Système multi-agents (multi-agent system)
Mis à jour le
Un système multi-agents répartit le travail entre plusieurs agents IA aux rôles distincts. Pourquoi cela aide pour le code, où cela n'aide pas, et comment AI CodeOps les utilise.
Un système multi-agents est un système logiciel dans lequel plusieurs agents IA, chacun avec son rôle, ses instructions et parfois son propre modèle ou ses propres outils, travaillent sur des parties d'une tâche et se transmettent des résultats. Dans le codage par IA, les agents reproduisent généralement une équipe : quelqu'un planifie, quelqu'un développe, quelqu'un relit, quelqu'un teste.
Définition
Chaque agent est généralement un modèle de langage doté d'un prompt propre à son rôle. Ce qui en fait un système, c'est la structure qui les entoure : qui passe en premier, ce que voit chacun, et comment leurs sorties se combinent. Les formes courantes sont le pipeline (chaque agent passe la main au suivant), la boucle de revue (l'un écrit, un autre critique), le débat (deux proposent, un troisième tranche) et l'éventail (plusieurs examinent la même chose sous différents angles, puis une étape fusionne leurs résultats).
La couche d'orchestration détermine cette structure.
Pourquoi c'est important
Le principal avantage pour le code est la séparation : l'agent qui vérifie un changement n'est pas celui qui l'a écrit, et chaque agent reçoit une tâche étroite avec des instructions conçues pour elle. Cela détecte davantage qu'un seul modèle relisant sa propre production. Les coûts sont réels eux aussi : plus d'appels au modèle, plus de tokens, et plus d'endroits où un malentendu peut se propager. Les agents spécialisés aident lorsque les rôles sont réellement différents ; ils ne rendent pas puissant un modèle faible.
Dans AI CodeOps
Chaque session exécute un workflow : une liste fixe d'étapes, chacune exécutée par un agent. Il existe 16 workflows intégrés et plus de 20 agents intégrés, de l'Architect et du Builder au Security Auditor, au Dependency Auditor et à Site Reliability. Deux exemples :
Plan, Build, Review & Test (default)
Plan (Architect) → Build (Builder) → Review (Reviewer) → Test (Tester)
Parallel Review
Correctness review (Reviewer) → Security review (Security Auditor)
→ Test coverage review (Tester) → Merge findings (Architect)
Les étapes s'exécutent l'une après l'autre, et chacune voit ce qu'ont écrit les étapes précédentes : une étape de fusion ou de synthèse travaille donc à partir de toutes les revues qui la précèdent. Dans Architecture Debate, deux architectes proposent, un relecteur critique et l'architecte fait la synthèse. Rien n'est décidé par un vote.
Les étapes qui vérifient le travail, comme Review et Test, viennent après l'étape qui implémente le changement. Elles s'exécutent une fois le changement écrit et vos tests exécutés dans un bac à sable, et reçoivent le diff et le résultat de test. Les agents ne notent pas leur propre travail à la fin : une passe des constats distincte lit le diff réel, avec les remarques de revue comme contexte. Ses constats sont attribués au Security Auditor si cet agent s'est exécuté, sinon au Reviewer. Puis une personne approuve ou rejette.
La page de la session affiche chaque étape en direct, avec son agent, son statut, ainsi que les tokens et le coût jusque-là.
Termes associés
- Orchestration d'agents : comment les étapes sont exécutées, limitées et contrôlées.
- Humain dans la boucle (human-in-the-loop) : la personne qui intervient après les agents.
- Protocole MCP (Model Context Protocol) : comment les agents atteignent des outils extérieurs.
Questions fréquentes
Les agents d'AI CodeOps votent-ils sur un changement ?
Non. Chaque étape rédige son analyse à son tour, et une étape ultérieure ou la passe des constats les lit toutes. Il n'y a ni vote ni décompte de consensus.
Les agents de Parallel Review s'exécutent-ils en même temps ?
Non. Chaque workflow exécute ses étapes l'une après l'autre. Parallel, debate et swarm décrivent la façon dont les étapes se répartissent le travail, pas leur calendrier.
Puis-je ajouter mes propres agents ?
Pour les rôles intégrés, oui. Sous Configure → Agents, vous pouvez donner à un agent votre propre prompt, votre modèle et vos permissions ; cela prend effet là où une étape de workflow utilise cet agent.