On commence à vendre aux entreprises des « équipes d'agents IA » : au lieu d'un seul assistant qui travaille sur une tâche, plusieurs agents se répartissent le travail sous la direction d'un agent chef. L'idée est séduisante, elle évoque une petite équipe projet qui ne dort jamais. Le 9 octobre 2026, Vals AI, une société spécialisée dans l'évaluation des modèles d'IA, a publié l'une des premières mesures sérieuses de ce que cette organisation rapporte réellement. Son résultat tient en une phrase : sur son banc d'essai, les équipes d'agents ont coûté de 1,8 à 5,1 fois plus cher qu'un agent seul, et une seule des quatre comparaisons a montré un gain de qualité statistiquement significatif.
Ce n'est pas un verdict définitif sur les systèmes multi-agents, et nous verrons pourquoi. Mais c'est un chiffre utile au moment où l'on vous présente un devis avec « orchestration de plusieurs agents » en ligne de prestation.
Une équipe d'agents IA, c'est quoi exactement ?
Un agent IA est un modèle de langage (comme ceux qui font tourner ChatGPT ou Claude) auquel on donne des outils : écrire des fichiers, lancer des commandes, consulter une base, naviguer sur un site. Il ne se contente pas de répondre, il agit, étape par étape, jusqu'à ce que la tâche soit finie. Nous avions détaillé cette bascule dans notre article sur la différence entre un chatbot qui répond et un agent qui agit.
Une équipe d'agents ajoute une couche d'organisation. Un agent principal, le « chef », découpe le travail, confie chaque morceau à des sous-agents, puis rassemble et vérifie ce qu'ils rendent. Selon Vals AI, OpenAI et Anthropic proposent désormais tous deux cette fonction en standard dans leurs outils. Sur le papier, c'est l'organisation d'une équipe humaine : plusieurs personnes en parallèle, donc plus vite et mieux. C'est précisément ce que l'étude a voulu vérifier.
Le protocole : 50 applications web construites de bout en bout
Vals AI a utilisé son propre banc d'essai, Vibe Code Bench : à partir d'un cahier des charges, l'IA doit construire une application web complète (base de données, interface de programmation, interface utilisateur, déploiement). L'application est ensuite déployée, puis notée par des agents de test qui cliquent dans ses parcours comme le ferait un utilisateur. Le score est la part des tests d'interface réussis, en moyenne sur 50 applications.
Deux modèles parmi les plus avancés du moment ont été testés : GPT-6 Sol (OpenAI) et Claude Opus 5.5 (Anthropic). Chacun a travaillé seul, puis en équipe, et chaque fois à deux niveaux de « réglage d'effort », c'est-à-dire le temps de réflexion qu'on autorise au modèle avant d'agir (moyen ou maximal). En équipe, l'agent chef pouvait lancer jusqu'à cinq sous-agents à la fois. Le cahier des charges, l'environnement et la notation étaient identiques dans tous les cas. Cela fait huit configurations, chacune exécutée une fois.
Ce que mesure l'étude : le coût monte toujours, la qualité rarement
| Modèle et réglage d'effort | Configuration | Score | Coût moyen par application | Durée médiane |
|---|
| GPT-6 Sol, effort moyen | Agent seul | 77,6 % | 1,22 $ | 12,4 min |
| GPT-6 Sol, effort moyen | Équipe | 84,9 % | 3,07 $ | 11,9 min |
| GPT-6 Sol, effort maximal | Agent seul | 89,0 % | 4,82 $ | 38,4 min |
| GPT-6 Sol, effort maximal | Équipe | 90,4 % | 8,54 $ | 27,6 min |
| Claude Opus 5.5, effort moyen | Agent seul | 91,5 % | 4,08 $ | 20,3 min |
| Claude Opus 5.5, effort moyen | Équipe | 91,2 % | 9,10 $ | 26,6 min |
| Claude Opus 5.5, effort maximal | Agent seul | 89,8 % | 23,77 $ | 74,7 min |
| Claude Opus 5.5, effort maximal | Équipe | 93,2 % | 122 $ | 174,1 min |
Source : Vals AI, « Do Agent Teams Pay Off? A Case Study on Vibe Code Bench », 9 octobre 2026. Coûts en dollars américains, consommation de l'API du modèle uniquement.
