Documentation
Retour
  • Agents IA
    • Introduction
    • 1. Qu’est-ce qu’un agent IA ?
    • 2. Comment donner une mission à un agent ?
    • 3. Comment un agent utilise-t-il un outil ?
    • 4. Comment l’agent enchaîne-t-il les étapes ?
    • 5. Contexte et mémoire : que conserve l’agent ?
    • 6. À quoi servent les skills ?
    • 7. Comment l’agent recherche-t-il des documents ?
    • 8. Workflow ou agent : comment choisir ?
    • 9. À quoi servent le middleware et les validations humaines ?
    • 10. Quand plusieurs agents sont-ils utiles ?
      • Séparer les tâches, pas seulement les noms
      • Déléguer en gardant une mission commune
      • Organiser les échanges
      • Vérifier que le gain justifie les échanges
    • 11. Que fournissent les frameworks et MCP ?
    • 12. Comment vérifier qu’un agent accomplit sa mission ?

Quand plusieurs agents sont-ils utiles ?

Répartir une mission entre plusieurs agents quand la spécialisation, le contexte ou le travail en parallèle le justifient.

Notre agence prépare un séjour à Agadir. Faut-il un agent pour les vols, un autre pour les hôtels et un troisième pour rédiger la réponse ? Pas nécessairement : un seul agent peut utiliser plusieurs outils et accomplir plusieurs étapes.

Un système multi-agent répartit le travail entre plusieurs agents qui contribuent à une même mission. L’intérêt ne vient pas de leur nombre, mais de ce que cette séparation permet de mieux faire.

Séparer les tâches, pas seulement les noms

Chaque agent peut recevoir des instructions, des outils et un contexte adaptés à sa tâche. Plusieurs agents peuvent utiliser le même LLM : il n’est pas nécessaire d’entraîner un modèle par rôle. Nommer l’un « expert voyage » ne lui donne toutefois aucune expertise garantie.

La séparation devient utile lorsque les recherches sont longues, exigent des outils différents ou produisent trop de détails pour le contexte principal. Un agent peut examiner de nombreuses offres, puis transmettre une sélection justifiée plutôt que tous ses échanges intermédiaires.

C’est notamment l’usage décrit par LangChain Deep Agents pour ses sous-agents : déléguer une tâche spécialisée et limiter les détails qui reviennent dans le contexte principal. Les informations transmises dépendent de la configuration ; les agents ne partagent pas automatiquement tout ce que chacun a vu.

Déléguer en gardant une mission commune

Dans notre exemple, un agent coordinateur conserve la demande globale : comparer des séjours Montréal–Agadir, avec un budget total de 2 000 CAD pour les vols aller-retour et l’hôtel, sans réserver. Il confie deux recherches à des sous-agents, c’est-à-dire des agents chargés d’une partie du travail.

L’un explore les vols ; l’autre compare les hôtels. Chacun reçoit les contraintes utiles et renvoie les offres, les sources, les prix et les incertitudes. Le coordinateur rapproche leurs résultats avant de présenter la comparaison.

Exemple de délégation : un coordinateur transmet les contraintes d’un séjour à Agadir à deux sous-agents, l’un pour les vols, l’autre pour les hôtels. Les offres et leurs sources reviennent au coordinateur, qui vérifie les dates et le total combiné avant de présenter une comparaison. Le budget de 2 000 CAD est commun ; aucune réservation n’est autorisée.

Deux bons résultats séparés ne font pas nécessairement un bon séjour. Un vol à 1 200 CAD et un hôtel à 1 100 CAD dépassent ensemble le budget. Une arrivée le lendemain peut aussi décaler les nuits nécessaires. Le cours Microsoft sur les systèmes multi-agents souligne précisément ce besoin de coordination entre vols et hôtels.

Le total peut être calculé par du code : il ne nécessite pas un agent supplémentaire. Les contrôles d’accès et l’interdiction de réserver restent applicables à chaque sous-agent.

Organiser les échanges

Plusieurs agents ne travaillent pas forcément en même temps. Trois organisations répondent à des besoins différents :

  • Délégation avec retour : le coordinateur confie une recherche, reçoit le résultat et poursuit la mission. C’est le schéma ci-dessus.
  • Travail en parallèle : des tâches suffisamment indépendantes avancent simultanément. Cela peut réduire l’attente, mais il faut ensuite vérifier que leurs résultats sont compatibles.
  • Passage de relais, ou handoff : un agent transmet la prise en charge à un autre, par exemple pour poursuivre une demande spécialisée. Ce n’est pas simplement attendre le résultat d’un outil.

Ces organisations peuvent se combiner. Si les dates d’hôtel dépendent du vol retenu, cette partie doit attendre l’information nécessaire. Google ADK propose des workflows séquentiels, parallèles ou coordonnés ; le choix de l’organisation reste à faire selon la tâche.

Vérifier que le gain justifie les échanges

Multiplier les agents ajoute des appels, des transmissions et parfois des recherches en double. Un résumé peut omettre une condition importante. Si deux agents reprennent la même information périmée, leur accord ne constitue pas deux preuves indépendantes.

Pour décider, comparer le système à un agent unique sur les mêmes demandes : les contraintes sont-elles mieux respectées ? Les sources et les résultats sont-ils plus fiables ? Quel est le coût, et combien de temps faut-il attendre ?

Si un agent avec les bons outils suffit, le conserver. Ajouter un agent se justifie par un gain observé, pas par une impression de sophistication.

À retenir : plusieurs agents sont utiles lorsqu’une séparation claire des tâches améliore le travail. Il faut encore organiser leurs échanges et vérifier le résultat commun.

Suite : Que fournissent les frameworks et MCP ?