Claude se dote d’une fonction de répartition des tâches entre jusqu’à 1 000 IA ; le coût au cœur des débats

L’IA prend en charge la planification et la répartition des tâches

Anthropic a ajouté des flux de travail dynamiques à « Claude Managed Agents », sa plateforme d’exécution d’agents IA. Plusieurs agents peuvent ainsi se répartir le travail : un agent chef de file établit un plan, répartit les tâches entre des 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 mène des tâches à bien en vue d’un objectif donné. Avec cette nouvelle fonctionnalité, le travail n’est plus confié à un seul agent : les rôles sont répartis entre un agent chef de file et des agents chargés de l’exécution. Le système permet désormais de faire fonctionner plusieurs IA ensemble au sein de la plateforme d’exécution existante.

La limite de 1 000 agents n’est pas le seul élément à retenir. L’IA se charge de répartir le travail et de rassembler les résultats. Toutefois, le nombre d’agents pouvant fonctionner en parallèle ne correspond pas automatiquement à une accélération du traitement ni à une multiplication des résultats.

66 bugs détectés sur 70

Dans un test présenté par Anthropic, 70 bugs ont été délibérément introduits dans 116 000 lignes de code, puis les résultats de détection ont été comparés. Lors d’une seule exécution, un agent utilisé seul en a détecté entre 14 et 27, tandis que le flux de travail dynamique en a détecté systématiquement 66, selon l’entreprise.

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

Par ailleurs, ces résultats concernent une tâche précise : la détection de bugs dans du code. Impossible de vérifier si un écart similaire se retrouve pour d’autres tâches, comme la recherche ou la rédaction de documents. Les informations fournies ne précisent pas non plus combien d’agents ont été utilisés lors du test. Il serait donc prématuré d’y voir le résultat obtenu avec 1 000 agents.

Pour décider de l’adopter, mieux vaut mesurer le coût par résultat que le nombre d’agents

Le partage du travail a aussi pour contrepartie une hausse du volume de traitement de l’IA. Anthropic avertit que cette méthode peut consommer un grand nombre de tokens et recommande de commencer avec une configuration réduite. Les tokens sont les unités de traitement des textes et du code par l’IA ; 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 de déterminer combien leur coûtera un résultat de la qualité requise. Même si davantage de bugs sont détectés, la décision d’adopter cette méthode dépendra aussi de l’augmentation des coûts et du travail de vérification. Une approche pragmatique consiste à comparer, sur une même tâche, un agent seul et une configuration avec un petit nombre d’agents, en mesurant le nombre de bugs détectés, le temps nécessaire et le coût.

Les documents fournis ne précisent pas le coût total, la durée du traitement ni la consommation de tokens lors du test comparatif. Ils permettent de constater une différence dans le nombre de bugs détectés, mais ne démontrent pas encore la rentabilité de la méthode.