Trois enseignements ressortent de ce tableau.
1. Le surcoût est systématique
Passer en équipe a multiplié le coût par 2,5 (effort moyen) et 1,8 (effort maximal) pour GPT-6 Sol, par 2,2 et 5,1 pour Claude Opus 5.5. Vals AI explique d'où vient la facture : chaque sous-agent garde sa propre mémoire de travail, qui contient le cahier des charges et l'état de son travail, et cette mémoire est renvoyée au modèle à chaque appel. Plus il y a d'agents, plus on paie pour relire les mêmes informations. Dans la configuration la plus chère, les sous-agents d'Opus ont relu en médiane 224 millions de jetons (les unités de texte facturées) par application, contre 55 millions pour l'agent seul. Une de ces équipes a même dépassé le temps imparti ; son coût, estimé à environ 189 $, est inclus dans la moyenne de 122 $.
2. Le gain de qualité est rarement démontré
Sur quatre comparaisons entre agent seul et équipe, une seule montre un écart statistiquement significatif : GPT-6 Sol à effort moyen, avec 7,3 points de mieux en équipe. Les trois autres écarts, de moins 0,3 à plus 3,4 points, peuvent relever du hasard. Pour Claude Opus 5.5 à effort moyen, l'équipe a même fait très légèrement moins bien que l'agent seul, pour plus du double du prix. La configuration la plus performante de toute l'étude (Opus en équipe, effort maximal, 93,2 %) a coûté trente fois plus cher que la configuration la plus simple d'Opus (agent seul, effort moyen, 91,5 %), pour un écart de 1,6 point que les auteurs jugent non significatif.
3. Plus de réflexion a parfois fait mieux qu'une équipe
C'est le résultat le plus utile pour un dirigeant. Pour GPT-6 Sol, passer l'agent seul du réglage d'effort moyen au maximal a fait gagner 11,4 points, davantage que les 7,3 points apportés par l'équipe. Ce n'est pas gratuit pour autant : l'agent seul à effort maximal a coûté 1,6 fois plus que l'équipe à effort moyen et a pris trois fois plus de temps. Pour Opus, ni l'effort maximal ni l'équipe n'ont fait de différence significative. Les auteurs résument : aucune des deux options ne s'impose par défaut, cela dépend du modèle, de la tâche et du budget.
Le temps n'est pas toujours gagné non plus
On imagine qu'une équipe va plus vite, puisqu'elle travaille en parallèle. C'est vrai pour GPT-6 Sol à effort maximal (28 minutes contre 38), à peine à effort moyen. Pour Claude Opus 5.5, c'est l'inverse : les équipes ont pris jusqu'à 2,3 fois plus de temps que l'agent seul. Vals AI l'explique par la façon de s'organiser. L'agent chef d'Opus rédigeait d'abord un contrat commun (schéma de données, routes, qui modifie quel fichier), puis lançait des vagues successives de constructeurs et de testeurs, chaque vague attendant la plus lente. L'équipe la plus chère a passé les deux tiers de sa durée après le premier déploiement, une phase où ses agents ont cumulé 68 minutes de tests, contre 10 pour l'agent seul. Selon les auteurs, les exécutions les plus longues n'ont pas obtenu de meilleurs scores.
Un point mérite d'être noté à l'avantage des équipes : là où le gain existait (Sol à effort moyen), il s'est concentré sur les applications les plus difficiles, avec environ 15 points de mieux, contre 1 point environ sur les plus simples. L'agent chef de Sol testait lui-même l'application assemblée et repérait des erreurs qui n'apparaissent qu'à la jonction des morceaux, par exemple une interface qui envoie des champs que la base de données n'attend pas. Autrement dit, la valeur d'une équipe semble venir de la vérification de l'ensemble plus que du nombre d'agents.
