Normalisez le budget de jetons de réflexion et l’avantage de raisonnement multi-saut que l’on prête à l’orchestration multi-agent cesse d’apparaître de façon fiable 1. Ce seul contrôle change la nature de l’architecture en essaim. Les études de cas qui vendent l’essaimage comme un gain de raisonnement ne précisent presque jamais le budget de jetons dépensé de chaque côté, et quand une étude le maintient constant, les avantages rapportés du multi-agent s’expliquent mieux par un calcul non comptabilisé et des effets de contexte que par quoi que ce soit de propre à l’architecture 1. La lecture honnête est donc probante, pas causale : en l’état des preuves, la prime de raisonnement se confond avec du calcul que vous auriez pu confier à un seul agent, et la couche de coordination achetée en échange n’a rien de gratuit.
La comparaison n’a jamais été équitable
Le chiffre qui devrait vous rendre méfiant est celui que la plupart des comptes rendus omettent : combien de jetons de raisonnement chaque camp a réellement dépensés. Un débat à cinq agents sur trois tours ne représente pas la réflexion d’un seul modèle, il en représente plutôt quinze, plus le contexte agrégé que chaque agent accumule. Comparez cela à un agent unique plafonné à une passe et l’essaim l’emporte, mais vous n’avez pas appris que l’orchestration raisonne mieux. Vous avez appris que davantage de calcul d’inférence raisonne mieux, ce qui n’a jamais été contesté.
Maintenez le budget constant et l’écart se referme. Dans la comparaison à budget égal, pour les tâches de raisonnement multi-saut, les avantages rapportés des systèmes multi-agents s’expliquent mieux par un calcul non comptabilisé et des effets de contexte que par des bénéfices architecturaux intrinsèques 1. Lisez-le avec soin, car l’affirmation est plus étroite que le titre qu’elle réfute. Elle ne dit pas que le multi-agent est pire. Elle dit qu’une fois le facteur de confusion retiré, le gain de qualité de raisonnement qu’on attribue à l’architecture ne survit pas de façon fiable, et que les gains spectaculaires rapportés dans la nature se lisent mieux comme un artefact du calcul supplémentaire que l’essaimage dépense en silence.
Il y a ici un vrai argument adverse, et il mérite d’être posé avant d’y répondre. La normalisation des jetons égalise la quantité de calcul reçue de chaque côté, mais le multi-agent modifie plus d’une variable à la fois : prompts à rôles diversifiés, échantillonnage indépendant, dynamiques de débat et de vérification croisée. Un unique banc d’essai montrant la parité à jetons égaux est compatible avec « aucun bénéfice architectural » comme avec « un bénéfice réel que ce harnais précis n’a pas sollicité ». Je le prends assez au sérieux pour énoncer l’affirmation comme réfutable plutôt que prouvée : un banc d’essai multi-saut à budget normalisé où le multi-agent battrait de façon fiable un agent unique à budget de jetons égal la réfuterait directement, et cette expérience est réalisable. Tant qu’elle ne tombe pas, les preuves penchent dans l’autre sens, et la charge revient au discours qui vend l’orchestration comme un gain de raisonnement.
Ce que coûte vraiment la couche d’orchestration
Le facteur de confusion sur le calcul n’est que la moitié de l’argument, et c’est la moitié fragile, puisqu’elle repose sur une seule source. L’autre moitié est sourcée de façon indépendante et porte sur ce que vous payez pour faire tourner l’essaim, tout simplement. La coordination n’est pas un surcoût accessoire que l’on règle en ajustant un prompt ; ses modes de défaillance forment une taxonomie structurée et récurrente. MAST catalogue 14 modes de défaillance répartis en trois catégories racines, ambiguïté de spécification, ruptures de coordination et lacunes de vérification, validés sur plus de 1 600 traces d’exécution à NeurIPS 2025 2.
Rendez l’un d’eux concret. Une défaillance d’ambiguïté de spécification, c’est le passage de relais où l’agent A termine sa part selon une interprétation de la tâche que l’agent B n’a jamais partagée, et personne ne le remarque, car aucune étape du pipeline n’a la charge de réconcilier les deux lectures. Rien ne plante. Le système produit une réponse assurée, cohérente en interne, et fausse, et la coordination censée faire la force de l’architecture est précisément là où elle rompt. Que l’on retrouve ces 14 modes récurrents sur plus de 1 600 traces, c’est justement le fait marquant : ce sont des propriétés structurelles du fait d’insérer une couche de coordination entre le modèle et la tâche, non des bogues qu’un meilleur prompt élimine.
Quand le multi-agent mérite encore sa place
Rien de tout cela ne fait du multi-agent une erreur. La raison pour laquelle vous y recourez devient décisive. Deux raisons résistent à l’examen, une n’y résiste pas. Le parallélisme d’exécution résiste : si trois sous-problèmes sont indépendants, les traiter de front réduit la durée totale, quoi que dise la comptabilité des jetons. L’isolation de contexte résiste : garder l’état intermédiaire brouillon d’un sous-problème hors de la fenêtre de contexte d’un autre agent est un vrai bénéfice d’ingénierie, d’autant plus que les fenêtres de contexte se remplissent et que l’attention se dégrade. Le gain de qualité de raisonnement, lui, ne résiste pas, du moins en l’état des preuves.
D’où une règle de décision nette. Recourez au multi-agent quand la valeur est structurelle, quand vous voulez réduire la durée totale par parallélisme ou mettre le contexte en quarantaine. N’y recourez pas en attendant que l’orchestration elle-même raisonne mieux qu’un seul agent correctement doté, et tenez pour suspect tout banc d’essai d’éditeur qui prétend le contraire tant qu’il ne rapporte pas le budget de jetons de réflexion des deux côtés.
Une mise en garde honnête sur cette réserve. « Utilisez-le pour l’isolation de contexte » peut devenir une échappatoire : reclassez tout futur gain de raisonnement du multi-agent comme relevant en réalité de l’isolation et l’affirmation sur le raisonnement devient irréfutable. Je refuse ce glissement. L’affirmation porte spécifiquement sur les gains de qualité de raisonnement à budget égal ; un gain qui survit à la normalisation du budget la réfute et ne se voit pas réétiqueté. La branche de la pénalité de coordination 2 tient sur sa propre source de toute façon, si bien que même si le résultat sur le facteur de confusion était renversé demain, l’argument selon lequel la couche d’orchestration échoue de manière structurelle et documentée ne tomberait pas avec lui.