Une étude de Stanford publiée sur arXiv montre que les équipes d’agents IA servant différents utilisateurs obtiennent systématiquement des résultats inférieurs à ceux d’un seul agent coordinateur lorsqu’ils partagent des ressources limitées. Dans les environnements testés (budgets d’API, planification de cliniques, réservations d’assistants personnels et files d’attente de fusion de code), les équipes poste à poste n’ont atteint que 12 à 30 % des résultats optimaux contre 32 à 64 % pour un agent unique. Les équipes silencieuses, où les agents ne communiquent pas entre eux, ont obtenu des résultats encore plus faibles, tombant parfois à 2 à 7 % de réussite. L’étude identifie des modes de défaillance spécifiques : les agents restent paralysés au lieu d’agir et annulent les actions de leurs pairs, ce qui limite l’efficacité collective. Les chercheurs concluent que les avantages souvent attribués aux stratégies multi-agents proviennent généralement de ressources computationnelles supplémentaires plutôt que d’une véritable collaboration.
Source: Lire l’article original