Les limites de l'étude, à garder en tête
Par honnêteté, il faut lire ces chiffres avec leurs limites, que Vals AI énonce lui-même.
- Un seul type de travail. Le banc d'essai porte sur la construction d'applications web complètes. Les auteurs préviennent que leurs observations peuvent ne pas s'appliquer à d'autres types de travail. Le traitement de dossiers ou le service client, par exemple, n'ont pas été testés.
- Une seule exécution par configuration. Les écarts sont testés statistiquement sur les 50 applications, mais chaque configuration n'a tourné qu'une fois. Un second passage pourrait déplacer certains chiffres.
- Une consigne d'organisation unique. Les deux agents chefs ont reçu la même courte instruction (découper, déléguer, intégrer, vérifier). Une organisation mieux conçue pour une tâche précise pourrait donner d'autres résultats.
- Le coût mesuré est celui du modèle. Les dollars du tableau sont la consommation de l'API, pas le prix d'une prestation. Ils servent à comparer des configurations entre elles, pas à estimer un budget de projet.
Ce que l'étude ne dit donc pas : que les équipes d'agents ne servent à rien. Ce qu'elle dit : sur ce banc, leur surcoût est certain et leur gain ne l'est pas. La charge de la preuve revient à celui qui vend l'équipe.
Trois questions à poser avant de payer pour une équipe d'agents
Si un prestataire, un éditeur de logiciel ou un intégrateur vous propose une solution « multi-agents », ces trois questions permettent de séparer une architecture justifiée d'un argument commercial.
Avez-vous mesuré le gain, avant et après ?
Demandez le résultat de la même tâche faite par un agent seul et par l'équipe proposée, sur vos propres cas ou des cas proches : taux de réussite, erreurs, temps de traitement. Un prestataire sérieux a fait cette comparaison, parce qu'il a dû choisir son architecture. S'il ne peut montrer qu'une démonstration, sans point de comparaison, vous achetez une promesse.
Combien coûte une tâche, pas un mois ?
Un abonnement mensuel cache la vraie variable : le coût de chaque tâche traitée, qui dépend du nombre d'agents, du réglage d'effort et du volume. Demandez ce chiffre et la façon dont il évolue si votre volume double. L'étude montre un rapport de un à trente entre deux configurations du même modèle : ce n'est pas un détail. Nous avions expliqué dans notre article sur la guerre des prix de l'IA pourquoi il faut raisonner en coût par tâche plutôt qu'en prix affiché, et pourquoi le prix du jeton n'est pas le prix du projet.
Avez-vous essayé avec un seul agent d'abord ?
C'est la question qui découle directement de l'étude. Un agent seul, bien outillé et réglé à un effort suffisant, est plus simple à surveiller, à déboguer et à facturer. Une équipe ne se justifie que si l'agent seul plafonne sur votre tâche et si le gain de l'équipe est mesuré. L'ordre raisonnable est donc : un agent seul, une mesure, puis seulement une organisation plus complexe si les chiffres le justifient.
Notre position
Chez Axiom Marketing, l'IA fait partie de notre façon de construire des sites et des applications, et nous concevons des applications métier sur mesure. Cette étude conforte une règle que nous défendons : la complexité doit se mériter. Plus d'agents, c'est plus de coût, plus de points de défaillance et plus de choses à surveiller ; c'est aussi plus d'accès à vos systèmes, donc plus de garde-fous à prévoir. Commencer par la solution la plus simple qui fonctionne, mesurer, et n'ajouter une couche que lorsque le gain est démontré.
La question de fond reste celle que nous posions dans notre article sur l'arbitrage entre acheter un outil IA du marché et le faire construire sur mesure : qu'est-ce que l'IA doit faire pour votre entreprise, et comment saurez-vous qu'elle le fait bien ? Une architecture n'est pas un résultat.
Si vous avez un projet d'automatisation ou une proposition « multi-agents » sur la table et que vous voulez un avis technique indépendant, notre équipe basée à La Réunion peut l'examiner avec vous. Vous pouvez nous contacter ou demander un audit gratuit de votre site et de vos outils.
