Ce n’est à mon sens pas un sujet fondamentalement intéressant, pas dans le sens où ce n’est pas intéressant, mais dans le sens où ce n’est pas fondamental. Ce que j’entends par là : si tu veux savoir si telle méthode d’entraînement est meilleure, si tu veux voir ce qu’il se passe si tu entraînes sur des données spécialisées... il te faut de l’expertise en IA, et un portefeuille bien remplis, pour entraîner des modèles toi-même. C’est quelque chose, si tu veux être à l’état de l’art, qui ne peut être réalisé que par une poignée d’entités dans le monde.
Pour les agents, que ce soit multi ou non, il n’y a pas besoin de s’appeler Google, Anthropic ou OpenAI pour en développer un, expérimenter, tester, évaluer. Un agent minimal c’est de l’ordre de 50 lignes de code. Le multi-agent est plus compliqué oui, mais si tu es un développeur un peu compétent, c’est de l’ordre de montée en difficulté de passer de « système monolithique » à « système distribué ». Pas nécessairement trivial, mais pas totalement hors de portée non plus.
Donc « privé uniquement ou non », clairement non parce que disponible dans Claude Code, et même si ça ne l’était pas, c’est à la portée d’un individu de le mettre en place. Après tout, OpenClaw a été développé par un individu seul en quelques semaines.
« Est-ce que cela a un sens ? » est plus flou, et j’ai envie de dire que ça nécessite à minima de passer d’un état d’esprit de « développeur » (problème => solution) à « ingénieur/manager » (découper le problème en parties, donner chaque partie à des agents différents, orchestrer le tout, directement ou avec un niveau au dessus un orchestrateur automatique).
Il y a un retour d’expérience sur « regarder à quel point ça marche bien ou non » sur le blog d’Anthropic. Les conclusions me semblent intuitivement raisonnables ? Bien fait, ça permet d’augmenter la qualité, mais c’est bien plus cher. Au delà de ce type d’anecdote, je n’ai pas en tête d’exemple de « success story ».
Mon impression personnelle est que la problématique plus générale avec le paradigme actuel est « comment gérer le contexte limité de l’IA ? », et que le multi-agent est une solution possible (si ta tâche, pour être réalisée, nécessite plus de contexte que ce que les IA actuelles disposent, alors découper la tâche en sous-tâches qu’on donne à différents agents est une approche possible) parmi beaucoup d’autre.
[^] # Re: Petite annonce
Posté par Moonz . En réponse à la dépêche Nouvelles sur l’IA de mars 2026. Évalué à 3.
Ce n’est pas privé, c’est disponible publiquement (expérimentalement) sur https://code.claude.com/docs/en/agent-teams
Ce n’est à mon sens pas un sujet fondamentalement intéressant, pas dans le sens où ce n’est pas intéressant, mais dans le sens où ce n’est pas fondamental. Ce que j’entends par là : si tu veux savoir si telle méthode d’entraînement est meilleure, si tu veux voir ce qu’il se passe si tu entraînes sur des données spécialisées... il te faut de l’expertise en IA, et un portefeuille bien remplis, pour entraîner des modèles toi-même. C’est quelque chose, si tu veux être à l’état de l’art, qui ne peut être réalisé que par une poignée d’entités dans le monde.
Pour les agents, que ce soit multi ou non, il n’y a pas besoin de s’appeler Google, Anthropic ou OpenAI pour en développer un, expérimenter, tester, évaluer. Un agent minimal c’est de l’ordre de 50 lignes de code. Le multi-agent est plus compliqué oui, mais si tu es un développeur un peu compétent, c’est de l’ordre de montée en difficulté de passer de « système monolithique » à « système distribué ». Pas nécessairement trivial, mais pas totalement hors de portée non plus.
Donc « privé uniquement ou non », clairement non parce que disponible dans Claude Code, et même si ça ne l’était pas, c’est à la portée d’un individu de le mettre en place. Après tout, OpenClaw a été développé par un individu seul en quelques semaines.
« Est-ce que cela a un sens ? » est plus flou, et j’ai envie de dire que ça nécessite à minima de passer d’un état d’esprit de « développeur » (problème => solution) à « ingénieur/manager » (découper le problème en parties, donner chaque partie à des agents différents, orchestrer le tout, directement ou avec un niveau au dessus un orchestrateur automatique).
Il y a un retour d’expérience sur « regarder à quel point ça marche bien ou non » sur le blog d’Anthropic. Les conclusions me semblent intuitivement raisonnables ? Bien fait, ça permet d’augmenter la qualité, mais c’est bien plus cher. Au delà de ce type d’anecdote, je n’ai pas en tête d’exemple de « success story ».
Mon impression personnelle est que la problématique plus générale avec le paradigme actuel est « comment gérer le contexte limité de l’IA ? », et que le multi-agent est une solution possible (si ta tâche, pour être réalisée, nécessite plus de contexte que ce que les IA actuelles disposent, alors découper la tâche en sous-tâches qu’on donne à différents agents est une approche possible) parmi beaucoup d’autre.