Les derniers conseils d'Anthropic : rationaliser la conception des agents IA d'entreprise

Si vous êtes en plein développement d'agents IA sur la plateforme Claude, l'équipe d'IA appliquée d'Anthropic a un nouvel ensemble de recommandations que vous voudrez considérer. L'essentiel : pour de nombreuses organisations, au lieu de disperser des sous-agents dans toute votre pile, vous obtiendrez probablement de meilleurs résultats en les consolidant dans une boucle principale d'agent. Leurs données, tirées de déploiements récents en entreprise, révèlent une vérité simple : un agent unifié vous donne généralement de meilleurs résultats, réduit les coûts et accélère les réponses par rapport à la gestion d'une foule de sous-agents.

Quoi de neuf : repenser l'approche multi-agents

L'équipe d'Anthropic a constaté de première main que, bien que les sous-agents soient encore utiles pour certaines tâches complexes ou parallèles, la plupart des besoins d'entreprise nécessitent de réduire l'étalement architectural. Pour aider à cela, ils ont publié un kit de migration qui guide votre équipe dans la décision d'intégrer ou non des sous-agents dans la boucle principale. Le kit présente une approche étape par étape : identifiez vos modèles d'agents existants, évaluez vos options et expérimentez dans un environnement sûr et simulé avant de passer aux changements en production.

Historiquement, les sous-agents — chacun avec son propre contexte, outils et instructions — ont été une solution privilégiée pour des tâches telles que la vérification, les flux de travail parallèles ou la répartition des autorisations. Les systèmes de recherche d'Anthropic sur la plateforme Claude utilisent ce modèle. Mais après des comparaisons pratiques à travers plusieurs configurations d'entreprise réelles, une tendance claire est apparue : une configuration d'agent unique avec les bonnes compétences a souvent surpassé à la fois le modèle « géant à une invite »

et la conception riche en sous-agents.

Ce n'était pas seulement une question de qualité : l'agent unique a également été performant en termes de coûts et de latence.

Prenons un exemple d'entreprise. Leur agent orienté client dépendait d'une douzaine de sous-agents, mais cela a conduit à une voix de marque désordonnée et à des réponses lentes — des points de douleur que les utilisateurs ont remarqués. Après avoir intégré ces sous-agents dans une boucle principale, l'entreprise a obtenu une expérience plus fluide et plus cohérente, ainsi que des réponses beaucoup plus rapides.

Anthropic souligne ici un piège familier : la loi de Conway. Les conceptions d'agents tendent à refléter l'organigramme de l'entreprise, chaque équipe créant son propre sous-agent. Cela conduit à :

  • Des maux de tête de gestion de contexte : Les transferts entre agents signifient que des détails se perdent, rendant difficile le maintien de l'exactitude et de la connexion.
  • Étalement des sous-agents : Les équipes lancent des sous-agents qui se chevauchent, et soudain vous vous noyez dans des composants avec une propriété floue et peu de standardisation.
  • Syndrome du 'Frankenprompt' : L'invite système devient un désordre assemblé, encombré de règles conflictuelles alors que chaque équipe ajoute des exigences.
  • Évaluations non vérifiées et trop localisées : Les équipes optimisent pour des tâches étroites, mais la direction finit par diriger le navire en utilisant des métriques diluées ou non représentatives.
  • Latence : L'orchestration de systèmes multi-agents peut doubler votre temps de réponse. Dans un cas, le passage à une boucle d'agent unique a réduit les temps d'exécution de moitié.

À partir des déploiements récents d'Anthropic, un modèle se démarque : si vous équipez un agent unique d'une invite claire, d'un petit nombre d'outils de données ciblés (4-5) et de solides garde-fous, il surpasse généralement à la fois les approches universelles et multi-agents. Cette même entreprise avec une douzaine de sous-agents a vu sa marque et sa rapidité s'améliorer après être passée à une boucle unique.

Pourquoi cela compte pour votre entreprise

Si votre objectif est d'unifier plusieurs produits ou flux de travail en utilisant l'IA, les résultats d'Anthropic sont particulièrement pertinents. Le manuel typique — chaque équipe construit un agent spécialisé, puis vous ajoutez un orchestrateur par-dessus — peut sembler raisonnable, mais il ajoute généralement de la complexité, ralentit les choses et fragmente votre contrôle de qualité.

