Vous avez un agent pour vendre, un pour produire, un pour vérifier, et vous ne savez plus si l'ensemble travaille mieux qu'un seul. Une étude publiée le 9 novembre 2026 a observé neuf modèles libres de déléguer, sur 145 tâches longues : aucune configuration n'est la meilleure partout [1]. La bonne question n'est donc pas « combien d'agents ? », mais « qu'est-ce que cette organisation rapporte, et que coûte-t-elle à coordonner ? »
Pourquoi empile-t-on des agents sans savoir si cela marche ?
Cela commence bien. Un premier agent rédige vos réponses clients. Il fait des erreurs, alors vous en ajoutez un second pour relire. Puis un troisième pour préparer les devis. Puis, pourquoi pas, un agent pour organiser les réunions des agents.
Chaque ajout paraît raisonnable. Mais personne ne mesure le total. Le système a-t-il gagné du temps, ou a-t-il déplacé le travail : plus de transmissions entre agents, plus de reprises, plus de vérifications pour vous ? Une organisation à plusieurs agents ne se juge pas à son organigramme. Elle se juge à ce qu'elle livre, et à ce que cela coûte pour y arriver.
Que dit l'étude WorkflowArena sur un agent ou plusieurs ?
WorkflowArena est un banc d'essai (un benchmark) publié le 9 novembre 2026 par Zheng Jiang et douze coauteurs. Il réunit 145 tâches longues dans 8 domaines professionnels, du développement logiciel aux mathématiques formelles, de l'analyse juridique à la production 3D [1].
Chaque tâche donne un espace de travail de départ et demande un livrable fait de parties qui dépendent les unes des autres. Un vérificateur caché note le résultat. Le détail qui compte : les agents décident eux-mêmes s'ils délèguent, et comment. Toute délégation est enregistrée [1].
Neuf modèles ont passé le test, dans 25 configurations. Le meilleur système, Claude Opus 5.5 dans Claude Code au niveau d'effort maximal, ne résout entièrement que 36,95 % des tâches en moyenne. Et aucune configuration n'est la meilleure dans tous les domaines [1]. Ce n'est pas un classement où un modèle gagne partout. C'est une carte où le meilleur choix change avec le métier.
L'étude relève aussi deux styles de délégation. Avec un niveau d'effort élevé (un réglage qui laisse le modèle raisonner plus longtemps avant d'agir), les modèles Claude dans Claude Code lancent des workflows moins souvent, mais avec des groupes d'exécutants plus larges. Les modèles GPT dans Codex délèguent plus souvent, en petites unités [1]. Deux façons de s'organiser, sans qu'on puisse dire laquelle est la bonne en général.
Enfin, un résultat très utile pour un dirigeant. Les auteurs ont fixé les exécutants (les modèles qui font le travail), sur 32 tâches difficiles, et ont changé seulement le workflow qu'on leur donnait. Les workflows écrits par Claude Opus 5.5 ont nettement amélioré quatre exécutants plus faibles : 6,41 points de plus en moyenne [1][2]. Ceux écrits par GPT-6 Astra, un système pourtant bien plus fort que ces exécutants, les ont beaucoup moins aidés, et ont même fait baisser le score de deux d'entre eux [1]. Être bon à la tâche ne suffit donc pas à écrire un bon plan de travail. Les auteurs en tirent que la qualité de l'organisation est une source de performance mesurable, distincte de la capacité à faire la tâche seul [1].
Ce que l'étude ne dit pas
Elle ne dit pas que plusieurs agents sont meilleurs. La page du projet précise que le test récompense le résultat, pas le nombre d'exécutants ni la forme du graphe, et que travailler en séquence est un choix valable [2]. Elle ne dit pas non plus qu'un modèle a gagné partout : l'écart se joue domaine par domaine [1].
Ses limites sont déclarées par les auteurs : un seul essai par tâche, donc pas d'estimation de variance quand les classements sont serrés ; chaque modèle tourne dans un seul environnement, si bien que la comparaison mêle le modèle et son outil ; le contenu et la 3D sont notés par un modèle juge, sans étude d'accord avec des humains ; le transfert (le test où l'on change seulement le plan de travail) ne porte que sur 32 tâches et deux auteurs de plans [2]. Les auteurs ajoutent que le gain du transfert peut mêler une meilleure organisation et la connaissance de la tâche glissée dans les consignes [1]. Lisez-la comme un signal sérieux, pas comme un verdict sur votre entreprise.
Comment poser la bonne question avant d'ajouter un agent ?
Voici le tableau qui change la discussion.
| Mauvaise question | Bonne question |
|---|---|
| Combien d'agents me faut-il ? | Quel travail exact faut-il faire, et par qui ? |
| Quel est l'agent le plus puissant ? | Comment saurai-je que le résultat est réussi ? |
| Comment automatiser tout le processus ? | Quelles erreurs sont inacceptables ? |
| Quelle architecture fait le plus sérieux ? | Une automatisation plus simple ferait-elle aussi bien, pour moins cher ? |
Le principe qui en sort tient en une phrase : une architecture plus complexe doit prouver qu'elle rapporte plus que ce qu'elle coûte en coordination. C'est une règle de travail proposée par 360IA, pas un résultat d'étude. Elle est cohérente avec WorkflowArena, qui mesure le résultat et pas le décor.
