Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

Système multi-agents : définition, orchestrateur, agents spécialisés et limites

Domaine

Intelligence artificielle

L'essentiel

Un système multi-agents est une architecture dans laquelle plusieurs agents IA, dotés chacun de sa consigne, de ses outils et de son contexte, coopèrent à une même tâche, par exemple sous la conduite d'un agent orchestrateur. Face à l'agent unique outillé et à la chaîne d'appels dont le code fixe les étapes, le système multi-agents ajoute des échanges à coordonner, des jetons à payer et des trajectoires à vérifier.

Sommaire de la page

Définition du système multi-agents

« Un système multi-agents se compose de plusieurs agents, des modèles de langage qui emploient des outils de manière autonome dans une boucle, travaillant ensemble. » La phrase, que nous traduisons, vient d’un article d’Anthropic du 13 juin 2025. La documentation du cadre LangChain parle de systèmes qui coordonnent des composants spécialisés (textes consultés le 12 novembre 2026).

L’expression est plus ancienne en informatique : selon le site de la fondation IFAAMAS (ifaamas.org), la conférence AAMAS, consacrée aux agents autonomes et aux systèmes multi-agents, est née en 2002 de la fusion de trois conférences. Cette fiche s’en tient au sens récent : plusieurs agents IA fondés sur un modèle de langage, dont chacun reçoit sa consigne, ses outils et son contexte.

Système multi-agents, agent unique outillé, chaîne d’appels figée : ne pas confondre

Un agent unique outillé reste un seul agent, quel que soit le nombre de ses outils. Dans une chaîne d’appels figée, le code fixe l’ordre des étapes et le modèle traite chacune. L’article « Building effective agents » d’Anthropic (19 décembre 2024) nomme workflows ces systèmes aux chemins de code prédéfinis, et réserve le mot agents à ceux où le modèle dirige lui-même son déroulement. La documentation de l’Agents SDK d’OpenAI oppose de même l’orchestration par le modèle à l’orchestration par le code, qu’elle dit plus déterministe et plus prévisible.

Orchestrateur, agents spécialisés, passage de relais

Deux formes de coopération reviennent dans les documentations consultées.

  • L’orchestrateur et ses agents spécialisés. Un agent principal découpe la tâche, la répartit, puis assemble les résultats. LangChain nomme ce motif subagents : l’agent principal appelle les autres comme des outils, et tout le routage passe par lui. CrewAI propose un processus dit hiérarchique, où un agent manager attribue les tâches et valide les résultats.
  • Le passage de relais (handoff). Un agent transmet la tâche à un autre, qui la poursuit. Dans l’Agents SDK d’OpenAI, ce relais est présenté au modèle comme un outil ; la documentation d’AutoGen décrit le même motif.

Le protocole MCP relie une application d’IA à des outils et à des données ; Agent2Agent (A2A) se présente, sur son site (a2a-protocol.org, consulté le même jour), comme un standard ouvert de communication entre agents d’IA.

Ce que la répartition apporte, ce qu’elle coûte

La documentation de LangChain avance trois raisons de répartir le travail : ménager la fenêtre de contexte, laisser des équipes distinctes maintenir chacune ses agents, exécuter des sous-tâches en parallèle. Le prix se lit sur trois plans.

  • Les jetons. L’article d’Anthropic de juin 2025 rapporte que, dans les données de l’éditeur, les systèmes multi-agents consommaient environ quinze fois plus de jetons qu’une conversation : un relevé propre à cet éditeur, qui ne vaut pas règle.
  • La coordination. Le même article décrit des agents qui, faute de consignes de délégation précises, refaisaient le même travail ou laissaient des manques.
  • La vérification. Deux exécutions d’une même demande peuvent suivre des chemins différents : l’évaluation porte alors sur le résultat. La trace doit suivre la tâche d’un agent à l’autre : ce suivi relève du LLMOps.

Un risque s’y ajoute : ce qu’un agent transmet entre dans le contexte du suivant, si bien qu’une erreur, ou une instruction glissée dans un contenu lu en amont, peut se propager.

Un orchestrateur et trois agents pour un devis de transport

Imaginons un transitaire qui établit des devis de transport international. Un agent orchestrateur reçoit la demande et la découpe. Un agent « tarifs » interroge les grilles des transporteurs. Un agent « douane » consulte, en lecture seule, la documentation réglementaire applicable à la marchandise. Un agent « rédaction » assemble le devis, qu’un employé valide avant l’envoi.

Si toutes les demandes suivaient les mêmes étapes, une chaîne figée suffirait. La répartition tient ici à des demandes dont le déroulé change avec la marchandise, le trajet et les pièces fournies.

Notre page agents IA explique comment arbitrer entre flux orchestré, agent à outils et système multi-agents, puis comment fixer les permissions et la supervision humaine.

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Comment définir un système multi-agents ?

Un système multi-agents réunit plusieurs agents IA qui travaillent à une même tâche, chacun avec sa consigne, ses outils et son contexte. Anthropic, dans un article du 13 juin 2025, parle de plusieurs agents travaillant ensemble, l'agent étant un modèle de langage qui emploie des outils de manière autonome dans une boucle. La documentation de LangChain décrit, elle, des systèmes qui coordonnent des composants spécialisés.

Que fait l'orchestrateur dans un système multi-agents ?

Dans un système multi-agents, l'orchestrateur est l'agent qui découpe la tâche, confie chaque partie à un agent spécialisé et assemble les résultats. La documentation de LangChain décrit un agent principal par lequel passe tout le routage ; celle de CrewAI, un agent manager qui attribue les tâches et valide les résultats. D'autres montages s'en passent : dans un passage de relais, un agent transmet lui-même la tâche à un autre.

Qu'est-ce qu'un handoff entre agents ?

Un handoff, ou passage de relais, est le mécanisme par lequel un agent délègue une tâche à un autre agent. La documentation de l'Agents SDK d'OpenAI le décrit ainsi et précise que le relais est présenté au modèle de langage sous la forme d'un outil. La documentation d'AutoGen attribue ce motif à un projet expérimental d'OpenAI nommé Swarm.

Un système multi-agents vaut-il mieux qu'un agent unique ?

Un système multi-agents n'est pas, par principe, préférable à un agent unique. La documentation de LangChain indique qu'un seul agent, doté des bons outils et de la bonne consigne, peut souvent obtenir des résultats comparables. Le guide « Building effective agents » d'Anthropic recommande de chercher la solution la plus simple et de n'ajouter de la complexité qu'au besoin. Ces conseils sont ceux de deux éditeurs, à confronter à la tâche visée.

MCP et A2A : quel protocole pour quel échange ?

Le protocole MCP (Model Context Protocol) décrit comment une application d'IA se connecte à des outils et à des sources de données. Le protocole Agent2Agent (A2A) se présente, sur son site consulté le 12 novembre 2026, comme un standard ouvert de communication entre agents d'IA. Le même site résume le partage ainsi : MCP relie un agent à des outils et à des données, A2A le relie à d'autres agents.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.