Article · IA & agents
Quand plus d’agents rend un workflow moins efficace
SAIGE relie collaboration multi-agent et structure de dépendances pour réserver la parallélisation aux tâches qui en bénéficient.
Plus n’est pas toujours mieux
Ajouter des agents peut isoler des contextes et répartir une tâche longue. Cela ajoute aussi des messages, des résumés et des décisions de coordination. « Rethinking Multi-Agent Collaboration: When More Is Less » cherche les structures de tâches où le bénéfice compense ce coût.
Les auteurs opposent les tâches longues à dépendances clairsemées aux workflows séquentiels et fortement couplés. Dans le premier cas, l’isolation peut aider ; dans le second, la coordination devient une surcharge.
SAIGE et le graphe évolutif
SAIGE, pour Semantic-Aware Incremental Graph Evolution, représente la collaboration comme un graphe qui évolue. Les nœuds sont des instances créées à la demande et les arêtes codent des dépendances sémantiques établies par récupération de contenu.
Cette structure évite de lancer systématiquement un pool fixe d’agents. Elle relie un agent à un autre lorsqu’une dépendance est identifiée plutôt que de multiplier les échanges par défaut.
Résultats annoncés
Les expériences sur des benchmarks de tâches longues et complexes montrent un compromis favorable entre efficacité du contexte et performance pour SAIGE. Les auteurs observent que l’augmentation du nombre d’agents ou de la profondeur de récursion n’améliore pas systématiquement les résultats.
La conclusion est structurelle : la supériorité multi-agent dépend de la forme de la tâche, pas d’une règle selon laquelle davantage d’agents rendraient le système plus intelligent.
Lecture éditoriale
Avant de paralléliser, cartographiez les dépendances. Une tâche de migration avec des fichiers interdépendants peut bénéficier d’un agent central qui garde une vue d’ensemble, tandis qu’une recherche sur plusieurs pistes indépendantes peut justifier des agents séparés.
Mesurez aussi le coût de synchronisation, le volume de contexte recopié et la qualité des décisions de fusion.
Limites
Le résumé ne fournit pas les scores détaillés de tous les benchmarks ni une loi universelle de dimensionnement. La performance dépendra du modèle, du coût des appels et de la qualité de la récupération qui construit les arêtes.
Source primaire : arXiv:2609.19759v1, PDF.
Brief visuel
Composition 1536×1024 : deux scènes contrastées, un graphe clair et peu dense pour une tâche parallélisable, un graphe emmêlé et saturé pour une tâche couplée, avec des agents apparaissant à la demande. Palette ardoise, cyan, jaune et prune. Aucun texte ou logo.