1. Quel travail exact ?
« Gérer mes dossiers clients » n'est pas un travail. « Lire un devis et un compte rendu, vérifier que les montants concordent, préparer la réponse » en est un. Plus la tâche est précise, plus il est facile de voir si un agent suffit.
2. Comment mesurer la réussite ?
Choisissez deux ou trois critères que vous pouvez compter : exactitude, temps humain passé à corriger, nombre de reprises. Sans critère, vous comparerez des impressions.
3. Quelles erreurs sont inacceptables ?
Un montant faux dans un devis n'est pas une coquille, c'est un engagement. Listez les erreurs qui ne doivent jamais partir chez un client. Elles dictent vos contrôles, bien plus que le nombre d'agents.
4. Une automatisation plus simple suffirait-elle ?
Si la tâche suit toujours les mêmes étapes, une règle fixe coûte moins et se contrôle mieux qu'un agent. L'agent sert quand il faut lire, juger et s'adapter. Une intuition répandue veut qu'il faille un agent pour le simple, plusieurs pour le complexe. Elle ne dit pas comment le vérifier chez vous. C'est l'objet de l'exercice suivant.
Comment tester chez soi : un agent ou trois ?
Cet exercice est une proposition de 360IA, pas une méthode issue de l'étude. Prenez un travail réel et répétitif, par exemple la préparation d'un dossier de formation (devis, planning, convention). Faites-le dans trois organisations, avec les mêmes règles et les mêmes accès.
| A. Un agent seul | B. Trois agents spécialisés | C. Un orchestrateur avec critères de validation | |
|---|---|---|---|
| Principe | Un seul agent fait tout, du début à la fin | Un agent par étape : préparer, rédiger, vérifier | Un agent coordonne, délègue, et ne livre que si les critères sont remplis |
| Ce qu'il coûte en plus | Rien | Des transmissions entre agents | Des transmissions et des règles à écrire |
| Ce qu'on risque | Un agent qui oublie une règle | Une erreur qui se propage d'un agent à l'autre | Un système lourd pour une tâche simple |
Faites passer le même lot de dossiers dans chaque organisation, trois fois si possible, et mesurez ces huit points : exactitude, cohérence entre les documents, erreurs critiques, temps total, temps humain de correction, coût, nombre de reprises, traçabilité.
Pour savoir si le système tient, glissez cinq cas piégés dans le lot : une information contradictoire entre deux pièces, un document périmé, un consentement absent, une requête à un outil interdit, une pièce manquante. Exemple illustratif : le planning annonce la session le 4 décembre, la convention le 11 décembre. Un bon système ne choisit pas au hasard. Il signale le conflit, cite les deux pièces et demande une décision.
Le verdict est simple. Si C ne bat pas A sur ce qui compte pour vous, gardez A. L'agent supplémentaire n'a pas gagné sa place.
Et si vous avez déjà plusieurs agents, faites le test de retrait : enlevez le dernier agent ajouté, repassez le même lot, et regardez ce qui manque. Si rien ne manque, il ne travaillait pas pour vous.
Pourquoi juger un système sur sa trace, et pas seulement sur sa réponse ?
Une seconde étude, publiée le 10 novembre 2026 par des chercheurs d'Amazon (Zhang et al.) et acceptée à la conférence KDD, aide à mesurer. Sur 72 cas, l'évaluation qui lit la trace complète de l'exécution (le journal de ce que chaque agent a lu, appelé et décidé) obtient le meilleur équilibre entre erreurs trouvées et fausses alertes ; celle qui ne lit que le texte final trouve autant d'erreurs, mais déclenche cinq fois plus de fausses alertes [3]. Pour un système à plusieurs agents, la conséquence est directe : conservez la trace de chacun, sinon impossible de savoir où une erreur est née, ni quel agent l'a laissée passer. L'étude porte sur deux agents d'analyse de données, en laboratoire [3].
Quel schéma de référence utiliser pour organiser ses agents ?
Voici un schéma de référence que nous proposons. C'est une façon de faire, pas un résultat d'étude. Il se lit de gauche à droite.
OBJECTIF -> CONTEXTE -> ORCHESTRATEUR -> SKILLS -> CONTRÔLES -> LIVRABLE- Objectif : le résultat attendu, en une phrase, avec le critère de réussite.
- Contexte : les fichiers que l'agent doit lire (offres, règles, versions à jour).
- Orchestrateur : celui qui répartit le travail. Cela peut être vous, ou un agent. Si le travail tient en une séquence, il n'en faut pas.
- Skills : des compétences rangées en fiches, c'est-à-dire des consignes écrites pour une tâche précise (rédiger un devis, vérifier un montant).
- Contrôles : ce qui bloque la sortie tant que les critères ne sont pas remplis, y compris votre validation sur ce qui engage.
