Les équipes d'agents IA consomment jusqu'à 5,1x plus de tokens pour un gain à peine perceptible

Les équipes d'agents IA devancent à peine les agents seuls, mais coûtent jusqu'à 5,1 fois plus cher. C'est la conclusion de Vals AI. Les chercheurs ont fait tourner leurs scénarios sur deux modèles phares, GPT-6 Sol et Claude Opus 5.5, et n'ont constaté un gain mesurable du travail en équipe que dans un test sur quatre. Les trois autres donnent un écart difficile à distinguer du bruit. Les données d'Anthropic dressent le même tableau : au-delà de dix agents, la qualité atteint un plateau, tandis que les tokens continuent de partir en fumée.

Ce que montrent les tests

L'idée des systèmes multi-agents paraît logique. Un agent seul a du mal à garder en tête une grosse tâche ; on la répartit donc entre des spécialistes : l'un planifie, d'autres exécutent, un troisième vérifie. Chacun travaille dans son propre contexte et, en théorie, se trompe moins souvent.

Vals AI a comparé ces équipes à des agents seuls sur les mêmes tâches. Le travail en équipe a un coût net : la facture a grimpé jusqu'à 5,1 fois. À côté, le gain de qualité reste modeste. Il n'apparaît que dans un scénario sur quatre, et le résultat est obtenu sur les deux modèles, GPT-6 Sol et Claude Opus 5.5 : la faiblesse de l'approche ne peut donc pas être imputée aux défauts de l'un d'eux.

Le résumé dont nous disposons ne précise pas quelles tâches composaient le jeu de tests ni comment l'orchestration était conçue. Ces chiffres sont donc à lire comme un signal, et non comme un verdict sur toutes les architectures.

Un plateau au-delà de dix agents

Anthropic apporte un argument supplémentaire. Selon les données de l'entreprise, quand une équipe compte plus de dix agents, la qualité cesse de progresser tandis que le coût en tokens continue de monter. La courbe des rendements s'aplatit, pas celle des dépenses.

La cause tient probablement aux coûts de coordination. Les agents doivent se transmettre le contexte, harmoniser leurs résultats et revérifier le travail des autres. Chacune de ces étapes coûte des tokens et n'apporte presque aucune information nouvelle au système. C'est mon interprétation, le mécanisme n'étant pas détaillé dans les données sources, mais elle explique bien pourquoi l'ajout de participants cesse d'être rentable.

Les chiffres clés de l'étude :

• chercheur : Vals AI ;
• modèles testés : GPT-6 Sol et Claude Opus 5.5 ;
• surcoût de l'approche en équipe : jusqu'à 5,1x par rapport à un agent seul ;
• gain de qualité mesurable : 1 test sur 4 ;
• seuil selon les données d'Anthropic : au-delà de 10 agents, la qualité atteint un plateau ;
• au-delà de ce seuil, la consommation de tokens continue d'augmenter.

Comment tester le multi-agent dans votre produit

Pour les équipes qui construisent des systèmes agentiques, la leçon est pratique : l'essaim d'agents ne doit pas être l'architecture par défaut. La référence doit toujours être un agent seul. Si un agent unique, avec un bon prompt et les bons outils, résout la tâche, n'ajoutez un second agent que si le gain est démontré.

Ce qu'il faut faire :

1. Mesurer non pas la qualité moyenne, mais le coût par tâche résolue. Quelques points de précision gagnés au prix d'une facture multipliée par cinq perdent presque toujours la comparaison.

2. Comparer l'équipe et l'agent seul sur vos propres données. Un résultat obtenu sur un benchmark extérieur se transpose mal, et dans l'étude de Vals AI, le gain n'est apparu que dans un scénario sur quatre.

3. Limiter la taille de l'équipe. Si le nombre d'agents augmente, surveillez le point où le gain s'arrête.

D'après Anthropic, la limite se situe autour de dix. 4. Prévoir un budget de tokens par exécution et interrompre le run en cas de dépassement.

Les systèmes en équipe renchérissent les erreurs : un essaim qui tourne en boucle dépense plus vite qu'un agent seul.

Les architectures multi-agents restent pertinentes pour les tâches où le parallélisme fait réellement gagner du temps ou où des contextes isolés sont nécessaires. Mais il faudra désormais en prouver l'intérêt par des chiffres, et non par un joli schéma d'orchestration.