Ce qui change
Le 9 juillet 2026, OpenAI a livré l’orchestration multi-agents en beta dans son API Responses, en même temps que la famille GPT-5.6 12. Un seul champ l’active, multi_agent.enabled, derrière le drapeau beta OpenAI-Beta: responses_multi_agent=v1 (côté SDK, client.beta.responses avec betas=["responses_multi_agent=v1"]) 2. Le même jour, OpenAI a publié son pendant côté tokens, le Programmatic Tool Calling 13, et un observateur indépendant a confirmé les deux livraisons 4. C’est une beta en cours, disponible sur tous les modèles GPT-5.6, et non une version générale.
L’arbre, côté serveur
Ce qui compte, c’est l’endroit où vit désormais l’orchestration. Coordonner un arbre de sous-agents chez OpenAI supposait jusqu’ici l’Agents SDK, LangGraph ou une boucle maison, que vous possédiez et déboguiez. Désormais l’arbre est hébergé : un agent racine nommé /root engendre des sous-agents sur des chemins hiérarchiques comme /root/researcher ou /root/reviewer/tester, et six actions hébergées apparaissent comme des éléments multi_agent_call dans le flux : spawn_agent, send_message, followup_task, wait_agent, interrupt_agent et list_agents 2. Vos propres outils fonctionnent toujours de la manière habituelle : n’importe quel agent peut émettre un function_call, et votre application renvoie le function_call_output correspondant 2.
from openai import OpenAI
client = OpenAI()
resp = client.beta.responses.create(
model="gpt-5.6",
betas=["responses_multi_agent=v1"],
multi_agent={"enabled": True, "max_concurrent_subagents": 3},
input="Research and review the migration plan.",
)
# L'agent /root emet des actions spawn_agent comme elements multi_agent_call.
Le défaut est 3, pas des centaines
max_concurrent_subagents vaut 3 par défaut, un réglage qu’OpenAI qualifie de “recommandé pour la plupart des charges” 2. Voyez-y une position de conception, pas une note de bas de page. La lignée Claude Code pousse au contraire les essaims larges et fixe un plafond de 200 sous-agents par session, justement parce que la délégation qui s’emballe est son mode de défaillance ; le fan-out intégré d’OpenAI est étroit et vous invite à y rester. Si votre idée du multi-agent est l’essaim large, cette primitive a une tout autre forme, volontairement bridée, et y transposer une conception à large fan-out vous surprendra. Relevez le nombre en connaissance de cause, ou concevez pour trois.
Impact pour une équipe
Si vous exploitez déjà un graphe d’agents côté client, la vraie question n’est pas de savoir si la fonctionnalité marche, mais qui détient la boucle de contrôle. Trois gestes concrets. Si vous êtes une boutique OpenAI avec un fan-out étroit, cette nouveauté supprime aujourd’hui une vraie glu d’orchestration : un pic d’essai le mérite, mais épinglez le drapeau beta et attendez-vous à des remous. Si votre conception suppose des essaims larges à la Claude Code, ne faites pas de reprise telle quelle : le défaut de 3 est la forme, donc réarchitecturez ou relevez max_concurrent_subagents délibérément. Associez l’arbre au Programmatic Tool Calling 3 : le modèle écrit du JavaScript dans un runtime hébergé, appelle les outils en parallèle et garde les résultats intermédiaires côté serveur, afin que l’arbre ne renvoie pas chaque sortie d’outil au modèle. Ce sur quoi patienter : la portabilité. Rien ne permet de déplacer un arbre hébergé hors d’OpenAI ; gardez cette couche mince si cela compte.