Orchestrer de nombreux agents à grande échelle : des patrons qui fonctionnent

Passer d'un agent à plusieurs change le problème : des consignes à la conception de systèmes. En 2026, une poignée de patrons d'orchestration dominent la production, et le meilleur point de départ est généralement le plus simple.

Cinq patrons

• Éclatement en parallèle (fan-out) : disperser et rassembler en parallèle, pour des sous-tâches indépendantes.
• Chaîne (pipeline) : une suite séquentielle, quand chaque étape dépend de la précédente.
• Débat : plusieurs points de vue se critiquent mutuellement, pour des jugements difficiles.
• Superviseur : un agent décompose le travail, délègue et combine les résultats.
• Essaim (swarm) : des pairs dynamiques. Les fournisseurs font maintenant état d'essaims de centaines de sous-agents, mais c'est la frontière, pas la norme.

Le superviseur est la norme de production de 2026 : les sous-agents de Claude Code, le patron de superviseur de LangGraph et les transferts du OpenAI Agents SDK convergent tous vers lui. Il passe à l'échelle parce qu'ajouter un spécialiste revient à l'inscrire auprès du superviseur et à définir sa portée et ses permissions, sans tout recâbler.

Deux protocoles, deux rôles

MCP, le Model Context Protocol, normalise la façon dont les agents accèdent aux outils et aux données : un connecteur s'écrit une fois et se réutilise. A2A, le protocole Agent-to-Agent, normalise la façon dont les agents se parlent : découvrir les capacités, se transmettre le travail de manière structurée et l'accuser réception. Ensemble, ils couvrent l'accès aux outils et la collaboration entre pairs, et la couche d'orchestration supervise les deux.

Ce qui casse à grande échelle

• Les erreurs d'acheminement se propagent : un seul mauvais transfert corrompt les étapes qui suivent.
• L'état dérive : sans gestion d'état partagée, les agents travaillent à partir de faits différents.
• Le coût s'accumule au fil des appels dépendants; utilisez donc des niveaux moins chers pour les étapes simples.
• Personne ne peut expliquer une exécution si chaque étape n'est pas tracée et rejouable.

Une séquence pratique

Commencez par un superviseur et deux ou trois spécialistes dotés d'outils limités. Ajoutez des points d'approbation pour les actions irréversibles et des budgets par tâche. Instrumentez avant de passer à l'échelle. Ce n'est qu'ensuite qu'il faut ajouter l'éclatement en parallèle pour le travail parallèle, et envisager des essaims lorsqu'un besoin clair et une évaluation le justifient. Les cadres applicatifs courants incluent LangGraph, CrewAI, Microsoft Agent Framework, Google ADK, le OpenAI Agents SDK et le Claude Agent SDK, avec des moteurs durables comme Temporal pour le travail de longue durée.