En multi-agents, l’intervention qui a payé en tokens mesurés est celle qui a changé ce que chaque agent peut lire. C’est là, à mon sens, que se joue le débat sur le design.
Désigner un agent comme coordinateur ne crée aucun hub de communication et n’apporte aucune amélioration fiable du taux de succès 3. Sur le même instrument, basculer la coordination vers des fichiers partagés réduit les tokens de sortie d’environ 42% à huit agents sur des tâches à fort volume de messages 2.
Le label de coordinateur a laissé le graphe de messages intact
Le discriminateur ne vient pas de moi, il est dans l’instrument. L’étude applique le même protocole à 1902 exécutions, chacune évaluée avec une suite de tests fixe, sur des configurations qui font varier la taille de l’équipe, sa structure et la politique de fichiers 1. Dans ce plan d’expérience, la condition « coordinateur désigné » est celle qui ne rend rien 3. Le titre a été distribué et le graphe des échanges est resté le même. C’est ce qui rend l’axe titres contre information falsifiable : il se lit dans la mesure, il n’est pas construit après coup pour sauver une intuition.
La partie à relire deux fois concerne le coût de la parole. La messagerie directe augmente au départ de façon proche du quadratique avec le nombre d’agents, et une grande part de cette croissance vient d’un premier tour de présentations 5. Une équipe d’agents dépense donc une part notable de son budget de communication avant que le moindre travail ne soit discuté. À mon sens, ajouter un chef à ce trafic n’en retire rien : cela ajoute un destinataire de plus.
Le canal est la partie qui déplace un chiffre
Le résultat sur les fichiers partagés est conditionnel, et la condition en est la moitié utile. Des fichiers partagés peuvent remplacer la communication répétée en 1-to-1 et réduisent les tokens de sortie d’environ 42% à huit agents sur des tâches à fort volume de messages, tout en ajoutant du surcoût quand les fichiers portent déjà la coordination 2. Un document de design garde la première moitié de cette phrase et jette la seconde. Or la seconde est celle qui dit quand ne rien faire.
Le résultat n’est pas un accident d’échantillon : sur 244 exécutions supplémentaires, les conclusions sur le coordinateur et sur le canal de fichiers se reproduisent 4.
La phrase qui termine l’argument est ailleurs, et elle porte sur la topologie elle-même. Un travail bâti autour d’une spécification partagée produit des équipes denses et fortement connectées, tandis que les tâches en pipeline produisent des réseaux clairsemés organisés autour d’interfaces locales 7. La forme de l’équipe est ce que la structure d’information de la tâche impose, et ce que la mesure rapporte ensuite. L’organigramme que vous croyez choisir est déjà écrit dans la façon dont le travail circule.
L’essaim a réservé son respect expérimental au modèle et au nombre d’agents
Un deuxième groupe, un système entièrement différent, et le même résultat nul : voilà ce qui sort la conclusion de la méthodologie d’un seul papier. La Frontier Red Team signe « Patterns and problems in emerging multiagent systems » 13, une page Anthropic 19. L’équipe a lancé 45 agents différents et a donné à chacun sa propre machine virtuelle, un forum partagé où ils pouvaient se coordonner, et un prompt identique leur demandant de trouver des vulnérabilités dans un ensemble de 15 projets open source 16. Elle a fait varier la génération de modèle et le nombre d’agents dans chaque essaim, et a laissé chaque essaim tourner pendant 12 heures 17.
Ce qui compte ici, c’est le choix de ce qui a été varié. L’autorité, elle, a été traitée comme un paramètre de prompt : un prompt désignait un agent comme CEO et demandait à tous les agents suivants de prendre leurs affectations auprès de lui, et ces prompts n’ont pas changé grand-chose 14. Les deux axes qui ont reçu un vrai traitement expérimental sont la génération de modèle et le nombre d’agents. Quand une équipe de recherche décide de ce qu’elle fait varier, elle dit ce qu’elle tient pour déterminant.
Les sièges se remplissent depuis un seul modèle, donc ils portent un seul avis
Une équipe d’agents tirée d’un seul modèle n’est pas une équipe d’avis indépendants, et la démonstration la plus parlante est aussi la plus bête. Dans ces essaims, 18 agents sur 30 ont décidé de créer une branche git portant exactement le même nom 15. Rien n’avait été coordonné, et il n’y avait rien à coordonner : les agents partaient du même modèle avec le même contexte et arrivaient à la même idée au même moment. Un organigramme ne corrige pas cela. Il range des avis identiques dans des cases différentes.
