Commence par un seul agent. N’ajoute de la complexité que lorsqu’un problème précis le justifie, et mesure le prix en tokens.
À retenir avant de commencer
Un agent peut suffire à beaucoup de tâches. Deux, trois ou dix agents spécialisés peuvent en débloquer d’autres, avec une complexité réelle. Choisis sur des problèmes concrets.
La règle simple, répétée par tous les grands éditeurs : commence par un seul agent, et ajoute de la complexité lorsqu’un problème précis le justifie.
La règle simple : commence par un seul agent
Anthropic le formule sans ambiguïté : trouvez la solution la plus simple possible, et n’augmentez la complexité que lorsque le besoin le justifie, jusqu’à préférer une organisation simple quand le système agentique n’apporte rien. [1]
LangChain le formule autrement : un seul agent avec les bons outils et le bon prompt peut souvent traiter un problème complexe avec un résultat similaire. [28]
Pour une TPE ou une PME, cela signifie : un seul agent, bien outillé, bien borné, d’abord. La question du multi-agents ne se pose qu’après avoir observé une limite réelle.
Les trois cas où le multi-agents se justifie
LangChain documente les situations où plusieurs agents apportent réellement quelque chose [28] :
- Trop d’outils pour un seul agent : quand un agent a beaucoup d’outils, il fait de mauvais choix. Des agents spécialisés, chacun avec peu d’outils, décident mieux.
- Des connaissances spécialisées avec beaucoup de contexte : chaque spécialiste peut charger son propre contexte sans noyer un agent généraliste.
- Des contraintes séquentielles : des étapes qui doivent s’enchaîner dans un ordre précis, avec des vérifications entre chaque.
À ces trois cas s’ajoute la parallélisation : plusieurs sous-agents qui travaillent en même temps sur des sous-tâches indépendantes peuvent accélérer le traitement.
La bascule d’orchestration
Prenons une demande de support client : un client demande le statut de sa commande et une modification. Clique sur chaque configuration pour comparer.
Interaction-signature
La bascule d’orchestration
- Reçoit la demande
- Retrouve le contexte
- Prépare la réponse
- Demande la validation
Un seul contexte, une seule trace, un coût maîtrisé.
Si la tâche exige plusieurs domaines, l’agent unique devient encombré.
Retiens le multi-agents si le gain mesuré de qualité ou de délai justifie son coût et sa coordination.
Un seul agent
L’agent unique reçoit la demande, retrouve le contexte, prépare la réponse et demande la validation. Pour une demande simple, c’est le chemin le plus direct : un seul contexte, une seule trace, un coût maîtrisé.
Trois agents spécialisés
Un superviseur reçoit la demande et la route : l’agent qualification identifie le client et sa commande, l’agent réponse prépare le message, l’agent relais gère la modification après validation. Chaque agent a peu d’outils et un contexte étroit, mais le coût en tokens et la complexité de coordination augmentent.
Le schéma superviseur + spécialistes
Quand le multi-agents se justifie, le pattern le plus courant est le superviseur avec des spécialistes. AWS le décrit ainsi : un agent superviseur central route les demandes vers des agents spécialisés sur des domaines précis (recommandations produit, suivi de commande, support technique) et agrège les réponses quand nécessaire. [30]
Anthropic a construit son propre système de recherche sur ce modèle : un agent principal coordonne le processus et délègue à des sous-agents spécialisés qui travaillent en parallèle. [6] Google recommande la même architecture pour les processus complexes qui demandent plusieurs compétences. [31]
Pour une entreprise, ce schéma se traduit par une organisation lisible : un agent qui reçoit et oriente, des agents qui font une seule chose chacun.
Le vrai coût : les tokens
Dans son retour de juin 2025, Anthropic rapporte un gain de 90,2 % sur une évaluation interne de recherche pour sa configuration multi-agents. Dans une analyse distincte sur BrowseComp, l’usage des tokens explique 80 % de la variance observée. Ces deux résultats ne mesurent pas la même chose. [6]
L’équipe rapporte aussi environ quinze fois plus de tokens que pour le chat dans ses données. Ce rapport n’est ni un tarif universel ni une promesse de qualité : le budget dépend des modèles, des contextes, des appels et des reprises. [6]
Retiens le multi-agents si le gain mesuré de qualité ou de délai justifie son coût et sa coordination.
Orchestrer par code ou par l’IA
Il reste un choix d’architecture : qui décide de la suite ? OpenAI distingue l’orchestration par l’IA (le modèle choisit le prochain agent) de l’orchestration par code, qui rend le déroulement plus déterministe et prévisible en vitesse, coût et performance. [27]
Microsoft documente les deux approches dans AutoGen : des workflows déterministes ou dynamiques pour les processus métier, et une orchestration explicite par graphe quand le contrôle du déroulement est nécessaire. [29]
Pour une PME, la règle pratique : plus l’action est engageante, plus l’orchestration doit être codée et vérifiable, sans être laissée à l’appréciation du modèle.
Le résumé utile
Commence par un seul agent : la simplicité d’abord, la complexité seulement sur un problème précis.
Le multi-agents se justifie : trop d’outils, contexte spécialisé, contraintes séquentielles, parallélisation.
Le schéma superviseur + spécialistes rend l’organisation lisible.
Compare le gain observé au total des appels, des tokens et du temps de coordination.
La série décrypte ensuite une technique voisine mais distincte : la Mixture of Agents.