Workflows dynamiques Claude : 1 000 agents en parallèle

Anthropic a ajouté des workflows dynamiques à Claude Managed Agents, sa plateforme hébergée d'exécution d'agents IA. L'infrastructure d'agents gérés n'est pas nouvelle en soi. La nouveauté, c'est que Claude peut désormais coordonner toute une équipe d'agents au sein d'une même exécution, avec jusqu'à 1 000 agents travaillant en parallèle à chaque fois.

Comment fonctionnent les workflows dynamiques

Le dispositif repose sur un schéma chef et exécutants. Un agent principal examine la tâche et rédige un plan. Il découpe ensuite le travail en morceaux et confie chacun d'eux à un sous-agent. Quand les sous-agents ont terminé, l'agent principal récupère leurs résultats et les fusionne en un seul.

C'est là toute l'idée. Un agent unique ne traite plus une longue tâche étape par étape. Le travail est au contraire morcelé et de nombreux agents s'en chargent simultanément. La limite de 1 000 agents en parallèle par exécution fixe jusqu'où ce découpage peut aller.

Le test de chasse aux bugs

Anthropic appuie la fonctionnalité sur des chiffres issus de ses propres tests. L'équipe a dissimulé 70 bugs dans une base de code de 116 000 lignes, puis a lâché des agents dessus.

• Un agent seul a trouvé entre 14 et 27 bugs par exécution.
• Le workflow dynamique en a trouvé 66, et ce de manière constante.

Sur cette tâche, l'écart est important. Dans le meilleur des cas, l'agent seul a repéré un peu moins de 40 % des bugs cachés. Le dispositif multi-agents a presque tous mis la main dessus. La dispersion compte aussi : les résultats de l'agent seul allaient de 14 à 27, alors que celui du workflow restait stable.

Un seul test ne dit pas tout. Il s'agit d'un unique banc d'essai, conçu et mené par l'entreprise qui vend le produit. On ne sait pas encore si les mêmes gains se retrouvent sur d'autres types de travaux que la recherche de bugs dans du code. Le conseil pratique reste le même : essayez-le sur vos propres charges de travail avant d'en tirer des conclusions.

La question du coût

Tout le monde n'est pas convaincu que les essaims d'agents en valent la peine. Un ingénieur senior d'OpenAI a récemment qualifié les essaims d'agents de gaspillage massif de jetons. Les jetons sont les unités de texte que les modèles de langage lisent et produisent, et ce sont aussi elles que les clients paient.

Anthropic ne cache pas cet aspect. L'entreprise indique que les workflows dynamiques peuvent consommer "beaucoup de jetons" et recommande aux équipes de commencer petit. Le calcul explique pourquoi. Une exécution avec des centaines de sous-agents, chacun lisant une partie d'une base de code avant de rendre compte, grimpe vite. Les équipes qui surveillent leurs dépenses depuis qu'Anthropic a baissé les prix de Claude Haiku 5.5 voudront vérifier l'effet d'une grosse exécution multi-agents sur leur facture.

Pour commencer

Pour activer les workflows dynamiques, les développeurs sélectionnent le type d'agent "multiagent_20261001". Anthropic propose deux points d'entrée. Les développeurs peuvent suivre la documentation, ou lancer la commande "/claude-api managed-agents-onboard" dans Claude Code, l'agent de programmation de l'entreprise.

Notre analyse

Cela laisse penser qu'Anthropic voit dans l'orchestration, et pas seulement dans la qualité des modèles, un terrain de concurrence. Anthropic propose désormais un agent principal accompagné de sous-agents sous forme de fonctionnalité gérée. Les équipes qui veulent ce dispositif n'ont plus à construire et maintenir elles-mêmes cette couche de coordination. Pour les développeurs qui adaptent déjà Claude Code à leur propre travail, c'est une brique de plus.

La question en suspens, c'est le rapport coût-bénéfice. Le test sur les bugs est frappant, mais il porte sur une seule tâche choisie par l'éditeur. La critique de l'ingénieur d'OpenAI montre que le secteur n'a pas tranché : les essaims sont-ils efficaces ou simplement coûteux ? Il faudra voir si des utilisateurs indépendants constatent des gains similaires sur d'autres tâches. Autre question : les plateformes d'agents vont-elles ajouter des contrôles de dépenses plus stricts, comme les plafonds de jetons introduits par Cohere sur sa propre plateforme d'agents ? Mille agents, c'est beaucoup. Que ce soit utile dépendra de la tâche.