Les équipes d'agents IA sont-elles vraiment plus performantes ? Les benchmarks disent non
Le plus souvent, non. Vals AI a constaté qu'associer GPT-6 Sol et Claude Opus 5.5 en équipe justifiait rarement les tokens supplémentaires, même si une configuration de Sol en raisonnement moyen s'est nettement améliorée.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Généralement pas. Le 11 octobre 2026, Vals AI a indiqué que les équipes d'agents IA coûtent souvent de 1,8x à 5,1x plus cher que les agents seuls, pour une amélioration de qualité faible, voire nulle, surtout en raisonnement maximal. Pour les développeurs et les entreprises qui conçoivent des workflows d'agents, la leçon immédiate est simple : si vous voulez de meilleurs résultats, commencez par tester un agent seul performant avant de payer pour une équipe.
Ce que Vals AI a testé
Vals AI a évalué GPT-6 Sol et Claude Opus 5.5 sur son Vibe Code Bench, en configuration solo et en équipe, chacune avec un effort de raisonnement moyen puis maximal. Sur les quatre comparaisons équipe contre solo, une seule a montré un gain de qualité statistiquement significatif : GPT-6 Sol en raisonnement moyen, où l'équipe a obtenu 7,3 points de plus. En raisonnement maximal, la configuration en équipe n'a apporté d'avantage notable à aucun des deux modèles.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Pourquoi c'est important
- L'étude suggère que les systèmes multi-agents relèvent souvent d'un choix de coût, pas de qualité.
- Si un modèle tourne déjà avec un effort de raisonnement maximal, ajouter des agents risque de peu améliorer le résultat.
- Les équipes peuvent rester pertinentes lorsque la rapidité d'exécution compte davantage qu'un résultat légèrement meilleur.
- Pour les workflows de code et de recherche très gourmands en tokens, le coût de coordination peut devenir un véritable problème budgétaire.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Plus d'agents semblent améliorer la vitesse plus que la qualité
La tendance générale décrite dans la source va dans le même sens. Les propres tests d'Anthropic avec Opus 5.5 ont montré des rendements décroissants à mesure que des agents étaient ajoutés : sur la tâche de base de connaissances, les scores sont passés de 0,53 avec un agent à 0,70 avec 10, 0,71 avec 30 et 0,74 avec 100. En démonstration de théorèmes Lean, les scores étaient de 0,39, 0,66, 0,66 et 0,68. Noam Brown, chercheur chez OpenAI, a également déclaré que les systèmes multi-agents achètent surtout de la vitesse, pas une meilleure qualité, en notant que quatre agents terminaient les tâches environ deux fois plus vite pour environ deux fois le coût. Ce compromis semble mieux fonctionner pour les tâches parallélisables, comme la recherche web ou les mathématiques, que pour un travail très intégré comme la rédaction de textes longs, où la coordination devient un frein.
Faut-il arrêter d'utiliser des équipes d'agents IA ?
Pas forcément. Les résultats suggèrent que les équipes sont souvent un mauvais moyen d'acheter de la qualité, mais elles peuvent rester utiles quand la vitesse compte et que la tâche peut être découpée en travaux parallèles.
Une configuration en équipe a-t-elle amélioré les résultats dans cette étude ?
Oui. Vals AI a relevé un gain de qualité statistiquement significatif : GPT-6 Sol en équipe, avec un raisonnement moyen, a obtenu 7,3 points de plus que la version solo.
Quel était le principal inconvénient des configurations multi-agents ?
Le coût. Dans les tests de Vals AI, les équipes coûtaient entre 1,8x et 5,1x plus cher que les agents seuls, et ces tokens supplémentaires ne se traduisaient généralement pas par des résultats nettement meilleurs.
Quels types de tâches peuvent tirer davantage profit de plusieurs agents ?
D'après la source, les tâches qui se parallélisent bien, comme la recherche web et les mathématiques, sont de meilleures candidates. Les tâches qui reposent sur un fil de pensée unique et cohérent, comme l'écriture, semblent moins adaptées aux grands essaims d'agents.


