Les agents uniques surpassent souvent les systèmes multi-agents : êtes-vous victime de cette complexité inutile ?

Une étude Databricks montre que les agents multi-étapes surpassent le RAG mono-requête sur des sources multiples

Une équipe de recherche de Databricks a publié des résultats montrant que les agents multi-étapes surpassent systématiquement les systèmes RAG classiques lorsque les questions nécessitent de croiser données structurées et contenu non structuré. Testés sur neuf tâches de connaissance d'entreprise, les agents multi-étapes affichent des gains de 20% ou plus sur le benchmark STaRK de Stanford, qui couvre trois domaines semi-structurés : les données produits Amazon, le Microsoft Academic Graph et une base de connaissances biomédicale. Sur ce dernier domaine, l'écart de performance atteint 38%. Pour s'assurer que ces gains ne s'expliquent pas simplement par la qualité du modèle sous-jacent, Databricks a réexécuté les baselines STaRK publiées en utilisant un modèle de fondation plus récent et plus puissant : ce modèle plus fort a quand même perdu face à l'agent multi-étapes, confirmant que le problème est architectural. Le problème fondamental des systèmes RAG à passage unique est leur incapacité à décomposer une requête hybride, c'est-à-dire une question qui mélange un filtre structuré précis avec une recherche sémantique ouverte. Une question telle que "Quels produits ont vu leurs ventes baisser ces trois derniers mois, et quels problèmes connexes remontent dans les avis clients ?" exige d'interroger simultanément un entrepôt SQL et des documents non structurés, puis de combiner les résultats. Un système RAG classique ne peut pas scinder cette requête, router chaque partie vers la bonne source de données et synthétiser le tout. Michael Bendersky, directeur de la recherche chez Databricks, résume ainsi la limite : "RAG fonctionne, mais ça ne passe pas à l'échelle. Si vous voulez comprendre pourquoi vos ventes baissent, il faut aider l'agent à voir les tables et les données commerciales. Votre pipeline RAG sera incompétent pour cette tâche." Pour répondre à ce problème, Databricks a conçu le Supervisor Agent, implémentation concrète de cette approche de recherche. Son architecture repose sur trois mécanismes : la décomposition parallèle des outils, où l'agent lance simultanément des requêtes SQL et des recherches vectorielles avant d'analyser les résultats combinés ; l'auto-correction, qui lui permet de détecter un échec de récupération, de reformuler la requête et d'emprunter un autre chemin, comme lorsqu'il exécute une jointure SQL pour trouver un auteur ayant exactement 115 publications sur un sujet précis ; et une configuration déclarative en langage naturel, qui permet de connecter n'importe quelle nouvelle source de données sans ré-entraînement. Ces travaux s'appuient sur les recherches antérieures de Databricks sur les retrievers instruits, qui avaient déjà amélioré la récupération sur données non structurées via des requêtes enrichies de métadonnées, et marquent une extension logique vers les sources relationnelles que les entreprises utilisent le plus au quotidien.

Comment les Systèmes Multi-Agents réinventent l’intelligence artificielle

Les architectures informatiques traditionnelles, construites autour d'un serveur central qui décide et exécute les tâches de façon séquentielle, atteignent leurs limites face à l'explosion des volumes de données. Goulets d'étranglement, saturation mémoire, manque de flexibilité : ces contraintes ont poussé la recherche à développer l'intelligence artificielle distribuée (IAD), qui répartit le calcul sur plusieurs machines plutôt que de le concentrer en un seul point. Les systèmes multi-agents (SMA) s'inscrivent dans cette logique : un agent informatique, logiciel ou robot physique, dispose de ses propres objectifs et d'une autonomie relative. Il perçoit son environnement via des capteurs, délibère, puis agit via des actionneurs, selon un cycle continu de perception, délibération et action, sans attendre d'ordres permanents d'une autorité centrale. Ces agents évoluent dans un environnement partagé, virtuel comme internet ou physique comme un entrepôt logistique, qui contraint leurs actions et leur permet aussi de communiquer indirectement en observant les traces laissées par leurs pairs, un mécanisme appelé stigmergie. Cette décentralisation change concrètement la donne pour les applications industrielles. En répartissant la décision entre de multiples entités plutôt que de la confier à un point unique, les SMA gagnent en réactivité temps réel et en résilience : la panne ou la lenteur d'un agent ne bloque pas l'ensemble du système. Le modèle s'appuie sur l'émergence, l'idée qu'une intelligence collective complexe peut naître de règles individuelles simples, à l'image d'une colonie de fourmis. Concrètement, cette approche sert déjà à coordonner des flottes de robots en entrepôt, à simuler des foules urbaines ou à résoudre des problèmes logistiques où le système global devient plus performant que la somme de ses composants pris isolément. Pour les industriels confrontés à des données massives et des environnements changeants, c'est une alternative crédible aux architectures monolithiques classiques. Sur le plan technique, deux grandes familles d'agents structurent ce paradigme. Les agents réactifs, les plus simples, fonctionnent sur un modèle réflexe de type condition-action, avec une mémoire très limitée mais une vitesse d'exécution maximale et une faible consommation de ressources, ce qui les rend adaptés à l'intelligence en essaim. À l'opposé, les agents cognitifs s'appuient sur le modèle BDI, inspiré de la psychologie humaine, pour des comportements plus riches et délibératifs. Pour que cette multitude d'agents autonomes ne sombre pas dans le chaos, une organisation collective définit les rôles, attribue les responsabilités et fixe des protocoles d'accès aux ressources communes, garantissant la cohérence des décisions à l'échelle du système. C'est cette architecture, à la croisée de l'IA distribuée et des sciences du comportement collectif, qui dessine aujourd'hui de nouvelles pistes pour l'industrie.