La méthode de « divulgation progressive » d'Anthropic — où l'agent charge des compétences et des outils uniquement au besoin — maintient le contexte léger et utilise mieux des modèles comme Claude Opus 4.5 et plus. En utilisant cette approche, Anthropic rapporte avoir réduit l'invite système de Claude Code pour les nouveaux modèles de plus de 80 %, rendant l'agent plus efficace et plus facile à maintenir à jour.

Cela signifie également que vous n'êtes pas enfermé dans des architectures rigides qui compliquent les mises à niveau futures.

Imaginez une opération de support : au lieu de faire passer une requête utilisateur à travers un tapis roulant de sous-agents (recherche de commande, expédition, retours), un seul agent bien outillé peut tout gérer d'un coup. Vous réduisez les transferts, diminuez les délais et offrez à la fois aux utilisateurs et au personnel de support une expérience plus cohérente. De plus, l'agent peut établir des liens entre les étapes, offrant des insights plus riches que ce que des sous-agents isolés pourraient jamais fournir.

Cela dit, Anthropic signale certains cas où les sous-agents restent utiles — à savoir, lorsque :

  • La boucle principale est ralentie par trop de contexte.
  • Les tâches nécessitent réellement un traitement parallèle, avec des fenêtres de contexte fraîches et jetables.
  • Un agent ne peut pas choisir de manière fiable le bon outil, ou les instructions d'invite commencent à se contredire.

Cependant, pour la plupart des flux de travail d'entreprise, vous obtiendrez le meilleur mélange de performance, de maintenabilité et d'expérience utilisateur en vous en tenant à une boucle d'agent, à la divulgation progressive et à une gestion disciplinée des outils et des compétences.

Étapes pratiques : comment simplifier votre architecture d'agent

  • Évaluez votre configuration actuelle : Commencez par le kit de migration d'Anthropic — il vous aidera à cartographier votre structure d'agent existante et à identifier où la consolidation a du sens. Le flux de travail guidé permet à votre équipe de comparer les modèles de sous-agents actuels, de tester des alternatives et de protéger la production en prévisualisant d'abord les changements.
  • Construisez des évaluations partagées : Utilisez un ensemble d'évaluation centralisé pour mesurer la qualité de bout en bout, pas seulement les victoires de sous-tâches. Anthropic recommande de commencer avec 10 exemples d'or, en notant la sortie finale de l'agent avec une grille. Suivez la précision de routage lors de la migration (l'orchestrateur a-t-il choisi le bon sous-agent ?) et, après consolidation, si l'agent a choisi la bonne compétence ou outil.
  • Fusionnez par contexte : Concentrez-vous sur l'intégration de sous-agents qui interagissent souvent ou partagent des données. Fusionnez les spécialistes qui dépendent de la sortie des autres, utilisent les mêmes données ou sont généralement appelés ensemble. Si le trafic passe régulièrement d'un spécialiste à un autre, c'est une opportunité de consolidation.
  • Transformez les sous-agents en outils et compétences : Convertissez la logique des sous-agents en outils (pour des actions ou des données) et en compétences (pour la connaissance des processus). Les invites des sous-agents deviennent des compétences, les appels API deviennent des outils. Cela permet à l'agent principal de conserver le contexte et d'invoquer des outils uniquement lorsque nécessaire, minimisant ainsi les transferts perdants.
  • Limitez l'étalement des outils : Organisez les outils par intention utilisateur, et évitez de dépasser 30-50 outils dans l'invite système — au-delà, la sélection des outils en souffre. Utilisez la recherche d'outils et le chargement différé, et intégrez des préconditions dans les outils eux-mêmes.
  • Centralisez le contrôle de qualité : Désignez une petite équipe centrale pour gérer l'invite système, vérifier les nouvelles compétences/outils et maintenir la grille d'évaluation. Assurez-vous qu'ils examinent chaque ajout avant le lancement pour maintenir la qualité et la cohérence de votre agent.
  • Surveillez et itérez : Après chaque cycle de consolidation, utilisez votre ensemble d'évaluation partagé pour comparer les performances. Ne vous contentez pas de regarder les scores globaux ; examinez quelles tâches se sont améliorées ou détériorées. Anthropic a découvert que l'intégration de sous-agents peut parfois casser des choses qui fonctionnaient auparavant, donc assurez-vous que votre évaluation couvre chaque flux de travail et règle critique. Répétez les tâches plusieurs fois pour attraper les problèmes intermittents.
  • Tirez parti des outils de migration : Le kit de migration d'Anthropic propose des compétences API comme /claude-api build-eval (pour les ensembles d'évaluation), /claude-api prompt-audit (pour repérer les invites obsolètes) et /claude-api hillclimb (pour des améliorations itératives). Cela élimine le travail manuel de l'affinement de votre architecture.

