Article · IA & agents
Pourquoi deux agents IA ne consomment pas les mêmes ressources
Une étude mesure les goulots d’étranglement CPU, mémoire et I/O de trois tâches d’agents et teste une admission consciente du matériel.
Un agent est une chaîne de ressources
Un agent qui appelle une API distante et exécute des outils locaux mélange plusieurs temps d’attente. La latence du modèle, le CPU du conteneur, la mémoire, le disque et le réseau ne se comportent pas de la même façon. « Not All AI Agents Are Equal » mesure cette dynamique au lieu d’utiliser une moyenne unique pour tous les agents.
Les auteurs étudient trois tâches représentatives : question-réponse augmentée par récupération, recherche web et programmation. Ils observent les effets de la concurrence, du temps de réponse LLM et de l’allocation CPU du conteneur-outil.
Des goulots différents
La RAQA est très sensible à la contention CPU locale. La recherche web est davantage dominée par l’attente des services distants. Le codage combine plusieurs goulots, notamment les commandes locales, les accès disque et l’état propre à chaque requête.
La conclusion insiste sur un point contre-intuitif : une réponse LLM plus rapide ou davantage de cœurs CPU n’accélère pas toujours l’agent. Si la file d’attente réelle est ailleurs, augmenter une seule ressource peut ne rien changer.
Optimisations annoncées
Les auteurs proposent une admission d’outils consciente du CPU et une allocation des cœurs adaptée à la tâche. Le résumé rapporte une amélioration de latence d’environ 5,4 fois pour les tâches sensibles au CPU et une réduction moyenne d’environ 32 % avec plusieurs tâches, par rapport aux agents natifs évalués.
Ces chiffres décrivent leur protocole et leurs tâches. Ils ne constituent pas une promesse générale pour un serveur dont les outils, modèles et profils de concurrence seraient différents.
Comment mesurer son propre agent
Commencez par séparer le temps de génération, le temps d’outil, le temps d’attente réseau et le temps de file. Mesurez chaque classe de tâche sous plusieurs niveaux de concurrence. Une trace d’agent sans consommation CPU, I/O et mémoire ne suffit pas pour choisir une politique d’ordonnancement.
Il est utile de conserver une politique simple : ne pas attribuer des cœurs supplémentaires à une tâche qui attend principalement un service distant, et limiter l’admission simultanée lorsque la contention CPU dégrade les appels locaux.
Limites
L’étude caractérise des tâches et un environnement donnés. Elle annonce comme suite un gestionnaire en ligne pour tâches hétérogènes et déploiements multi-agents ; cette généralisation n’est pas encore démontrée dans le fulltext.
Source primaire : arXiv:2609.19947v1, PDF. Les chiffres sont attribués au résumé des auteurs ; les conseils d’instrumentation sont une interprétation éditoriale.
Brief visuel
Composition 1536×1024 : trois pipelines d’agents avec CPU, disque, mémoire et nuage distant comme goulots distincts, un ordonnanceur redistribue des jetons de capacité. Palette graphite, bleu électrique, vert et orange. Aucun texte lisible ou logo.