Multi-agents IA : Anthropic reconnaît que la complexité qu'il vendait hier coûte cher aujourd'hui

Anthropic publie un constat qui va à rebours de ce que l'entreprise recommandait il y a quelques mois : un agent unique, qui charge ses outils et ses compétences à la demande, bat souvent plusieurs sous-agents spécialisés en qualité, en coût et en rapidité. Dans une comparaison citée par l'entreprise, l'architecture à un seul agent allait deux fois plus vite qu'un dispositif multi-agents. Un kit de migration a été publié sur GitHub pour accompagner le changement.

La complexité d'hier devient la dette d'aujourd'hui

Anthropic parle de « loi de Conway » pour les agents : l'architecture finit par copier l'organigramme, chaque équipe ajoutant son propre sous-agent jusqu'à empiler des centaines de briques sans standard commun. Un exemple cité : une entreprise avait une douzaine de sous-agents spécialisés dans son agent client, au prix d'une latence élevée et d'une expérience de marque incohérente.

Pour un dirigeant de PME qui a lancé un projet d'automatisation IA l'an dernier avec cette logique multi-agents, le signal est direct : l'architecture qui semblait la plus robuste hier peut être celle qu'il faut démonter aujourd'hui, pas par erreur initiale, mais parce que les modèles ont changé de capacité.

Ne pas simplifier à l'aveugle

Anthropic insiste sur un point que peu de dirigeants retiendront : fusionner n'est pas toujours la bonne décision. Un test sur un agent support a montré qu'intégrer un sous-agent réduisait bien la latence, mais cassait un processus qui fonctionnait, l'agent principal répondant seul au lieu de consulter le bon spécialiste.

Trois cas justifient encore de garder plusieurs agents, selon Anthropic :

• une dégradation mesurable des performances quand le contexte d'un agent devient trop lourd
• un besoin réel de tâches en parallèle sur des fenêtres de contexte séparées
• une difficulté persistante de l'agent unique à choisir le bon outil

Pour une PME, la leçon n'est pas « simplifiez tout » mais « vérifiez avant de trancher », avec des critères mesurables plutôt qu'une intuition d'architecture.

Ce retour en arrière assumé illustre un point que nous développons dans notre article sur l'agent IA marketing : ce que c'est, ce que ça coûte, et ce qui casse en production : une architecture IA n'est jamais figée, elle doit être réévaluée à chaque évolution des modèles.