Intensif Gratuit 20–21/11Intensif gratuit de 2 jours en Vibecoding (20–21 nov, 18h30 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarAWS Machine Learning Blog→ original

AWS : une chaîne de 10 agents fiables à 95% n'atteint que 59,9% de réussite en sortie

Les systèmes multi-agents tombent plus souvent en panne à cause des passages de relais entre agents que du modèle lui-même. Si chacune des 10 étapes d'une chaîne réussit dans 95% des cas, seuls 59,9% des exécutions vont au bout sans incident. Avec 20 étapes, ce chiffre tombe à 35,8% (sans nouvelles tentatives). AWS recommande donc de partir d'un scénario rigide, défini à l'avance, et de ne laisser le modèle choisir le chemin que si les étapes ne peuvent pas être décrites au préalable.

Traité par IA depuis AWS Machine Learning Blog ; édité par Hamidun News
AWS : une chaîne de 10 agents fiables à 95% n'atteint que 59,9% de réussite en sortie
Source : AWS Machine Learning Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireAWS Machine Learning Blog ↗
Rédacteur en chef
Chiffre clé #1Un God agent avec 15+ outils dans un seul prompt dégrade le choix d'outil ; la limite est de cinq
Chiffre clé #2Les nouvelles tentatives sans plafond brûlent des tokens : l'arrêt doit être codé en dur
Chiffre clé #3Le débat entre agents est le pattern le plus coûteux, à réserver aux décisions rares et à fort enjeu

Imaginez un pipeline d'agents : le premier extrait des données d'un document, le deuxième les transforme, le troisième les vérifie, le quatrième transmet le résultat. En démo, tout fonctionne ; en production, le système produit régulièrement du n'importe quoi. Dans son analyse, AWS explique que le coupable n'est généralement pas le modèle, mais la coordination.

C'est un problème classique de systèmes distribués, et beaucoup d'équipes qui s'y attaquent n'ont pas encore les réflexes d'ingénierie nécessaires. D'où le chiffre central : si chacune des 10 étapes d'une chaîne réussit dans 95% des cas, seuls 59,9% des exécutions la parcourent sans incident ; avec 20 étapes, on tombe à 35,8%. Le calcul est simplifié, car la chaîne est strictement séquentielle et sans nouvelles tentatives, mais la tendance est claire : chaque passage de relais supplémentaire entre agents multiplie le risque.

En pratique, la conclusion est la suivante : avant d'ajouter des agents, il faut se demander si on en a vraiment besoin. Selon les données citées par AWS, environ 88% des pilotes d'IA n'arrivent pas en production. Une étude de Stanford HAI a montré que deux modèles associés peuvent donner de moins bons résultats que chacun pris isolément, si le coût de coordination dépasse le bénéfice.

Deux niveaux de patterns : qui choisit le chemin

AWS classe les schémas de coordination selon la personne qui pilote le flux de travail. Au premier niveau, c'est le développeur qui trace le chemin ; au second, c'est le modèle qui le choisit en cours d'exécution. La seconde option est plus souple, mais aussi plus coûteuse en tokens, plus lente et plus difficile à déboguer. La règle de travail : commencez par le premier niveau et ne passez au second que si les sous-tâches apparaissent au fil de l'exécution.

Premier niveau (scénario rigide) :

  • Pipeline séquentiel : A → B → C. L'ordre est connu à l'avance, ce qui facilite les tests et rend le coût prévisible. Adapté au traitement de documents, à l'ETL et à l'instruction de demandes de garantie.
  • Workflow conditionnel : après une vérification, le travail suit une branche. Par exemple, le code est écrit, les tests échouent : retour à l'auteur au maximum N fois, puis escalade vers un humain. Le plafond est imposé par l'orchestrateur, par exemple une limite d'itérations dans AWS Step Functions.
  • Routeur : un classifieur lit la requête et l'envoie à un seul spécialiste exactement (qualité, maintenance ou planning).
  • Workflow parallèle : la tâche est découpée en parties indépendantes, dont les résultats sont fusionnés ensuite. La latence est celle de l'agent le plus lent, et non la somme de toutes. Si une branche échoue, on ne relance qu'elle.

