3.6 — Un agent ou une équipe ? Les 3 paradigmes

Pour une tâche simple, un seul agent suffit. Mais pour « crée un site web complet », un agent unique sature. La solution moderne : l’orchestration multi-agents — diviser le travail entre des spécialistes virtuels. Trois grandes approches (« frameworks ») :

🟢 En clair — un agent multi-tâches, c’est comme demander à une seule personne d’être à la fois cuisinier, serveur et caissier : ça tient pour un petit café, pas pour un grand restaurant. Le multi-agents, c’est répartir les rôles entre plusieurs spécialistes qui se coordonnent. Les trois frameworks ci-dessous diffèrent surtout par comment ils se coordonnent.

L’approche « start-up » — CrewAI 🤝

La plus simple et la plus intuitive. Vous créez des rôles comme dans une entreprise : un Manager, un Chercheur, un Rédacteur. Le Manager reçoit la mission, instruit le Chercheur, qui transmet ses notes au Rédacteur. (Forte adoption en entreprise pour sa simplicité.)

L’approche « usine stricte » — LangGraph 🏭

La méthode des équipes qui veulent éviter les erreurs. Le travail avance sur un graphe (comme une ligne d’assemblage), chaque étape étant strictement contrôlée. Atout clé : une mémoire d’état (checkpointing) — si le système plante, l’agent reprend exactement où il s’était arrêté. C’est devenu le choix par défaut en production.

L’approche « réunion de groupe » — AutoGen 💬

Les agents sont dans une messagerie de groupe : ils débattent pour trouver la meilleure solution. Très efficace pour le code : un agent codeur propose, un agent testeur répond « non, ça ne marche pas, réessaie » jusqu’à l’accord.

🔔 Mise à jour importante (fin 2025) : Microsoft a fusionné AutoGen avec Semantic Kernel dans un nouveau Microsoft Agent Framework (MAF), pensé pour la production (disponibilité début 2026). AutoGen passe en maintenance (corrections seulement). Le paradigme conversationnel décrit ci-dessus reste valable et instructif ; pour un nouveau projet, on regardera désormais MAF.

🧭 Le paysage bouge vite. D’autres acteurs existent (OpenAI Agents SDK, Google ADK, protocole A2A d’agent-à-agent…). Ne vous « mariez » pas à un framework : comprenez les 3 paradigmes (rôles / graphe / conversation), les outils suivront.

🧩 Exemple concret — « rédiger un rapport de marché » : avec CrewAI, un Chercheur rassemble les données et les passe à un Rédacteur (rôles, comme dans une entreprise). Avec LangGraph, chaque étape est une case d’un graphe, et si ça plante à la rédaction, on reprend là sans refaire la recherche. Avec AutoGen, deux agents débattent du plan jusqu’à se mettre d’accord.

✅ En résumé

• Un seul agent suffit souvent ; le multi-agents sert aux tâches trop larges pour un seul.
• CrewAI = rôles (le plus intuitif) ; LangGraph = graphe + mémoire d’état (défaut en prod).
• AutoGen = conversation (fort sur le code) ; fusionné dans MAF fin 2025.
• Retenez les 3 paradigmes (rôles / graphe / conversation), pas un outil précis.

🔎 Pour aller plus loin (tech) — pour coder un agent léger toi-même, la référence est smolagents (Hugging Face) : sa particularité, l’agent écrit du code Python pour appeler ses outils (plutôt que du JSON). Le notebook niveau-3-smolagents.ipynb le reconstruit en quelques lignes, sans clé API.