agents
La plupart des systèmes multi-agents suivent une forme orchestrateur-et-workers. Un agent lead planifie et délègue, des agents workers accomplissent des sous-tâches ciblées, et les résultats refluent pour être fusionnés.
- Orchestrateur : lit l'objectif, le découpe en sous-tâches et décide qui fait quoi.
- Agents spécialistes : chacun possède un rôle étroit avec son propre prompt, ses outils et son context window.
- Coordination : les résultats sont renvoyés et fusionnés, parfois sur plusieurs tours.
Multi-agents vs agent unique vs subagents
Un agent unique accomplit toute une tâche dans un seul contexte, ce qui est le plus simple et le mieux pour la plupart des travaux. Les subagents sont la variante légère du chemin vers le multi-agents : un agent principal délègue un morceau ciblé à un assistant qui tourne dans son propre contexte et renvoie un résumé. Un système multi-agents complet va plus loin, avec plusieurs agents de même rang qui se coordonnent autour d'un objectif commun. La règle honnête est de ne recourir à plus d'agents que lorsqu'un agent ne peut vraiment pas porter la tâche, car chaque agent supplémentaire apporte un coût de coordination.
Quand utiliser plusieurs agents
Plusieurs agents méritent leur place quand un travail a des compétences distinctes ou peut tourner en parallèle : rechercher beaucoup de sources à la fois, ou répartir construire, tester et relire sur des spécialistes. Ils aident aussi à garder chaque contexte propre, puisque les sous-tâches bruyantes restent hors du thread principal. Mais plus d'agents signifient plus de façons de se mécomprendre, donc commencez avec un agent capable et ses subagents et ne grandissez vers un système multi-agents complet que lorsque la tâche l'exige clairement.