KM4BI KM4BI

1,6 million d’agents inscrits à OpenClaw… et presque rien à faire

Une méthode pratique pour décider quand utiliser un chat, un agent unique, une équipe multi-agents ou aucun outil d’IA.

Nate B Jones utilise l’épisode OpenClaw comme point de départ: disposer de millions d’agents ne sert pas à grand-chose si personne ne sait à quel travail les affecter. La question utile n’est donc plus seulement « quel outil utiliser ? », mais « quelle forme de pensée achetée convient à cette tâche ? »

Son cadre tient en quatre estimations rapides: la taille du problème, l’indépendance des sous-tâches, la nécessité de séparer les rôles, et la possibilité de vérifier automatiquement le résultat. Une petite demande peut rester un échange avec un modèle. Une tâche claire qui tient dans le contexte peut aller à un agent unique. Une pile de documents, d’emails ou de contrats peut justifier plusieurs agents si le contrôle qualité est mécanique.

La partie la plus importante concerne la vérification. Les recherches citées montrent qu’augmenter le nombre d’essais ou de tokens peut faire apparaître la bonne réponse, mais que cette valeur est perdue si aucun test, source ou critère externe ne permet de l’identifier. Sans évaluation, une équipe d’agents peut seulement produire plus de bruit.

Les exemples rendent la grille concrète: trouver un créneau de sport est une tâche d’agent unique; analyser une quarantaine de contrats SaaS et leurs usages devient un bon cas multi-agents; choisir une personne à recruter entre deux profils très proches reste une décision humaine. L’objectif est d’éviter deux erreurs symétriques: sous-utiliser l’IA là où elle crée du levier, et lui déléguer des jugements qu’elle ne sait pas porter.

À retenir: la compétence durable n’est pas de mémoriser l’outil du moment, mais de reconnaître la forme du travail. Taille, découpage, séparation des perspectives et vérifiabilité deviennent les nouveaux réflexes de management à l’ère des agents.

Source