Microsoft publie en open source Agensh, un cadre pour orchestrer jusqu'à 1 024 agents
Microsoft Research a publié en open source Agensh, un « harness » décentralisé conçu pour faire travailler de grandes équipes d'agents de programmation sans agent chef d'orchestre. Chaque agent choisit lui-même sa sous-tâche, partage ses découvertes et fusionne son code dans un dépôt Git commun. Le cycle est identique pour tous : lire le contexte, revendiquer une sous-tâche par un message CLAIM, agir, vérifier le résultat selon des critères d'acceptation, puis fusionner et publier une mise à jour. Trois services relient les agents : Gitea pour l'espace de travail partagé (branches, pull requests, conflits), Mattermost pour le canal d'équipe et les messages directs, et un tableau de contexte, adapté de DeLM, qui stocke des notes typées (OBSERVED, FACT, FAIL, CLAIM, PATCH_SUMMARY). La boucle est décrite dans le prompt et non codée dans le runtime : tous les agents reçoivent le même prompt, à l'identifiant près. Les tests ont porté sur les cinq tâches les plus difficiles de ProgramBench (FFmpeg, gromacs, pandoc, PHP-src et ctags), où les agents doivent reconstruire un programme à partir de son comportement observé, hors ligne et en six heures. Avec GPT-5.6-sol, le taux moyen de tests réussis passe de 19,31 % pour un agent à 20,68 % avec 8, 26,52 % avec 32 et 28,78 % avec 128, soit un gain de 9,47 points (environ 49 % en relatif). Sur pandoc, le score monte de 33,89 % à 55,06 % avec 1 024 agents, répartis sur 16 nœuds de 64 agents.
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 MarkTechPost. Lire l'article original →
L'intérêt tient à la preuve qu'on peut dépasser le plafond des architectures à orchestrateur, où un agent principal planifie, assigne et fusionne tout le travail et devient un goulot d'étranglement. Les gains s'observent aussi sur la vitesse : sur pandoc, 128 agents franchissent 30 % de réussite au bout de 30 minutes, contre 60 minutes pour 32 agents et 90 pour 8. Le README ajoute un résultat plus récent avec GPT-6.1-sol, absent de la première version de l'article : pandoc passe de 56,19 % avec un agent à 79,59 % avec 32, soit 41,64 % de gain relatif. Les rendements restent toutefois inégaux, puisque passer de 1 à 8 agents n'apporte que 1,37 point en moyenne. Les chercheurs ont aussi constaté des comportements émergents, jamais codés en dur : à 8 agents, les pairs s'accordent sur les interfaces ; à 32, ils relisent le travail des autres et l'un retire son approbation après un contre-exemple ; à 128, ils s'appuient sur des relecteurs de confiance et standardisent un protocole d'intégration ; à 1 024, certains jouent le rôle d'intégrateurs et récupèrent les travaux en échec.
Agensh répond à la tendance des éditeurs à proposer des équipes d'agents pilotées par un chef, comme les agent teams de Claude Code, les sous-agents de Codex, la flotte de Copilot ou le Kimi Agent Swarm, que l'article de recherche cite comme exemples du modèle orchestrateur-workers. Le système repose sur un harness mono-agent existant, ici GitHub Copilot CLI, et les auteurs indiquent que de fines couches d'adaptation permettraient de le brancher sur d'autres outils comme Claude Code. Il tourne sous Linux avec Docker Compose, sur un seul nœud de 8 agents par défaut, chaque agent disposant de 272 000 tokens en entrée, 128 000 en sortie et 64 GiB de mémoire. La suite dépendra de la capacité de la communauté à reproduire ces résultats sur d'autres modèles et d'autres types de projets.
Pas d'impact direct sur la France/UE