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 un projet où 1 393 agents ont été déployés pour un simple refactoring de code Python, consommant 20 000 dollars de tokens, alors qu'un seul agent Astra aurait pu accomplir la même tâche pour une fraction de ce coût.
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