- Livrable : ce que vous recevez, avec sa trace.
Trois façons de faire travailler plusieurs agents
- Le superviseur : un agent central reçoit la demande, la découpe, confie chaque morceau à un autre agent et rassemble les résultats.
- Le routage : un aiguilleur lit la demande et l'envoie au seul agent compétent, sans la découper.
- Le passage de relais : chaque agent fait son étape, puis transmet le dossier au suivant, comme sur une chaîne.
Aucune n'est meilleure par principe. Le bon choix est celui qui passe votre test A/B/C.
Un bloc à copier pour cadrer avant d'ajouter un agent :
CADRAGE AVANT D'AJOUTER UN AGENT
Le travail exact : ______________________
Ce qui compte comme réussi (2 ou 3 critères comptables) : ______________________
Les erreurs inacceptables : ______________________
Cette tâche pourrait-elle se faire par une règle fixe ? oui / non, pourquoi : ______________________
Organisation testée : A (un agent) / B (trois agents) / C (orchestrateur)
Ce que je mesure : exactitude · cohérence · erreurs critiques · temps total · temps de correction · coût · reprises · traçabilité
Test de retrait fait sur le dernier agent ajouté : oui / non, ce qui a manqué : ______________________
Ce qui ne part jamais sans ma validation : ______________________
Décision après le test : je garde ______ parce que ______________________FAQ : système multi-agents et orchestration
Faut-il plusieurs agents IA pour une petite entreprise ?
Pas au départ. Commencez par un seul agent bien cadré, avec une mission limitée, ses outils et ses permissions. Ajoutez un agent quand un test montre un gain, pas parce que l'organigramme le suggère.
Qu'est-ce qu'un orchestrateur d'agents IA ?
C'est l'agent, ou le programme, qui répartit le travail entre les autres, suit l'avancement et décide quand le résultat est livrable. WorkflowArena observe que des modèles différents s'y prennent différemment : certains délèguent peu, à de larges groupes, d'autres souvent, en petites unités [1].
Un système multi-agents est-il plus fiable qu'un agent seul ?
Pas par nature. L'étude montre qu'aucune configuration ne gagne partout, et que travailler en séquence reste valable [1][2]. À notre sens, la fiabilité vient des contrôles et de la trace, pas du nombre d'agents.
Comment savoir si mon organisation d'agents est la bonne ?
Comparez-la à une organisation plus simple, sur les mêmes dossiers, avec des critères fixés avant le test. Puis faites le test de retrait sur le dernier agent ajouté. L'exercice A/B/C ci-dessus sert à cela.
Que faire si mes agents se contredisent ?
Faites-le remonter à une personne. Un bon système signale le conflit, cite ses deux sources et demande une décision, au lieu de trancher seul.
L'étude vaut-elle pour mon entreprise ?
Elle donne une direction, pas une preuve locale : un essai par tâche, un outil par modèle, 32 tâches pour le transfert [2]. Votre test sur vos dossiers reste le seul qui compte.
Conclusion
Un agent de plus n'est pas une avancée. C'est une dépense de coordination, qui doit se justifier par un résultat que vous avez mesuré. Cette semaine, remplissez le bloc de cadrage pour un seul travail réel, et passez-le en A avant d'imaginer B ou C.
Chez 360IA, nous vous aidons à construire votre système avec méthode, en collectif. Venez avec votre bloc de cadrage rempli : on le passe en A ensemble. Sur la page Accès à 360IA, la communauté coûte 197 € TTC par mois, sans engagement, et l'Immersion 2 500 € TTC, sur candidature [4]. Aucun résultat n'est promis : on vous aide à cadrer, tester et décider.
À lire ensuite
Améliorer un agent IA sans changer de modèle · Second cerveau IA : l'IA qui connaît votre entreprise
Sources
Les chiffres de WorkflowArena (145 tâches, 8 domaines, 9 modèles, 36,95 % de tâches résolues par le meilleur système, 6,41 points sur 32 tâches difficiles et 4 exécutants) viennent de Jiang et al. (arXiv 2611.12856, 9 novembre 2026) et de la page du projet, avec leurs limites déclarées. Les chiffres de l'étude Amazon (72 cas, 5 fois plus de fausses alertes) viennent de Zhang et al. (arXiv 2611.14493, 10 novembre 2026). L'exercice A/B/C, le test de retrait, le schéma et le bloc de cadrage sont proposés par 360IA. Tarifs relus sur 360ia.club/acces/ le 13 novembre 2026.
- Jiang et al. (9 novembre 2026), « WorkflowArena », arXiv 2611.12856
- WorkflowArena, page du projet (chiffre de 6,41 points, principe du résultat et limites déclarées)
- Zhang et al., Amazon (10 novembre 2026), « Comparative Analysis of Agent Evaluation Frameworks: Stability, Detection, and Discovery in Enterprise Analytics Agents », arXiv 2611.14493, accepté à KDD 2026
- 360IA, « Accès à 360IA », page relue le 13 novembre 2026