L'Institut britannique de sécurité de l'IA constate que les benchmarks standards sous-estiment les capacités réelles des agents IA

Le UK AI Security Institute (AISI) a publié une étude portant sur sept benchmarks utilisés pour évaluer les capacités des agents d'intelligence artificielle, révélant que ces tests sous-estiment systématiquement leurs performances réelles. La cause identifiée est simple: les protocoles d'évaluation standards imposent un budget de calcul (mesuré en tokens) trop restreint aux modèles testés. En multipliant ce budget par dix sur des tâches d'ingénierie logicielle, les chercheurs de l'AISI ont observé une hausse d'environ 25 points de pourcentage du taux de réussite. Les modèles les plus récents profitent le plus de cette marge supplémentaire, suggérant que les benchmarks actuels plafonnent artificiellement leurs scores. Selon les calculs de l'institut, une fois ce facteur pris en compte, la progression réelle des capacités des modèles de pointe serait environ 60% plus rapide que ce que les mesures précédentes laissaient penser. Cette découverte a des implications directes pour l'industrie et les décideurs qui s'appuient sur ces classements pour évaluer les risques et les capacités des systèmes d'IA. Si les benchmarks sous-estiment structurellement ce que les agents peuvent accomplir, les entreprises, régulateurs et chercheurs en sécurité qui s'en servent pour anticiper les usages potentiellement dangereux ou pour comparer les modèles entre eux travaillent avec une image faussée de la réalité. Cela concerne en particulier les tâches longues et complexes, où un agent disposant de plus de ressources de calcul peut explorer davantage de pistes, corriger ses erreurs et itérer avant de produire une réponse finale. L'AISI, agence britannique chargée d'évaluer les risques liés à l'intelligence artificielle avancée, cherche depuis sa création à établir des méthodes de test rigoureuses pour suivre l'évolution des capacités des modèles les plus puissants. Ce travail s'inscrit dans un débat plus large sur la fiabilité des benchmarks existants, régulièrement critiqués pour ne pas refléter les conditions réelles d'utilisation des agents IA, notamment lorsqu'ils opèrent en autonomie prolongée. Ces résultats pourraient pousser les organismes d'évaluation à revoir leurs protocoles de test, avec des budgets de calcul plus réalistes, afin de mieux anticiper la trajectoire réelle des progrès de l'IA et les risques associés.

💬 Ce qui me frappe, c'est que le problème n'est pas dans les modèles, il est dans la règle du jeu : donne dix fois plus de budget de calcul à un agent sur une tâche de code, et son taux de réussite grimpe de 25 points. Du coup toute la courbe de progrès qu'on croyait suivre était fausse, l'AISI parle de 60% de progression en plus que ce qu'on mesurait. Ça change la donne pour les régulateurs : si les benchmarks sous-estiment structurellement ce que les agents savent déjà faire, on pilote les risques de l'IA avec un compteur qui retarde.

Construire des systèmes RAG multi-agents hiérarchiques avec raisonnement multimodal et récupération autonome des erreurs

Les systèmes RAG agentiques hiérarchiques représentent une nouvelle approche pour automatiser l'analyse de données complexes en entreprise. Dans un article publié récemment, Abhijit Ubale détaille comment ces architectures coordonnent des agents spécialisés, chacun dédié à un type de source ou de raisonnement, sous la supervision d'un orchestrateur central. Le cadre présenté, appelé Protocol-H, illustre concrètement ce modèle : les requêtes sont acheminées de façon déterministe vers les bons agents, qui peuvent interroger simultanément des bases vectorielles, des documents structurés ou des données multimodales comme des images et des tableaux. Ce qui distingue cette approche des RAG classiques, c'est la capacité de récupération autonome en cas d'erreur. Lorsqu'un agent produit un résultat insuffisant ou incohérent, le système déclenche automatiquement une boucle de réessai réflexif sans intervention humaine. Pour les équipes analytiques en entreprise, cela réduit drastiquement les interruptions de pipeline et améliore la fiabilité des réponses sur des requêtes complexes à sources multiples. La traçabilité est également renforcée : chaque décision de routage est journalisée, ce qui facilite l'auditabilité des workflows. Ce type d'architecture s'inscrit dans une tendance de fond qui dépasse les RAG simples pour aller vers des systèmes multi-agents capables de raisonner sur des données hétérogènes. Alors que les entreprises cherchent à déployer des pipelines IA fiables en production, les questions de robustesse, de contrôle et d'explicabilité deviennent centrales. Protocol-H propose une réponse concrète, mais sa généralisation dépendra de la capacité des équipes à maintenir des orchestrateurs complexes à grande échelle.