Un système multi-agents, dans le contexte de l'IA moderne, est une architecture dans laquelle plusieurs instances distinctes de agents d'IA interagissent entre elles, généralement en coopérant, en divisant le travail ou en vérifiant mutuellement leurs résultats, pour accomplir une tâche qu'un agent unique gérerait moins efficacement seul. Chaque agent est généralement construit sur un grand modèle de langage, souvent doté d'un rôle, d'une personnalité ou d'un ensemble d'outils spécifiques via son propre prompt système, et les agents communiquent en s'envoyant des messages, en partageant un espace de travail, ou en lisant et écrivant dans un état commun.
Le concept de systèmes multi-agents est bien plus ancien que les grands modèles de langage, avec une longue histoire dans l'intelligence artificielle distribuée et la recherche en apprentissage par renforcement étudiant comment des agents indépendants coopèrent ou rivalisent dans un environnement partagé. La version spécifique aux LLM de cette idée est née directement de la vague agentique plus large de 2023 à 2025 : à mesure que les agents individuels devenaient assez fiables pour accomplir des tâches en plusieurs étapes via l'utilisation d'outils, les chercheurs et développeurs ont commencé à composer plusieurs agents ensemble pour gérer des tâches avec des divisions de rôles naturelles, comme le développement logiciel, la recherche ou le débat.
Modèles courants
Plusieurs modèles organisationnels reviennent dans les frameworks multi-agents. Dans un modèle orchestrateur-travailleurs, un agent décompose une tâche en sous-tâches et les répartit entre des agents travailleurs spécialisés, puis combine leurs résultats, une structure bien adaptée aux tâches qui se décomposent naturellement, comme la recherche de plusieurs sous-thèmes en parallèle. Dans un modèle de débat ou de critique, deux agents ou plus proposent des réponses ou critiquent mutuellement leur raisonnement avant qu'une réponse finale ne soit produite, visant à faire ressortir des erreurs qu'un modèle unique pourrait ne pas détecter seul. Dans un modèle de pipeline, les agents sont disposés dans une séquence fixe, chacun gérant une étape d'un processus plus large, comme un agent de rédaction suivi d'un agent de révision et d'un agent de vérification des faits. Certains systèmes utilisent également un tableau noir ou un document partagé que plusieurs agents lisent et écrivent de manière asynchrone, plutôt que de s'envoyer directement des messages.
Avantages et justification
Les partisans soutiennent que diviser une tâche complexe entre des agents spécialisés, chacun avec un rôle plus restreint et un prompt correspondant plus simple, peut produire des résultats plus fiables que de demander à un seul agent de garder en tête une tâche complexe entière à la fois, en particulier pour les tâches qui dépassent une seule fenêtre de contexte ou qui bénéficient de tentatives indépendantes et moins corrélées avant qu'un résultat ne soit choisi. Les configurations de débat et de critique multi-agents en particulier ont été étudiées comme un moyen de réduire les hallucinations et les erreurs de raisonnement, en partant du principe qu'un agent examinant la sortie d'un autre agent à partir d'un contexte frais est plus susceptible de repérer une erreur que l'agent original examinant son propre travail.
Limites et critiques
Les systèmes multi-agents introduisent leurs propres coûts et modes de défaillance. Exécuter plusieurs agents multiplie l'utilisation de jetons et la latence par rapport à un agent unique, car chaque agent maintient généralement son propre contexte et peut appeler le modèle sous-jacent de nombreuses fois. Les échecs de coordination sont également courants : les agents peuvent se parler sans se comprendre, dupliquer le travail, rester bloqués à attendre les uns les autres, ou dériver de la tâche initiale à mesure que les erreurs s'accumulent lors des transferts, un risque étroitement lié aux préoccupations de fiabilité discutées pour les agents uniques. Certains praticiens ont soutenu que de nombreuses tâches commercialisées comme nécessitant plusieurs agents peuvent être traitées tout aussi bien, et à moindre coût, par un agent unique suffisamment capable avec une bonne ingénierie de prompts et l'accès aux bons outils, faisant de l'architecture multi-agents un véritable compromis d'ingénierie plutôt qu'un défaut strictement supérieur. En 2025, les frameworks multi-agents restaient un domaine actif de développement d'outils, sans norme dominante unique pour la communication entre agents, bien que le protocole de contexte de modèle et les efforts connexes pour standardiser les interfaces d'outils et de contexte aient été étendus par certains projets vers la communication agent-à-agent également.