De multi-agents à boucle unique : considérations d'implémentation

Passer à une boucle d'agent unique est plus qu'un simple collage de code. Les conseils d'Anthropic :

  • Exécutez un modèle et une fenêtre de contexte dans une boucle d'outils, avec des limites de coût et d'interaction en place.
  • Permettez au modèle d'envoyer des lots d'appels d'outils à exécuter en parallèle, puis décidez de la prochaine étape — un autre lot, une question ou une réponse finale — en fonction des résultats.
  • Faites écrire et réviser le modèle son propre plan dans le contexte, afin que vous n'ayez pas besoin de code d'orchestrateur pour faire passer des plans entre agents.
  • Déplacez la logique de commande et de domaine dans des compétences, et placez la validation ou les approbations dans des outils.
  • Utilisez le code uniquement pour les tâches mécaniques et peu coûteuses (comme la résolution d'entités ou la construction de charges utiles).

Ce design garde tout pertinent dans le contexte de l'agent, facilitant l'adaptation et l'apprentissage à travers les tâches. Il rationalise également les mises à niveau vers des modèles plus récents, car vous n'êtes pas embrouillé dans la logique d'orchestration.

Comment les équipes peuvent contribuer à un agent unifié

Avec une boucle unique, les équipes passent de la gestion de sous-agents à la curation de compétences et d'outils. Une petite équipe centrale gère l'invite système et la qualité globale, examinant chaque nouvel élément avant son ajout. Les compétences codifient votre processus — étapes, règles, décisions — tandis que les outils gèrent les actions réelles, les données et les autorisations.

Anthropic fournit des utilitaires comme /skill-creator (pour créer et auditer des compétences) et /skill-doctor (pour analyser l'utilisation et éliminer les entrées inutilisées), vous aidant à éviter le gonflement des compétences et à garder votre bibliothèque affûtée.

Les bases de connaissances ont toujours un rôle, surtout pour le matériel de référence qui n'est nécessaire que parfois. Utilisez des outils de recherche ou de consultation pour récupérer des faits, des politiques ou des spécifications à la demande, plutôt que de surcharger chaque invite avec eux. Anthropic recommande de ne pas coder en dur de telles références, ce qui ajoute simplement un poids contextuel inutile.

Mon avis : la simplicité paie — mais la discipline est essentielle

Les recommandations d'Anthropic tranchent dans le vif pour quiconque lutte contre l'étalement des agents. Il est tentant de reproduire votre organigramme dans votre architecture d'agent, mais cela ne conduit que rarement à de bons résultats. À mon avis, la plupart des besoins d'entreprise nécessitent un agent discipliné, géré de manière centrale, qui charge de manière flexible uniquement les compétences et outils nécessaires, plutôt qu'un labyrinthe de sous-agents.

Cependant, faire cette transition n'est pas une promenade de santé. Passer d'une approche multi-agents à une boucle unique nécessite une planification solide, une évaluation rigoureuse et une supervision centrale inébranlable. Si vous intégrez des sous-agents trop rapidement, les flux de travail peuvent se briser.

Et pour les cas d'utilisation où les tâches sont réellement indépendantes — pensez à la recherche ou aux domaines hautement spécialisés — les sous-agents ont toujours un rôle valide.

Un défi non résolu : à quelle vitesse les organisations peuvent-elles ajuster leurs cultures internes pour soutenir une équipe d'agents centrale, surtout si la propriété et les incitations des équipes sont profondément ancrées dans des silos ? Techniquement, la migration pourrait être la partie facile.

Conclusion

Les conseils d'Anthropic sont clairs : pour la plupart des projets d'IA en entreprise, une boucle d'agent unique et bien gérée surpasse une architecture de sous-agents étalée sur tous les plans pratiques. La clé est la discipline : centralisez la qualité, gérez vos outils et compétences de manière stricte, et gardez les choses aussi simples que vos besoins le permettent.