Second niveau (le modèle choisit le chemin) :

  • Orchestration par plan : un agent planificateur tient une liste explicite de tâches, et les exécutants sans état ne voient que leur fragment. Si l'un échoue, les autres n'en pâtissent pas.
  • Transfert de contrôle (handoff) : un agent confie la tâche à un collègue avec un état vérifié et des preuves. Si seul un résumé est transmis dans un chat, ce n'est pas un handoff.
  • Dialogue d'agents : un chat commun, où l'ordre de parole est fixé par un tour de rôle ou par le modèle, et où l'état est conservé dans l'historique de la conversation.
  • Débat et consensus : plusieurs agents évaluent indépendamment la même entrée, puis la majorité ou un juge tranche. C'est le pattern le plus coûteux : sur les tâches de perception, il achète de la latence, pas de la précision. Il faut le garder pour les décisions rares, où une erreur coûte plus cher que la délibération.

En pratique, la plupart des systèmes de production sont hybrides : des scénarios rigides pour les parties bien comprises, et des agents autonomes là où la souplesse est nécessaire.

Cinq antipatterns qui brûlent le budget

  1. God agent. Un seul agent prend en charge l'analyse de l'efficacité des équipements, le diagnostic des contrôleurs et la maintenance, avec 15 outils ou plus dans un seul prompt. Le choix d'outil se dégrade et les erreurs sont difficiles à attribuer. Mieux vaut plusieurs agents limités à cinq outils chacun.
  2. Nouvelles tentatives infinies. L'agent boucle sur « réessaie » sans arrêt strict. Aucun appel ne déclenche d'alerte, mais les tokens s'envolent. Un plafond d'itérations, une limite de tokens par agent et un signal de budget avec arrêt automatique doivent figurer dans le code. Le modèle ne s'arrêtera pas de lui-même.
  3. Contrats en langage naturel. Les agents s'échangent du texte sans schéma. « Usure possible » devient « usure confirmée », puis un ordre de réparation. La dérive se produit entre les agents, là où le traçage est le plus ténu.
  4. Multi-agent prématuré. Chaque agent supplémentaire ajoute une taxe de coordination non linéaire, et le gain plafonne vers quatre agents. Le test : si un seul agent s'en sort en changeant simplement de groupe d'outils, ce n'est pas un problème multi-agent.
  5. Agent sans garde-fou à la frontière avec le client. Les e-mails, les interventions de service et les paramètres de machines-outils partent sans confirmation. Les hallucinations sortent dans le monde physique, et la responsabilité passe du remboursement à la responsabilité du fait des produits. AWS propose une protection multicouche : recommandation, Amazon Bedrock Guardrails, validation du schéma, règles métier, approbation humaine, et seulement ensuite l'exécution.

Ce qu'il faut retenir

Choisissez l'architecture la plus simple qui satisfait les exigences. Si le schéma peut se dessiner sur un tableau avant le lancement, commencez par le premier niveau. Gardez les limites, les schémas de données et les règles de sécurité dans l'infrastructure et le code, pas dans les prompts. En usine, s'y ajoutent le temps de cycle de la ligne, les frontières de sécurité, les données en périphérie et les cycles de postes : ce sont eux qui déterminent quelle architecture convient.

Dossier

Questions clés sur cet article

Que sait-on sur Deux niveaux de patterns : qui choisit le chemin ?

AWS classe les schémas de coordination selon la personne qui pilote le flux de travail. Au premier niveau, c'est le développeur qui trace le chemin ; au second, c'est le modèle qui le choisit en cours d'exécution. La seconde option est plus souple, mais aussi plus coûteuse en tokens, plus lente et plus difficile à déboguer. La règle de travail : commencez par le premier niveau et ne passez au second que si les sous-tâches apparaissent au fil de l'exécution.

Que sait-on sur Cinq antipatterns qui brûlent le budget ?

God agent. Un seul agent prend en charge l'analyse de l'efficacité des équipements, le diagnostic des contrôleurs et la maintenance, avec 15 outils ou plus dans un seul prompt. Le choix d'outil se dégrade et les erreurs sont difficiles à attribuer. Mieux vaut plusieurs agents limités à cinq outils chacun. Nouvelles tentatives infinies. L'agent boucle sur « réessaie » sans arrêt strict. Aucun appel ne déclenche d'alerte, mais les tokens s'envolent.

Que sait-on sur Ce qu'il faut retenir ?

Choisissez l'architecture la plus simple qui satisfait les exigences. Si le schéma peut se dessiner sur un tableau avant le lancement, commencez par le premier niveau. Gardez les limites, les schémas de données et les règles de sécurité dans l'infrastructure et le code, pas dans les prompts. En usine, s'y ajoutent le temps de cycle de la ligne, les frontières de sécurité, les données en périphérie et les cycles de postes : ce sont eux qui déterminent quelle architecture convient.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…