« Une équipe d'agents IA qui travaille pour vous pendant que vous dormez. » La promesse est partout en 2026, et elle est séduisante : plusieurs intelligences spécialisées qui se répartissent le travail et se passent le relais. La réalité est plus nuancée. Faire collaborer plusieurs agents peut décupler certaines tâches — et transformer les autres en usine à gaz coûteuse et fragile. Voici comment distinguer les deux, et surtout quand ne pas multiplier les agents.
Un agent qui agit n'est pas plusieurs agents qui collaborent
Premier malentendu à lever, parce qu'il fausse tout le reste (Fig. 1). Un agent multi-étapes — le mode agent de ChatGPT, par exemple — reste un seul agent qui enchaîne des outils : il navigue, exécute du code, lit vos fichiers, l'un après l'autre. Ce n'est pas du « multi-agents ». Le multi-agents, c'est un agent chef qui délègue à plusieurs agents secondaires, parfois en parallèle, puis rassemble leurs résultats.
Côté grand public, le cas le plus net aujourd'hui est Cowork, l'assistant de travail de Claude, qui « décompose un travail complexe en tâches et coordonne plusieurs agents secondaires en parallèle » (application de bureau, offres payantes). Côté entreprise, l'atelier d'agents de Microsoft permet à un orchestrateur de déléguer à des agents spécialisés qui se passent la main. Et pour un usage sans code, des plateformes comme n8n (auto-hébergeable gratuitement), Make ou Zapier orchestrent visuellement un agent superviseur et ses agents-outils. Les frameworks pour développeurs — CrewAI, LangGraph — offrent le contrôle le plus fin, au prix du code.
Ce que gagne — et ce que coûte — une équipe d'agents
Les chiffres publiés sont à double tranchant (Fig. 2). Une équipe d'ingénierie d'un grand éditeur de modèles a rapporté qu'un système multi-agents surpassait de plus de 90 % un agent unique sur une tâche de recherche — mais en consommant environ quinze fois plus de jetons qu'une simple conversation (contre quatre fois pour un agent seul). Plus troublant encore : sur leur évaluation, le seul volume de jetons dépensés expliquait 80 % de l'écart de performance. Autrement dit, une grande part du gain vient du fait de « dépenser plus », pas seulement d'une coordination brillante.
La règle qui en découle est simple : le multi-agents ne se justifie que si la valeur de la tâche paie le surcoût. Il excelle sur les travaux larges et parallélisables — beaucoup de sous-questions indépendantes, une information qui dépasse une seule fenêtre de contexte. Il est inutile, voire nuisible, sur les tâches séquentielles, sur le code (peu de sous-tâches vraiment indépendantes), et dès que tous les agents doivent partager le même contexte.
Pourquoi ça casse : plus d'agents, plus de surface d'échec
Multiplier les agents multiplie les points de rupture. Chaque passage de relais peut perdre ou déformer le contexte, et les erreurs se composent d'un agent à l'autre.
Un essai d'ingénierie très cité, « Don't Build Multi-Agents », résume le problème : des agents qui travaillent en parallèle ne voient pas ce que font les autres, prennent des décisions implicites qui se contredisent, et le résultat devient incohérent. Une étude académique va plus loin : sa taxonomie des défaillances multi-agents recense quatorze modes d'échec en trois familles — mauvaise conception du système, désalignement entre agents, et absence de vérification des sorties. Sa conclusion dérange : la plupart des échecs viennent de la conception, pas de la faiblesse des modèles. S'ajoutent un débogage pénible (« qui a fait quoi ? »), une latence accrue, et une surface d'attaque élargie — chaque agent connecté à un outil est une porte de plus pour une injection de consigne malveillante.
La méthode : commencer petit, ajouter à regret
L'approche saine tient en six gestes, et le premier est le plus important :
- Démarrez avec UN bon agent — un seul contexte, des décisions unifiées. C'est le défaut, pas le compromis.
- Ne décomposez que si nécessaire : soit un seul contexte ne peut honnêtement pas tenir la tâche, soit les sous-tâches sont vraiment indépendantes.
- Définissez des rôles clairs et des contrats de relais : ce que chaque agent reçoit et renvoie ; partagez les traces complètes, pas des messages isolés.
- Gardez un point de contrôle humain, surtout avant toute action irréversible ou à fort enjeu.
- Tracez et budgétez : journalisez qui fait quoi, et plafonnez la dépense en jetons — c'est votre levier direct sur le coût.
- Appliquez le moindre privilège : chaque agent n'a accès qu'aux données et aux outils dont il a besoin. Moins de risque, moins de surface d'attaque.
Dès qu'un agent manipule des données personnelles, le RGPD s'applique, et votre organisation est responsable de traitement. La CNIL insiste sur la minimisation (ne traiter que le nécessaire) et la finalité définie : dans une chaîne d'agents, cela se traduit en moindre privilège — chaque agent cantonné à sa mission et à ses seules données. Préférez une offre professionnelle (données non réutilisées pour l'entraînement) et pensez la protection dès la conception, pas après coup.
Quand renoncer au multi-agents ? Pour les tâches simples ou séquentielles, pour tout ce qui exige que les agents partagent le même contexte, et pour les actions irréversibles sans validation humaine. Dans ces cas, un agent unique bien outillé fait mieux, pour bien moins cher.
Un agent de plus n'est pas une tête de plus dans l'équipe : c'est une source d'erreur et une facture de plus. La question n'est pas « combien d'agents puis-je lancer ? » mais « cette tâche a-t-elle vraiment besoin de plusieurs agents ? ». Le plus souvent, la réponse est non — et c'est une bonne nouvelle pour votre budget.
- Un agent multi-étapes ≠ plusieurs agents : le premier enchaîne des outils ; le second délègue à des agents secondaires.
- Le multi-agents paie cher : gros gain sur les tâches larges et parallélisables, mais un coût en jetons décuplé.
- Plus d'agents = plus de casse : contexte non partagé, décisions contradictoires, erreurs qui se composent.
- Commencez par un seul agent ; n'ajoutez que si le contexte déborde ou si les sous-tâches sont vraiment indépendantes.
- Gouvernez : point de contrôle humain, budget de jetons, moindre privilège par agent (et RGPD).
Dans la même série : les agents qui cliquent à votre place, pourquoi un agent n'est pas un chatbot, et automatiser sa veille avec un agent. Sur les données, ce que vous avez le droit de confier à l'IA.
Cette analyse fait partie de notre veille Outils & IA. Pour trier le vrai du battage en IA agentique, téléchargez l'Atlas IA 2026 et abonnez-vous à la newsletter AISKILLSPRO.
Au-delà de l'IA, retrouvez nos guides, tutoriels et modules Odoo sur OdooSkills, le blog Odoo ↗ (nouvel onglet).