Les essaims d'agents IA gaspillent des tokens sans gain de qualité, selon un développeur d'OpenAI Codex
Eric Provencher, développeur travaillant sur Codex chez OpenAI, met en garde contre l'utilisation de grands essaims d'agents IA en parallèle pour des tâches de développement logiciel. Selon lui, dépasser deux sous-agents simultanés n'apporte quasiment jamais de gain de qualité et se traduit surtout par un gaspillage massif de tokens, les agents ne se faisant pas confiance entre eux et passant leur temps à revérifier le travail des autres. Il qualifie ce phénomène de "coordination tax", une taxe de coordination qui augmente avec le nombre d'agents mobilisés. Pour illustrer son propos, il cite l'expérience menée par Nous Research, qui a confié à son agent open source Hermes le nettoyage de son propre dépôt Python d'un million de lignes : 1 393 sous-agents sur environ dix-neuf heures à partir du 2 septembre 2026, pour une fusion qui retire 34,4 % du code Python hors tests, à un coût annoncé par Nous d'environ 19 300 dollars pour la campagne principale. Provencher juge qu'un agent unique aurait obtenu le même résultat pour une fraction de ce montant ; les auteurs de l'expérience, eux, la présentent comme économiquement favorable. Le point reste donc discuté.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de The Decoder. Lire l'article original →
Cette mise en garde a une portée pratique directe pour les équipes qui expérimentent avec l'orchestration multi-agents, une tendance en plein essor dans l'écosystème des outils de développement assistés par IA. Elle suggère que la multiplication des agents, souvent présentée comme un moyen d'accélérer ou de fiabiliser le travail, peut en réalité produire l'effet inverse : des coûts qui explosent sans amélioration mesurable du résultat final. Pour les entreprises qui budgétisent leurs usages d'IA générative, ce constat invite à la prudence avant de déployer des architectures d'agents complexes plutôt que des solutions plus simples et mieux calibrées.
Ce débat s'inscrit dans un contexte où les outils comme Codex d'OpenAI cherchent à automatiser des tâches d'ingénierie logicielle de plus en plus larges, et où la promesse des "essaims d'agents" séduit de nombreux développeurs en quête de gains de productivité. Les propos de Provencher rappellent que la capacité à faire collaborer plusieurs agents IA reste limitée par des problèmes de confiance et de coordination inter-agents, un défi technique non résolu. La suite dépendra probablement de la manière dont les fournisseurs d'outils IA ajusteront leurs recommandations d'usage face à ces retours d'expérience coûteux.
Pas d'impact direct sur la France/UE
1393 agents pour un refactoring Python, 20 000 dollars, alors qu'un seul agent aurait fait le boulot pour une fraction du prix : voilà où mène la hype des essaims. Au-delà de deux sous-agents, tu ne gagnes quasiment jamais en qualité, tu payes juste une "coordination tax" qui grimpe avec chaque agent ajouté, parce qu'ils passent leur temps à se revérifier faute de confiance mutuelle. Retiens ça : la vraie promesse des multi-agents n'est pas dans le nombre, elle est dans l'orchestration fine, et pour l'instant la plupart des équipes achètent du volume au lieu d'acheter de l'intelligence.