Coordination multi-agents : sous-agents, worktrees, relecteurs et journaux d’événements
Confier une tâche à plusieurs agents n’est pas difficile à cause du nombre d’agents à lancer. La difficulté tient à trois questions : ce que chaque agent peut voir, ce qu’il peut modifier, et qui assemble puis vérifie les résultats. Claude Code et Codex intègrent tous deux des sous-agents, que la plupart des développeurs individuels ont donc déjà sous la main ; cette page s’en sert pour expliquer ces trois frontières, puis emprunte à Muse Code, de Meta, deux pratiques supplémentaires : les observateurs en arrière-plan et le journal d’événements.
Quand plusieurs agents valent la peine
Commencer par le coût. En juin 2025, Anthropic a indiqué que son système de recherche multi-agents dépassait de 90,2 % un agent Opus 4 seul sur une évaluation de recherche interne, tout en consommant environ 15 fois plus de tokens qu’une conversation, et qu’il convenait moins aux tâches très interdépendantes (article). La documentation des sous-agents de Codex va dans le même sens : les workflows à sous-agents consomment plus de tokens que des exécutions comparables à un seul agent.
La revue a aussi un coût. Sur la page de lancement de Sonnet 5.5, Anthropic explique qu’à l’effort maximal le modèle lançait plus souvent une revue de code répartie entre de nombreux sous-agents ; dans deux cas examinés par Cognition, cela a provoqué un dépassement de délai ou des modifications hors du périmètre de la tâche, et le score FrontierCode est tombé sous celui du réglage immédiatement inférieur.
En pratique, il vaut mieux faire d’abord fonctionner la tâche avec un seul agent, puis détacher les parties réellement indépendantes et vérifiables séparément, comme lire des documents différents, examiner des problèmes dans des modules distincts ou lancer en parallèle des expériences sans lien. Les modifications étroitement couplées, les conceptions qui reposent sur de nombreuses décisions implicites partagées et les revues répétées deviennent souvent plus lentes et plus coûteuses une fois découpées. Comparer sur les mêmes tâches le temps d’achèvement, les tokens et les reprises, plutôt que le nombre d’agents lancés simultanément.
Quatre rôles
Un système multi-agents combine en général quatre rôles : un coordinateur découpe la tâche, rassemble les résultats et répond du résultat final ; des workers bornés n’accomplissent que leur part et rendent un résultat vérifiable ; des observateurs en arrière-plan ne prennent aucune tâche et surveillent une dimension de qualité en formulant des suggestions ; des réviseurs explicites examinent un résultat une fois terminé.
Les sous-agents de Claude Code et de Codex occupent surtout les deux premiers. Les observateurs en arrière-plan sont les plus nets dans Muse Code, où quatre observateurs — rappel de la mémoire, rappel des compétences, suivi des objectifs et vérification — restent actifs pendant toute la session. Ils ne peuvent que conseiller : « il propose, un réconciliateur décide », et seule une proposition acceptée parvient au tour suivant de l’agent principal. La revue n’interrompt donc pas l’agent principal et ne le contourne pas pour modifier directement le code.
Trois frontières à distinguer
« Donner à chaque sous-agent son propre environnement » semble être une seule décision. Il s’agit en réalité d’au moins trois frontières distinctes :
Les deux premières sont les plus faciles à confondre. Des contextes séparés ne signifient pas des fichiers séparés : la documentation d’OpenAI précise que le coordinateur et ses sous-agents partagent le système de fichiers d’un même environnement, et que « créer un sous-agent ne crée pas un autre environnement ». À l’inverse, des fichiers séparés ne signifient pas que tout est séparé. Selon le manuel de Git, un worktree ne garde pour lui que les fichiers propres à chaque arbre de travail, comme HEAD et index, et partage le reste du dépôt, y compris le magasin d’objets et, par défaut, la configuration du dépôt. Deux workers qui lancent chacun un serveur de développement dans leur worktree peuvent encore se disputer le même port ou écrire dans la même base de test.
