Anthropic a publié le 22 octobre « When to fold subagents into your main agent loop », un guide signé Diane Sarkis, de l'équipe Applied AI. Il est passé inaperçu jusqu'à sa reprise par The Decoder le 25. La recommandation : la plupart des déploiements en entreprise gagnent à fusionner leurs sous-agents dans un agent unique, qui charge ses instructions et ses outils à la demande. Un kit de migration, single-agent-loop-kit, accompagne le guide sur GitHub.
- Un agent unique avec des skills chargées à la demande égale ou dépasse les architectures à sous-agents en qualité, pour un coût et une latence moindres. Un client d'Anthropic a mesuré une exécution deux fois plus rapide.
- Depuis Opus 4.5, le modèle peut porter l'orchestration lui-même. Anthropic a coupé plus de 80 % du prompt système de Claude Code grâce à ce chargement progressif.
- C'est un revirement : en juin 2025, Anthropic mesurait un avantage de 90,2 % pour le multi-agent sur son eval de recherche interne.
L'orchestrateur migre dans le modèle
Le guide décrit une dérive qu'Anthropic observe chez ses clients : l'architecture d'agents finit par copier l'organigramme de l'entreprise. Un sous-agent par équipe, des passages de relais qui perdent de l'information (le « jeu du téléphone ») et un prompt système contradictoire, que le guide baptise « Frankenprompt ». Un client gardait une douzaine de sous-agents spécialisés dans son agent de support et n'arrivait plus à tenir un ton de marque cohérent. La réponse technique : un seul agent, des skills (des modes d'emploi chargés quand la tâche le demande) et des outils révélés progressivement. Le choix d'outil se dégrade au-delà de 30 à 50 définitions dans le prompt, d'où le conseil de regrouper les outils par intention.
Le revirement est réel. En juin 2025, le billet « How we built our multi-agent research system » mesurait un gain de 90,2 % pour une équipe d'agents Claude face à Opus 4 seul. L'architecture consommait 15 fois plus de tokens qu'une conversation. Simon Willison écrivait alors : « Bon, me voilà convaincu par les systèmes multi-agents ». Seize mois et plusieurs générations de modèles plus tard, Anthropic rejoint la position que Cognition, l'éditeur de Devin, défendait dès juin 2025 dans « Don't build multi-agents ». Les chiffres indépendants vont dans le même sens, avec une nuance. Le benchmark Vibe Code Bench de Vals (9 octobre) a fait construire 50 applications web par GPT-6 Sol et Claude Opus 5.5, seuls puis en équipes. Les équipes coûtent 1,8 à 5,1 fois plus cher, pour un seul gain de qualité statistiquement significatif (+7,3 points). Mais le meilleur score absolu du test (93,2 %) revient à une équipe d'agents Opus 5.5, pour 5,1 fois le coût et 2,3 fois la durée. Le multi-agent garde le plafond de qualité quand le budget ne compte pas.
Anthropic met en garde contre la fusion aveugle : dans un de ses tests, fusionner un sous-agent de support a réduit la latence mais cassé un processus qui fonctionnait. Les sous-agents restent recommandés dans trois cas : un contexte qui sature mesurablement, des tâches parallèles à contexte jetable, et un agent qui se trompe d'outil.
Mon avis : notable, à la limite du basculement pour les équipes qui construisent des agents. La leçon dépasse Anthropic : l'orchestration que vous codez aujourd'hui dans votre framework sera absorbée par le modèle de l'an prochain. Construire simple et mesurer coûte moins cher que démonter un château de sous-agents dans six mois.
Ce que ça change si vous automatisez avec des agents
Si vous avez monté une automatisation à plusieurs agents (veille, reporting, audits, support client), le guide donne une méthode de démontage. Une eval de bout en bout d'abord : dix cas réels suffisent pour commencer, chaque cas exécuté deux fois. Puis fusionner les spécialistes qui s'enchaînent ou touchent les mêmes données, un à la fois, en comparant les scores. Si vous utilisez un framework d'orchestration type LangGraph ou CrewAI, comptez vos agents et vos outils avant d'ajouter le prochain. Si vous utilisez simplement Claude ou ChatGPT en conversation, rien ne change pour vous. Anthropic pousse en parallèle ses agents vers le grand public, comme Claude Duet, ouvert en liste d'attente la semaine dernière.
- Compte les définitions d'outils dans le prompt système de ton agent : au-delà de 30, regroupe-les par intention utilisateur plutôt qu'un outil par endpoint d'API.
- Monte une eval de 10 cas réels de bout en bout avant toute fusion et exécute chaque cas deux fois. Une régression citée dans le guide n'apparaissait que dans une exécution sur deux.
- Clone single-agent-loop-kit depuis le GitHub d'Anthropic et lance sa démo sur le système fictif fourni, pour voir la méthode d'audit avant de toucher à ton propre agent.
Sources
- Anthropic - When to fold subagents into your main agent loop (22 octobre 2026)
- The Decoder - Anthropic says one AI agent beats many subagents (25 octobre 2026)
- Anthropic - How we built our multi-agent research system (13 juin 2025)
- Vals AI - Multi-Agent Vibe Code Bench (9 octobre 2026)
- Simon Willison - Multi-agent research system (14 juin 2025)
Source : Claude.com
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