La variable qui a réellement déplacé le résultat de collaboration est d’un autre ordre : seul Sonnet 5 maintient une fraction de merge élevée tout en collaborant directement et en partageant du code avec d’autres agents 18. Cette variable-là s’écrit sur une ligne d’achat. C’est la deuxième raison pour laquelle le bouton « autorité » ressort inerte de ces mesures : ce qui bouge, c’est la génération de modèle qui remplit les sièges, et ce que ces sièges peuvent lire.
Un siège de critique est un organigramme, et c’est la meilleure attaque contre moi
Prenons l’attaque à pleine force. Adversarial Review est un protocole minimal de revue de code coopérative dans lequel un agent de code principal travaille avec un agent relecteur et un agent critique 12. Trois rôles distincts, un lien de subordination entre eux : c’est très exactement un organigramme. Je passe donc l’article à condamner l’organigramme, puis j’en prescris un. Et si toute structure qui se révèle utile est reclassée en protocole pendant que toute structure inutile reste un organigramme, ma thèse ne peut plus être fausse, donc elle ne dit plus rien.
La réponse tient au discriminateur, et ce discriminateur n’a pas été choisi une fois les résultats connus : la condition « coordinateur » n’a produit aucun hub 3. Ce qui échoue change le titre et laisse le flux d’information intact ; ce qui paie change ce qu’un agent lit 2 ou ce qu’un agent est obligé de contredire 10. Un critique gagne sa place du côté qui paie parce que son mandat porte sur l’information plutôt que sur la hiérarchie.
L’objection du résultat de laboratoire ne sauve pas l’attaque non plus, et elle est déjà traitée à l’échelle du dépôt. Les premiers systèmes multi-agents à base de LLM utilisaient souvent des équipes séparées par rôles, or augmenter le nombre d’agents donne des rendements décroissants sur des tâches de code à l’échelle du dépôt 8. Sur LiveCodeBench, AR atteint le meilleur taux de réussite parmi les méthodes testées et dépasse une référence à cinq agents en n’en utilisant que trois 9. Moins de sièges, une obligation de plus.
Reste le mode de défaillance, et il porte un nom : le faux consensus. Sur SWE-PRBench, l’AR naïve expose ce mode, où les agents convergent vers l’accord sans preuves suffisantes, tandis qu’une seule itération de prompt ajoutant explicitement le désaccord atteint le meilleur F1 parmi les méthodes testées 10. L’écart entre les deux versions ne tient pas à un rôle supplémentaire. Il tient à une obligation de contredire.
Ce dans quoi je mettrais la prochaine itération
Le premier geste porte sur le canal, avant tout siège supplémentaire. Vérifiez si vos fichiers portent déjà la coordination, parce que c’est la condition documentée sous laquelle le passage aux fichiers partagés coûte au lieu de rapporter 2. Un dépôt où tout passe déjà par une spécification écrite et des interfaces stables n’a rien à gagner à ce changement. Un dépôt où les agents se racontent l’état du monde en messages, si.
Le deuxième geste ajoute un siège dont le mandat est le désaccord, et ce mandat s’écrit dans le protocole, pas dans un intitulé de poste. La contrainte donnée par le papier est précise : le désaccord doit être minimal, structuré et fondé sur des preuves 11. En revanche, ce qu’il faut cesser de payer est facile à nommer : le siège de coordinateur.
| Intervention | Ce qu’elle change | Ce que la mesure rapporte |
|---|---|---|
| Coordinateur désigné | qui commande qui | aucun hub, aucun gain fiable de succès 3 |
| Prompt CEO sur un essaim | qui distribue le travail | ces prompts n’ont pas changé grand-chose 14 |
| Fichiers partagés à la place des messages 1-to-1 | ce que chaque agent peut lire | environ 42% de tokens de sortie en moins à huit agents sur des tâches à fort volume de messages 2 |
| Un critique avec une obligation explicite de dissidence | qui doit contredire qui | meilleur F1 une fois le désaccord ajouté explicitement 10 |
Je crois qu’un siège de critique qui lit le même artefact sans obligation de dissidence dégénère en accord en moins d’une semaine, et c’est cette dégénérescence que je mesurerais en premier.