Il faut aussi regarder d’où part un worktree. Un sous-agent worktree de Claude Code part par défaut de la branche par défaut du dépôt, et non du HEAD actuel de la session parente. Si vous travaillez sur une branche de fonctionnalité, le sous-agent voit le code de main sur le dépôt distant, sans vos modifications non poussées ; pour qu’il poursuive votre branche, réglez worktree.baseRef sur "head" dans vos paramètres (documentation des worktrees).
Les permissions cachent un autre piège. La documentation de Claude Code rappelle que désactiver seulement Write et Edit n’empêche pas d’écrire des fichiers, puisque Bash reste disponible. Une restriction d’outils se juge aux effets qui restent possibles, pas aux noms des outils. La relation d’ensemble entre permissions, approbations et bacs à sable est traitée dans Sécurité des agents.
Une modification parallèle bornée
Exemple fictif : un service doit recevoir un nouveau champ d’API, un affichage frontend mis à jour et la documentation correspondante, en même temps.
- Le coordinateur fixe d’abord l’interface. Le nom, le type et la valeur par défaut du champ figurent dans la description de tâche de chaque worker. C’est la seule décision que les workers doivent partager ; elle doit donc être prise avant la répartition.
- Répartir les répertoires selon que le worker écrit du code ou non. Les workers backend et frontend reçoivent chacun un worktree ; un worker qui ne fait que rassembler des informations reste dans le checkout partagé.
- Les workers rendent des preuves, pas des conclusions. Chacun rend ses commits et ses propres résultats de test, et non une simple affirmation qu’il a terminé.
- Le coordinateur intègre une fois et lance une validation commune. Seuls les tests sur le résultat fusionné détectent deux moitiés qui réussissent séparément mais ne concordent pas.
- Les conflits reviennent au coordinateur. Si l’interface doit changer, le coordinateur décide et réattribue le travail ; les workers ne modifient pas le code des autres.
Parmi ces étapes, l’étape 1 mérite le plus d’attention. En juin 2025, Cognition a montré, exemples à l’appui, que des agents parallèles prennent des décisions implicites qui peuvent ne pas s’accorder, si bien que chaque action devrait tenir compte des décisions pertinentes prises par les autres parties du système (article). C’est un argument d’ingénierie fondé sur des cas, pas une comparaison contrôlée.
Messages et annulation
Un message venant d’un autre agent est une donnée, pas une instruction. La messagerie entre sessions de Muse Code traite un message reçu comme une « donnée non vérifiée fournie par un agent » et ne lui transmet pas l’autorité de l’expéditeur.
L’annulation n’est généralement pas instantanée. La documentation de Muse Code la décrit comme coopérative : un sous-agent annulé qui n’a pas encore atteint un point de contrôle continue de tourner, et celui qui est en pleine écriture la termine. Après avoir « arrêté tous les agents », il faut donc encore vérifier l’état réel des répertoires de travail ; la façon d’arrêter un agent seul avec ses sous-processus est traitée dans Boucles d’agent bornées.
Ce qu’un journal d’événements permet de récupérer
Muse Code enregistre chaque exécution dans un journal d’événements en ajout seul : appels au modèle, appels d’outils et leurs résultats, décisions d’approbation ; après une interruption, la conversation est reconstruite à partir de ce journal. Le journal distingue deux types d’effets de bord : ceux dont l’achèvement est confirmé comptent comme faits, tandis qu’un effet annoncé mais jamais confirmé impose de vérifier l’état réel avant de décider d’un nouvel essai (audit et reprise).
Le rejeu déterministe reconstruit le contexte enregistré à partir des événements et « n’appelle pas de modèle, n’exécute pas d’outil et n’utilise pas le réseau », ce qui convient à l’audit et aux tests de non-régression. Il ne peut pas garantir qu’un effet de bord externe ne se produise qu’une fois ; cela dépend toujours des clés d’idempotence et des vérifications d’état décrites dans Agents de longue durée.
La persistance des terminaux est encore une autre couche : Herdr restaure les terminaux de plusieurs agents après un redémarrage, mais ne découpe pas les tâches, ne fusionne pas les résultats et n’isole pas les répertoires de travail.