Claude peut désormais mobiliser jusqu’à 1 000 agents IA : le coût au cœur des préoccupations

L’IA prend en charge la planification et la répartition du travail

Anthropic a ajouté à « Claude Managed Agents », sa plateforme d’exécution d’agents IA, des workflows dynamiques permettant à plusieurs agents de se répartir les tâches. Un agent coordinateur établit un plan, attribue le travail aux agents subordonnés, puis rassemble leurs résultats. Jusqu’à 1 000 agents peuvent fonctionner en parallèle lors d’une même exécution.

Un agent IA est une IA qui accomplit des tâches en vue d’un objectif donné. Avec cette nouvelle fonctionnalité, le travail n’est pas confié à un seul agent : les rôles sont répartis entre un coordinateur et des agents chargés de l’exécution. La plateforme d’exécution existante est ainsi dotée d’un mécanisme permettant de faire travailler plusieurs IA de concert.

Le plafond de 1 000 agents n’est pas le seul élément à retenir. C’est l’IA elle-même qui se charge de décomposer le travail et de rassembler les résultats. Toutefois, le nombre d’agents pouvant fonctionner en parallèle ne se traduit pas automatiquement par une vitesse de traitement ou des résultats multipliés d’autant.

66 des 70 bogues détectés

Dans un test présenté par Anthropic, 70 bogues ont été délibérément introduits dans 116 000 lignes de code, puis les résultats de détection ont été comparés. Un agent seul en a trouvé de 14 à 27 en une exécution, tandis que le workflow dynamique en a détecté 66 de façon constante, selon l’entreprise.

En termes de taux de détection, cela représente environ 20 à 39 % pour un agent seul, contre environ 94 % pour le workflow dynamique. Dans ce test, la répartition du travail entre plusieurs agents a permis d’augmenter le nombre de bogues détectés. Cependant, même avec 66 bogues trouvés, tous ceux qui avaient été introduits n’ont pas été repérés.

Par ailleurs, ces résultats concernent une tâche précise : la détection de bogues dans du code. Rien ne permet de confirmer que des écarts similaires seraient observés pour d’autres tâches, comme la recherche ou la rédaction de documents. Les documents fournis ne précisent pas non plus combien d’agents ont effectivement été utilisés lors du test ; il serait donc prématuré d’attribuer ces résultats à l’utilisation de 1 000 agents.

Pour décider de l’adoption, mieux vaut mesurer le coût par résultat que compter les agents

La répartition du travail a aussi pour contrepartie une augmentation du volume de traitement de l’IA. Anthropic avertit que cette méthode peut consommer beaucoup de jetons et recommande de commencer avec une configuration réduite. Les jetons sont les unités utilisées par l’IA pour traiter du texte ou du code ; ils servent notamment à évaluer le coût d’utilisation.

Pour les entreprises, la question est moins de savoir combien d’agents IA elles peuvent faire fonctionner que le prix à payer pour obtenir des résultats de la qualité requise. Même si davantage de bogues sont détectés, la décision d’adopter cette méthode dépendra aussi de l’augmentation des coûts et du travail de vérification. Il est réaliste de comparer un agent seul à une configuration reposant sur un petit nombre d’agents, pour une même tâche, en mesurant le nombre de bogues détectés, le temps nécessaire et le coût.

Les documents fournis n’indiquent pas le coût total, le temps de traitement ni la consommation de jetons pour le test comparatif. Ils permettent de constater une différence dans le nombre de bogues détectés, mais ne démontrent pas le rapport coût-efficacité.