OpenClaw décompose le multi-agent en trois modes : agents distincts, sous-agents et ACP

OpenClaw a présenté son modèle multi-agent non comme une idée abstraite, mais comme un ensemble de modes de travail pour des tâches réelles dans Telegram. L'utilisateur peut garder un agent principal, puis répartir les rôles entre des exécutants permanents, des sous-agents temporaires et des outils externes de développement via l'ACP.

Trois modes de travail

Le dispositif d'OpenClaw repose sur trois façons de déléguer. La première : des agents permanents distincts, chacun avec son dossier de travail, sa mémoire et ses instructions. La deuxième : des sous-agents, que l'agent principal lance pour une tâche ponctuelle précise et auxquels il ne fournit que le contexte nécessaire. La troisième : l'ACP, un mode où le travail d'ingénierie n'est plus effectué par OpenClaw lui-même, mais par un outil externe connecté, comme Codex, Claude Code ou Gemini CLI.

On n'obtient pas un assistant universel, mais un dispatcheur capable de choisir le bon niveau d'exécution selon le type de travail.

• Agent permanent : pour un rôle requis régulièrement
• Sous-agent : pour une recherche ponctuelle ou une partie d'une grosse tâche
• ACP : pour les tâches de développement dans un environnement externe
• Agent principal : pour le routage, le contrôle et l'assemblage du résultat

«

Le multi-agent dans OpenClaw n'est pas un bouton unique, mais plusieurs modes de fonctionnement des agents ».

Quand utiliser chacun

Dans ce modèle, les agents distincts sont utiles lorsqu'une tâche se répète et accumule son propre contexte. L'article donne des exemples simples : un agent de recherche, un agent de réécriture, un agent de publication. Chacun peut vivre dans son dossier de travail, se souvenir des actions précédentes et recevoir des tâches directement ou via l'agent principal. Cela réduit le chaos : au lieu d'une longue conversation aux consignes mélangées, on obtient un système de rôles où chaque exécutant a sa zone de responsabilité et sa mémoire accumulée.

Les sous-agents règlent un autre problème : sortir rapidement du flux principal un travail ponctuel ou parallèle. S'il faut étudier brièvement un sujet, rassembler plusieurs conclusions ou découper une grosse tâche en morceaux indépendants, l'agent principal peut lancer des exécutions filles, puis fusionner les réponses en un résultat unique. C'est particulièrement utile pour la recherche et l'analyse préliminaire. Dans ce mode, inutile de créer à l'avance un nouveau participant permanent : le sous-agent apparaît pour la tâche, reçoit un contexte limité et disparaît une fois le travail terminé, sans alourdir le système avec de la mémoire superflue.

Pour le développement, OpenClaw propose une voie distincte via l'ACP. L'agent principal reste le point d'entrée et l'orchestrateur, mais c'est un outil externe qui écrit le code. L'article décrit trois scénarios : une session ACP ponctuelle pour une tâche d'ingénierie isolée, une session ACP permanente pour un projet de longue durée, et le rattachement du contexte ACP à un topic Telegram dédié, où la discussion technique vit à part du chat principal. Ce mode convient aux projets qui exigent un contexte long, des itérations successives et les atouts d'outils CLI spécialisés.

Telegram comme télécommande

L'auteur insiste sur Telegram comme interface naturelle pour cette architecture. Un agent permanent peut être rattaché à un bot distinct ou au topic en cours, et le contexte technique de l'ACP à un fil dédié du chat. Résultat : les rôles et les lignes de travail ne se mélangent pas. La recherche se fait à un endroit, le développement à un autre, et l'agent principal reste l'entrée centrale pour confier des tâches. Pour l'utilisateur, cela ne ressemble pas à une infrastructure complexe, mais à une carte claire de conversations avec différents types d'exécutants.

De là découle le scénario central d'OpenClaw : l'agent principal cesse d'être un simple interlocuteur et devient le coordinateur du système. Il peut envoyer la recherche à un agent distinct, une sous-tâche ponctuelle à un sous-agent et la partie ingénierie à l'ACP via Codex, puis renvoyer une seule réponse assemblée. Autrement dit, l'utilisateur ne pilote pas chaque action à la main, mais la logique de répartition du travail. C'est là que réside l'intérêt pratique du multi-agent : moins de micromanagement, davantage de spécialisation maîtrisée et de travail en parallèle.

Ce que cela signifie

OpenClaw ne propose pas, en réalité, un « agent IA magique », mais un modèle opérationnel pour les équipes et les développeurs solo qui veulent répartir rôles, contexte et outils sur différents canaux. Si l'approche s'impose, les chats Telegram avec agents ressembleront de plus en plus à la fois à un IDE léger et à une salle de dispatch : une seule entrée, plusieurs exécutants et une séparation plus nette entre recherche, contenu et code.