Larssen Consulting
Agents et outils

Essaim d’agents

Agent swarm

L’essaim d’agents est une façon d’organiser plusieurs agents IA en équipe : ils se répartissent un projet, travaillent en parallèle, communiquent directement entre eux et vérifient mutuellement leur travail, souvent sous la conduite d’un modèle coordinateur.

  • Lecture : 5 minutes
  • Mis à jour le 12 novembre 2026
  • 4 sources

En clair

Pour rénover un appartement en un temps record, on ne fait pas venir un seul artisan qui ferait tout à la suite. On réunit un électricien, un plombier, un peintre et un carreleur, chacun dans sa pièce, avec un chef de chantier qui découpe le travail, tient le planning et vérifie les finitions. Les artisans se parlent directement quand une gaine passe dans le mur que l’autre va carreler, et le peintre signale au plombier la fuite qu’il a repérée.

L’essaim d’agents transpose cette organisation à l’IA. Au lieu d’un agent unique qui enchaîne toutes les étapes, un agent coordinateur découpe le projet, et une série d’agents travaillent en même temps, chacun dans son espace isolé, sur une partie distincte. Ils s’échangent des messages, se partagent une liste de tâches, et une partie d’entre eux relit ou conteste le travail des autres. Le mot « essaim » évoque les colonies d’insectes, où beaucoup d’individus réalisent ensemble ce qu’aucun ne ferait seul.

Le gain est la vitesse et le regard croisé. Le prix, c’est la coordination : plus il y a d’agents, plus il faut de messages, plus les risques de conflits augmentent, et plus la facture grimpe, puisque chaque agent consomme ses propres tokens.

Un exemple

L’équipe produit d’une plateforme de réservation doit ajouter une fonction de paiement fractionné, qui touche l’interface, l’API, la base de données et les tests. Elle confie le chantier à un essaim : un modèle puissant joue le rôle de coordinateur et d’architecte, quatre agents plus légers et moins chers développent chacun une couche dans leur propre copie du code, et un agent relecteur est chargé de chercher les failles dans le travail des autres.

Le chantier avance en parallèle, mais la première tentative bute sur deux agents qui modifiaient le même fichier. L’équipe redécoupe les tâches pour que chacun possède ses fichiers, limite l’essaim à quatre agents, et garde une revue humaine avant la fusion. Elle compare ensuite le coût total en tokens à celui d’un agent unique : plus élevé, mais justifié pour ce chantier transversal, pas pour les corrections courantes.

Niveau technique

Comment ça marche

Le mot s’est imposé dans les outils d’agents : OpenAI a ainsi publié Swarm, un cadre expérimental et pédagogique publié par OpenAI pour l’orchestration légère de plusieurs agents, fondé sur deux briques, des agents dotés d’instructions et d’outils, et des transferts de la conversation d’un agent à l’autre ; il est désormais remplacé par l’Agents SDK 1. IBM distingue le système multi-agents, terme le plus général, de l’essaim, qui insiste sur une collaboration plus étroite où les agents se partagent les tâches, échangent des informations et réagissent au travail des autres, en reconnaissant que la frontière n’est pas toujours nette ; la coordination peut y être centralisée, hiérarchique ou décentralisée, de pair à pair 2.

  1. DécouperUn agent coordinateur divise le projet en tâches indépendantes et les inscrit dans une liste partagée.
  2. RépartirChaque agent prend une tâche, souvent avec un modèle adapté à sa difficulté, dans son propre espace isolé.
  3. Travailler en parallèleLes agents avancent en même temps et s’échangent directement les informations utiles.
  4. Se vérifierDes agents relisent, testent ou contestent le travail des autres avant qu’il soit accepté.
  5. AssemblerLe coordinateur fusionne les résultats et rend la synthèse, souvent soumise à une validation humaine.

Les outils de programmation en proposent désormais des versions concrètes. Dans Claude Code, les agent teams, encore expérimentales, font travailler plusieurs sessions sous la conduite d’un chef d’équipe : chaque coéquipier a sa propre fenêtre de contexte, les coéquipiers se parlent directement et se coordonnent par une liste de tâches partagée, à la différence des sous-agents qui ne font que rendre un résultat à l’agent principal 3. La documentation prévient que ces équipes consomment nettement plus de tokens qu’une session seule, que le coût croît avec le nombre de coéquipiers, recommande de commencer avec trois à cinq coéquipiers et de répartir les fichiers pour éviter les écrasements 3. En novembre 2026, Google présente en préversion une commande /swarm dans Antigravity, où son modèle Gemini 4 Carbon prend l’architecture, la coordination ou l’audit, tandis que des modèles plus légers exécutent des tâches en parallèle dans des espaces isolés et que les agents vérifient le travail les uns des autres 4.

L’essaim est un cas particulier du système multi-agents, centré sur le parallélisme, la communication directe et le contrôle croisé. Il se distingue du sous-agent, qui est un exécutant ponctuel rendant compte à un agent principal, et du meta-harness, qui est l’outil chargé de piloter plusieurs agents ; il recoupe la cascade de modèles quand il confie la coordination à un gros modèle et l’exécution à des modèles moins chers.

Ce que ça change pour une entreprise

Pour les chantiers larges et découpables, revue d’un gros changement sous plusieurs angles, nouvelle fonction qui touche plusieurs couches, enquête avec des hypothèses concurrentes, l’essaim raccourcit les délais et ajoute un contrôle croisé qu’un agent seul n’a pas 3. Mêler un modèle coordinateur coûteux et des exécutants plus légers permet aussi de maîtriser le prix par tâche 4.

Ses coûts et ses risques sont réels. La consommation de tokens croît avec le nombre d’agents, la coordination ajoute une surcharge, et au-delà d’une certaine taille les agents supplémentaires n’accélèrent plus le travail 3. Les agents peuvent se gêner, écraser le travail des autres ou s’arrêter trop tôt, et un coordinateur central devient un point de dépendance 2. Pour les tâches séquentielles ou courantes, un agent unique reste souvent plus efficace et moins cher 3. Enfin, ces fonctions sont récentes et souvent en préversion 3 4 : leur comportement et leur tarification peuvent encore changer.

Idées reçues

  • « Plus l’essaim compte d’agents, plus le travail va vite. »

    Au-delà de quelques agents, la coordination et les conflits annulent le gain ; la documentation de Claude Code conseille de commencer avec trois à cinq coéquipiers [3].

  • « Un essaim d’agents, c’est simplement un agent qui lance des sous-agents. »

    Les sous-agents rendent un résultat à l’agent principal ; dans un essaim, les agents se parlent directement et se coordonnent entre eux [3].

  • « Les agents de l’essaim se vérifient entre eux, donc plus besoin de contrôle humain. »

    Le contrôle croisé réduit les erreurs sans les supprimer : les agents peuvent s’arrêter trop tôt ou se gêner, et un suivi régulier reste recommandé [3].

Sources

  1. OpenAI, « Swarm (experimental, educational) », dépôt GitHub, 2024
  2. Matthew Finio et Amanda Downie (IBM), « Qu’est-ce que les essaims d’agents et comment fonctionnent-ils ? », 2026
  3. Anthropic, « Orchestrate teams of Claude Code sessions », documentation Claude Code, 2026
  4. Carl Franzen (VentureBeat), « Google Gemini 4 Carbon is now publicly available, and it undercuts Claude Fable 5.2 and Opus 5.5 on API price », 2026

Voir aussi