Les équipes d'agents IA gaspillent d'énormes quantités de jetons pour des gains de qualité à peine mesurables, révèle une étude
decoder ·
Des recherches récentes indiquent que les équipes d'agents IA consomment souvent des ressources de calcul excessives tout en apportant des améliorations négligeables à la qualité des résultats. Vals AI a évalué GPT-6 Sol et Claude Opus 5.5 sur le Vibe Code Bench, constatant que les configurations multi-agents coûtent entre 1,8 et 5,1 fois plus cher que les agents uniques, avec des gains de performance minimaux. Une seule comparaison a montré une amélioration statistiquement significative, suggérant que le surcoût est rarement justifié. Des tests internes réalisés par Anthropic ont également démontré que le passage de dix à cent agents n'a entraîné que de légères augmentations des scores malgré une consommation accrue de tokens. Noam Brown, chercheur chez OpenAI, a confirmé que les systèmes multi-agents accélèrent principalement l'achèvement des tâches plutôt qu'ils n'améliorent la qualité, notant que les avantages de la parallélisation varient considérablement selon le type de tâche. Les experts mettent en garde contre l'utilisation de grands essaims d'agents en raison des problèmes de coordination et des coûts élevés, qualifiant cette approche d'investissement gaspillé pour la plupart des applications.
decoder