Auto-organisation des agents LLM sans rôles +14% qualité

Auto-organisation des agents LLM : Supprimer les rôles augmente l'efficacité de 14%

Un système d'agents LLM sans rôles et hiérarchies rigides surpasse de 14% les approches traditionnelles basées sur un coordinateur selon la métrique de qualité Q (p < 0,001). Une expérience sur 25 000 tâches avec 8 modèles et jusqu'à 256 agents a montré que les agents déterminent indépendamment leurs spécialisations, déclinent les tâches inutiles et s'adaptent sans perte de performance. Le protocole séquentiel, où les agents travaillent en séquence avec accès aux résultats de leurs prédécesseurs, a donné les meilleures performances.

Échelle et méthodologie de l'expérience

L'expérience a couvert plus de 25 000 tâches réparties sur quatre niveaux de complexité : de la vérification d'API (L1) aux scénarios adversariaux comme PDG vs Juridique vs DAF (L4). Huit modèles ont été testés — Claude, GPT-5.4, GPT-4o, GPT-4.1-mini, DeepSeek v3.2, GLM-5, Gemini-3-flash, GigaChat 2 Max. Le nombre d'agents variait de 4 à 256, avec une consommation totale de tokens dépassant 1 milliard.

La qualité des solutions a été évaluée par un modèle juge selon cinq critères : exactitude, exhaustivité, cohérence, applicabilité et alignement avec la mission. La métrique Q variait de 0,25 à 1,0.

Huit protocoles de coordination ont été comparés, dont quatre bio-inspirés. L'accent était mis sur la coordination horizontale : comment un groupe d'agents forme un système unifié sans renforcement vertical des instances individuelles.

Protocoles de coordination et leur efficacité

Quatre protocoles clés ont été testés avec des modèles, tâches et nombres d'agents identiques :

• Coordinateur : Un Agent-0 central attribue les rôles ; les autres exécutent en parallèle.
• Séquentiel : Les agents travaillent à tour de rôle, chacun analysant des résultats spécifiques des agents précédents et décidant du rôle et de la participation.
• Diffusion : Les agents annoncent leurs intentions, puis s'ajustent en fonction des annonces des autres.
• Partagé : Indépendance totale avec mémoire partagée.

Résultats sur GPT-4.1-mini (N=8) :

| Protocole | Qualité Q |

|--------------|-----------|

| Séquentiel | 0,724 |

| Coordinateur | 0,640 |

| Diffusion | 0,510 |

| Partagé | 0,503 |

La différence entre le meilleur et le pire était de 44% (d de Cohen = 1,86). À N=16 sur Claude pour les tâches complexes, le Séquentiel a atteint Q=0,875 contre 0,767 pour le Coordinateur (+14%, p < 0,001).

Le Séquentiel l'emporte grâce à l'accès aux résultats effectivement achevés, pas aux intentions ou aux historiques généraux.

Dynamique des rôles et spécialisations

Huit agents sur des centaines de tâches ont généré 5006 rôles uniques, dont 54% n'ont été utilisés qu'une seule fois. Avec 64 agents — 5010 rôles (une différence de 0,1%). Les agents adaptent leurs fonctions au contexte de chaque tâche, ignorant les profils fixes.

Dans le Séquentiel, les rôles changent dynamiquement, formant un réseau distribué. Dans le Coordinateur, toutes les connexions passent par l'Agent-0 — un point de défaillance unique.

Auto-exclusion et optimisation des ressources

Les agents en Séquentiel déclinent volontairement des tâches : "Tous les points clés sont couverts, je n'ajouterai pas de valeur." Sur 60 agents inactifs, 38 étaient des auto-exclusions. Cela augmente Q à 0,875 contre 0,767 avec participation forcée.

Claude montre 8,6% de refus conscients — un niveau optimal. Le système lui-même détermine le nombre nécessaire de participants, minimisant les tokens.

Lors de la montée en charge :

| N agents | Q | Tokens |

|----------|--------|----------|

| 8 | 0,954 | 3164 |

| 64 | 0,949 | 3537 |

| 256 | 0,967 | — |

Le coût a augmenté de 11,8% avec une multiplication par 8 de N, avec ~45% des agents s'auto-excluant.

Comparaison des modèles et coût

Sur les tâches complexes :

• Claude Sonnet 4.6 : Q=0,875, coût élevé.
• DeepSeek v3.2 : Q=0,829 (~95% de Claude), coût ~1/24.
• GLM-5 : Q=0,800, ~1/20.

DeepSeek surpasse Claude sur les tâches adversariaux (+6,0%), avec un alignement mission de 4,00/4,00.

Tendance : Les modèles forts (Claude, DeepSeek) bénéficient de l'autonomie (+3,5–10,6%). Propriétés clés :

• Raisonnement — capacités de chaîne de pensée.
• Autoréflexion — évaluation des compétences.
• Suivi des instructions — respect du protocole.
• Sortie structurée — formatage stable.

Adaptation à la complexité des tâches

Q diminue de L1 à L4 (-37,7%), mais la hiérarchie s'approfondit spontanément (1,22 → 1,56). Les agents construisent eux-mêmes la structure sans instructions.

Principaux enseignements

• Le protocole séquentiel augmente Q de 14% grâce à l'accès aux résultats réels des prédécesseurs.
• Les agents génèrent des milliers de rôles uniques, s'adaptant au contexte sans profils fixes.
• L'auto-exclusion volontaire optimise les ressources : 45% des agents ne participent pas à N=256.
• DeepSeek v3.2 atteint 95% de la qualité de Claude à 1/24 du coût.
• L'autonomie est efficace avec des modèles forts dotés de raisonnement avancé et d'autoréflexion.

— Editorial Team