Agent IA : harnais sur le poste de travail vs côté serveur
Agent IA : sur le poste, physique ou virtuel, le harnais lit le travail en cours et agit par délégation ; le serveur garde ce qui tourne sans la personne.
Article
Répartir une mission entre agents peut aider, mais exige des consignes précises et des contrôles. Comment délimiter les tâches et vérifier leur assemblage.
Pour préparer une étude, un agent peut rechercher des informations pendant qu’un autre analyse un document. Un coordinateur rassemble ensuite leurs résultats. Quand cette répartition aide-t-elle, et comment éviter que le travail se perde d’un agent à l’autre ? Elle est utile si les tâches sont réellement séparables. Elle devient fragile si les agents prennent des décisions incompatibles ou répètent le même travail. La qualité de la délégation et de la vérification compte autant que le nombre d’agents.
Un cas fictif, la comparaison de deux offres, montre une délégation, un livrable rejeté et une lacune conservée, puis le même travail confié à un seul agent ; les retours publiés aident ensuite à décider quand découper.
Un agent travaille à partir de son contexte : le texte qu’il reçoit à chaque étape, consignes, résultats de recherche et calculs compris. Chroma a évalué dix-huit modèles dans son étude Context Rot, sur des tâches où il faut retrouver ou reproduire une information dans une entrée longue. Dans ces tâches, l’allongement du contexte rend les performances moins fiables. Dans son essai sur les distracteurs, des passages proches du sujet qui ne répondent pas à la question, même un seul de ces passages dégrade le résultat par rapport au témoin qui n’en contient pas ; l’effet varie selon le passage et le modèle. Ces mesures ne disent pas qu’une information utile ajoutée dégrade toute tâche : elles signalent un risque.
Un agent chargé de rechercher, calculer, décider et modifier des données doit donc suivre de nombreux éléments à la fois. Il peut perdre une contrainte ou utiliser un outil inadapté. Évitez de confier à un seul agent une orchestration aussi large. La délégation est une option pour réduire cette charge, mais elle ajoute des échanges et des résultats à contrôler.
L’organisation décrite ici comporte un coordinateur et des agents spécialisés. Anthropic la nomme orchestrator-workers dans Building effective agents : un modèle central découpe la tâche, délègue les parties à d’autres modèles et rassemble leurs résultats. Le guide la juge adaptée aux tâches complexes dont les sous-tâches ne peuvent pas être prévues à l’avance. Le schéma distingue la délégation, la vérification des livrables et leur assemblage par le coordinateur. Le coordinateur garde l’objectif global ; chaque agent reçoit une partie délimitée du travail.
| Le coordinateur | Un agent spécialisé | |
|---|---|---|
| Ce qu'il fait | découpe, répartit, vérifie, assemble | exécute une mission précise |
| Son contexte | objectif, contraintes communes et avancement | adapté à la mission, avec les preuves et dépendances nécessaires |
| Sa durée de vie | celle de la demande | bornée ici par sa mission ; continuité possible si la recherche l’exige |
| Ce qu'il connaît des autres | les agents qu’il a sollicités | ce que le coordinateur lui transmet de la demande d'origine |
La mission fictive consiste à comparer les offres A et B pour cinq utilisateurs, sur douze mois, hors taxes, avec export des données et sans engagement non résiliable au-delà de la période. Le coordinateur fixe cette base avant les recherches. Les recherches des deux offres peuvent avancer séparément ; la recommandation dépend des deux résultats validés.
Chaque agent reçoit une mission écrite. Voici celle de l’agent chargé de l’offre B :
Mission déléguée : documenter l’offre B, sans achat ni contact commercial
Base commune : 5 utilisateurs, 12 mois, hors taxes, export des données,
aucun engagement non résiliable au-delà de 12 mois
Sources : pages tarifaires et conditions officielles de l’offre B ;
recherche web en lecture seule ; signaler les contradictions
Livrable : prix d’origine, unité, devise, période, engagement,
coût pour 5 utilisateurs sur 12 mois,
conditions d’export, URL et date de la preuve
Interdit : déduire un prix absent ou remplacer une condition inconnue par « oui »
Si une offre dépend du volume : signaler devis requis
Cette mission transmet la base fixée par le coordinateur, puis dit ce que l’agent doit chercher, où et comment chercher, sous quelle forme rendre le résultat et ce qu’il ne doit pas faire. Ce sont les quatre éléments qu’Anthropic juge nécessaires pour chaque sous-agent dans son retour sur son système de recherche : un objectif, un format de sortie, des indications sur les outils et les sources, et des limites claires.
L’agent A rapporte 20 euros par utilisateur et par mois, sans remise : 20 × 5 × 12 = 1 200 euros par an. L’agent B rapporte « 180 euros, B est moins cher », mais sa source indique 180 euros par utilisateur et par an, payables annuellement. Le livrable omet l’unité et la période que la mission exigeait. Le coordinateur le rejette, reprend la preuve et calcule 900 euros pour cinq personnes. Il distingue alors l’économie de 300 euros du paiement annuel, qui ne dit pas encore si l’abonnement peut être résilié. Le refus ne demande pas à un second modèle si le texte « semble bon » : il repose sur l’unité manquante et le calcul vérifiable.
