En clair
Au pressing, on ne reste pas planté devant le comptoir pendant le nettoyage de sa veste. On reçoit un ticket, on va faire ses courses, et l’on revient chercher le vêtement quand il est prêt, ou l’on reçoit un message qui prévient qu’il l’est. Le ticket permet de savoir à tout moment où en est la commande, et même de l’annuler.
Un agent IA rencontre la même situation dès qu’il lance une opération longue : compiler un logiciel, faire tourner une batterie de tests, interroger une grosse base de données, générer un rapport ou confier une recherche à un sous-agent. Sans arrière-plan, l’agent est bloqué jusqu’à la fin, et la connexion peut même expirer en chemin. En arrière-plan, l’outil lui rend aussitôt un « ticket », un identifiant de tâche, et l’agent continue de travailler ou en lance d’autres en parallèle.
La difficulté se déplace alors vers le suivi : il faut savoir récupérer le résultat au bon moment, ne pas l’oublier si la session s’arrête, gérer les échecs et décider quoi faire quand une tâche lancée sans surveillance demande une autorisation humaine.
Un exemple
Une équipe de données confie à un agent la préparation du rapport mensuel des ventes. Trois extractions sur l’entrepôt de données prennent chacune une vingtaine de minutes. Dans la première version, l’agent les lançait l’une après l’autre et attendait, si bien que la session expirait souvent avant la fin. L’équipe les fait désormais passer en tâches en arrière-plan : l’agent lance les trois extractions d’un coup, rédige pendant ce temps la partie commentaires à partir du mois précédent, puis intègre les chiffres au fil des résultats.
Le temps total est divisé par deux environ. L’équipe ajoute deux règles : toute tâche a une durée de vie limitée et peut être annulée depuis le tableau de bord, et un résultat arrivé après la fin de la session est conservé et remis à la session suivante au lieu d’être perdu.
Comment ça marche
Le protocole MCP a normalisé ce mode avec les « tasks », introduites à titre expérimental dans sa version du 25 novembre 2025 1. Un client peut demander qu’un appel d’outil s’exécute comme une tâche : le serveur répond aussitôt avec un identifiant et le statut working, puis le client interroge l’avancement avec tasks/get et récupère le résultat avec tasks/result. Une tâche passe par les états working, input_required, puis completed, failed ou cancelled ; elle porte une durée de vie (ttl) après laquelle le serveur peut l’effacer, et peut être annulée 1. La spécification suggère que l’application rende la main au modèle pendant l’exécution, et impose de rattacher les tâches au contexte d’autorisation de celui qui les a créées, pour éviter qu’un tiers devinant l’identifiant lise les résultats 1.
- LancementL’agent demande l’exécution d’un outil ou d’un sous-agent en mode tâche ; il reçoit aussitôt un identifiant et le statut « en cours ».
- PoursuiteLa boucle de l’agent reprend la main : il traite autre chose ou lance d’autres tâches en parallèle.
- SuiviL’agent ou son harness interroge le statut, ou reçoit une notification ; une tâche peut aussi réclamer une information ou une autorisation.
- RécupérationUne fois la tâche terminée, réussie, échouée ou annulée, son résultat est remis à l’agent, qui l’intègre à son travail.
- NettoyagePassée sa durée de vie, la tâche et son résultat peuvent être effacés par le serveur.
Le même principe existe au niveau des modèles. Le mode background de la Responses API d’OpenAI exécute une requête de façon asynchrone, pour les tâches longues des modèles de raisonnement, sans risque d’expiration de la connexion : on interroge ensuite son statut, on peut l’annuler, et les données sont conservées temporairement, environ dix minutes, pour permettre ce suivi 2. Dans les harness d’agents de code, les sous-agents et les commandes longues passent en arrière-plan : dans Claude Code, un sous-agent lancé ainsi travaille en parallèle, ses demandes d’autorisation remontent dans la session principale, et ses résultats arrivent sous forme de notification à un tour ultérieur, avec une limite par défaut de vingt sous-agents simultanés 3.
Les éditeurs corrigent encore les cas limites. GitHub Copilot CLI indique par exemple dans sa version 1.0.106-5 que les résultats de tâches de fond arrivés après l’arrêt d’un run en mode autopilot sont désormais remis avec le message suivant, au lieu d’être perdus 4. La tâche en arrière-plan se distingue du sous-agent : le sous-agent est un agent à part entière, avec son propre contexte, alors que l’arrière-plan est un mode d’exécution qui peut s’appliquer à n’importe quelle opération, y compris un simple appel d’outil. Elle se distingue aussi du système multi-agents, qui décrit une organisation entre agents, et non la façon dont une opération attend son résultat.
Ce que ça change pour une entreprise
Les tâches en arrière-plan rendent possibles les agents qui travaillent longtemps et en parallèle : moins d’attente, moins de sessions qui expirent, et des opérations lourdes, tests, extractions, recherches, menées de front au lieu d’en file 1 2. C’est un gain direct de délai pour les traitements qui comportent plusieurs étapes longues et indépendantes.
Elles compliquent en revanche le pilotage. Une tâche lancée sans surveillance peut tourner, consommer et attendre une autorisation pendant que personne ne regarde : il faut des durées de vie, des limites de concurrence et une annulation simple 1 3. Les résultats perdus ou arrivés trop tard sont une source classique de défauts 4, tout comme les identifiants de tâche mal protégés, qui exposent des résultats à des tiers 1. Enfin, le parallélisme multiplie les dépenses : plus de tâches simultanées, c’est aussi plus de tokens et de calcul consommés en même temps.
Idées reçues
- « Une tâche en arrière-plan, c’est forcément un sous-agent. »
Non : n’importe quel appel d’outil peut s’exécuter en arrière-plan, comme le prévoient les tasks du protocole MCP [1]. Le sous-agent n’en est qu’un cas.
- « En arrière-plan, l’agent n’a plus besoin d’autorisation humaine. »
Les demandes d’autorisation remontent dans la session principale, où un humain doit répondre [3] ; une tâche peut aussi se mettre en attente d’une information [1].
- « Une fois lancée, le résultat finira toujours par arriver. »
Une tâche peut échouer, être annulée ou effacée à l’expiration de sa durée de vie [1] ; des résultats arrivés après l’arrêt d’un run ont déjà été perdus [4].