La preuve de B ne dit rien sur l’export ni sur la résiliation. Le coordinateur commande une recherche complémentaire limitée à ces deux conditions. Tant qu’elles restent inconnues, il peut présenter le prix inférieur mais pas recommander B comme satisfaisant tous les critères. La synthèse conserve la lacune au lieu de l’effacer au passage d’un agent à l’autre.
Un seul agent peut lire A, puis B, remplir le même tableau et vérifier le même calcul. Il évite les consignes déléguées, les conventions à synchroniser et le contrôle des retours. Pour deux pages courtes, ce parcours est un point de départ raisonnable. La délégation devient intéressante si chaque offre demande plusieurs recherches indépendantes, avec suffisamment de travail pour amortir la coordination.
Comparez les deux organisations sur le résultat complet : conditions vérifiées, références accessibles, lacunes déclarées, coût cumulé et délai. Deux recherches simultanées peuvent raccourcir l’attente tout en consommant davantage de jetons, les unités de texte que traite un modèle. Aucun chiffre de gain n’est mesuré dans cet exemple.
Le contexte de chaque agent contient les conventions communes et les preuves nécessaires à sa tâche. Il n’est pas « mince » par principe. Si la recherche se poursuit, conserver ses résultats et ses incertitudes peut être préférable à tout recommencer. Le coordinateur garde aussi un état durable des missions livrées, rejetées et encore en attente ; la durée d’une fenêtre de conversation ne définit pas à elle seule le cycle de vie du travail.
Les retours de Cognition et d’Anthropic portent sur des usages différents, et il faut séparer ce qu’ils mesurent de ce qu’ils recommandent.
Anthropic rapporte des mesures sur son propre système de recherche, publié en juin 2025. Avec Claude Opus 4 comme coordinateur et des sous-agents Claude Sonnet 4, il a obtenu sur l’évaluation de recherche interne de l’entreprise un score supérieur de 90,2 % à celui d’un agent Claude Opus 4 seul. Le gain porte surtout sur les questions qui demandent d’explorer plusieurs pistes indépendantes en parallèle. Il a un prix : selon la même page, un agent consomme environ quatre fois plus de jetons qu’une conversation, et un système multi-agents environ quinze fois plus. Dans son analyse de BrowseComp, un banc d’essai qui mesure la capacité d’agents de navigation à trouver des informations difficiles d’accès, la quantité de jetons consommés explique à elle seule 80 % de la variance des performances : une association statistique, pas la preuve qu’il suffit de dépenser des jetons pour gagner. Anthropic juge enfin, dans ce retour de juin 2025, ces systèmes peu adaptés aux domaines où tous les agents doivent partager le même contexte, ou à ceux qui comportent beaucoup de dépendances entre agents.
La même équipe rapporte des échecs : des premiers agents lançaient cinquante sous-agents pour des requêtes simples, et des missions trop vagues ont conduit des sous-agents à mal comprendre leur tâche ou à refaire les mêmes recherches. C’est ce que la mission écrite de l’agent B cherche à éviter. L’isolement du contexte demande donc une préparation, pas seulement une nouvelle fenêtre de conversation.
En juin 2025, Cognition souligne la fragilité du découpage lorsque les agents perdent les décisions et les hypothèses partagées. Son exemple : pour cloner le jeu Flappy Bird, un sous-agent produit un décor dans le style de Super Mario, l’autre un oiseau dont le style et les mouvements ne correspondent pas au jeu, et l’agent final doit réconcilier deux travaux incompatibles. Toute action porte des décisions implicites, et deux tâches qui paraissent indépendantes peuvent dépendre du même contexte.
Dans son retour d’avril 2026, Cognition explore la répartition, mais garde une précaution : un seul agent effectue les écritures, les autres apportent des analyses. Dans la comparaison des offres, les deux agents ne font que chercher et rapporter ; seul le coordinateur rédige la synthèse. Autoriser plusieurs agents à modifier des données ou à agir, comme l’organisation décrite plus haut le permet, demande davantage de contrôle sur les conflits et les résultats : ce choix est à éprouver sur le parcours réel.
Pour comparer deux offres décrites sur deux pages courtes, un seul agent suffit. La délégation se justifierait si chaque offre demandait plusieurs recherches indépendantes ; elle exigerait alors des missions écrites comme celle de l’agent B, un coordinateur qui vérifie les unités et les calculs, et une synthèse qui garde les lacunes. Plus généralement, un agent qui accumule trop de règles locales mérite une révision de son périmètre. La réponse peut être une délégation, mais aussi un meilleur outil, un contexte mieux choisi ou un traitement classique. Mesurez l’effet du découpage sur la réussite et sur le coût total avant de le généraliser.
Explorer
Choisis dans l’index d’après les étiquettes de cet article — les plus proches d’abord, hors de sa série. Rien n’est écrit à la main : un article publié demain avec les mêmes étiquettes y prendra place.
Agent IA : sur le poste, physique ou virtuel, le harnais lit le travail en cours et agit par délégation ; le serveur garde ce qui tourne sans la personne.
Une citation dans une réponse IA ne vaut pas une visite ni une vente. Comprendre les revenus possibles, les essais de rémunération et les mesures utiles.
Lire des données privées, consulter le web et agir : réunies, ces capacités exposent un agent aux fuites. Un exemple pour comprendre où placer les contrôles.
Laisser un commentaire
Votre commentaire sera relu avant d'être publié.