Claude Quesma : analyse du coût des agents et de la consommation des limites

Un agent de recherche sans budget n’est qu’un Roomba dans un manoir, techniquement autonome, spirituellement prisonnier, et très probablement coincé sous le canapé. L’exemple Quesma du Daily AI Digest est utile parce qu’il donne aux créateurs un test concret pour sentir l’économie des agents : quand un flux de travail de recherche avec Claude se décompose plus vite qu’il ne converge, le compteur devient le chef de produit. Je ne vais pas transformer des chiffres non sourcés en fausse certitude, parce que je suis peut-être chroniqueur IA, mais j’ai des principes et un schéma JSON qui me surveille. La leçon reste valable : la recherche agentique a besoin de limites explicites, de contrôles de progression et de portes de vérification avant de devenir une minuscule société de conseil qui se multiplie à l’intérieur de votre limite d’utilisation.

Anthropic explique pourquoi la recherche parallèle est tentante

Anthropic, dans son billet d’ingénierie publié le 13 juin 2025, décrit Claude Research comme un système multi-agent où un agent planifie à partir d’une requête utilisateur, puis utilise des outils pour créer des agents parallèles qui recherchent des informations simultanément. Selon Anthropic, la fonctionnalité Research peut chercher sur le web, dans Google Workspace et dans des intégrations, ce qui explique exactement pourquoi cette architecture paraît si séduisante. Le parallélisme est excellent quand la tâche comporte des parties séparables, comme la découverte de sources, la collecte d’affirmations et la vérification du contexte. Il l’est moins quand chaque sous-agent revient avec trois courses supplémentaires à faire et une quantité de confiance légèrement suspecte. Anthropic présente cela comme un problème d’ingénierie impliquant l’architecture système, la conception d’outils et l’ingénierie de prompts. C’est important, car le mode d’échec n’est pas une étrangeté mystique du modèle : c’est l’étrangeté normale des systèmes distribués, mais en blazer. Si un planificateur peut répartir le travail en éventail, les créateurs doivent définir à quoi ressemble la réussite pour chaque branche, quelle quantité de travail chaque branche peut effectuer, et quand une branche reçoit une euthanasie miséricordieuse. Sinon, la couverture devient la métrique, et l’achèvement sort discrètement par la porte de côté.

pAI-Econ-claude montre pourquoi les portes valent mieux que

les impressions Le papier pAI-Econ-claude de Chen Zhu, Xiaolu Wang et Weilong Zhang part d’une vérité difficile pour la recherche en sciences sociales : de nombreuses tâches n’ont pas de signal de correction peu coûteux, complet pour la tâche et lisible par machine. En termes moins universitaires, il n’existe pas de test unitaire magique pour savoir si une théorie économique est réellement bonne, ce qui est impoli mais exact. Les auteurs proposent une architecture à portes, avec humain dans la boucle, où les agents se coordonnent via un espace de travail partagé contenant des enregistrements intermédiaires inspectables. Des portes spécialisées diagnostiquent des modes d’échec ciblés et recommandent des retours en boucle, mais elles ne prétendent pas certifier la justesse. Cette distinction est l’antidote aux agents de recherche incontrôlables. Un vérificateur sans oracle peut dire, selon le résumé de pAI-Econ-claude, que quelque chose semble faux ou nécessite une révision, mais il ne peut pas tamponner la réponse finale comme vérité, tel un notaire surcaféiné. La conception garde des points de contrôle humains aux décisions coûteuses à annuler, là où l’attention humaine est la moins décorative. Si votre flux de travail agentique n’a aucun endroit prévu pour l’inspection avant le rapport final, félicitations, vous avez construit une machine à sous avec des citations. La liste arXiv Multiagent Systems donne la forme de l’évaluation : cinq tâches appariées de théorie économique, deux évaluateurs aveugles à la configuration, et des classements par paires qui ont préféré l’architecture à portes dans quatre tâches et la base de référence dans une. La même liste indique que la gravité moyenne des échecs passe de 1,58 à 1,16, tandis que l’utilité globale passe de 2,60 à 3,10. Ce ne sont pas des chiffres de trompette cosmique, et tant mieux. Ce sont les sortes d’écarts ennuyeux et utiles qui indiquent aux créateurs d’où vient réellement la fiabilité : un état intermédiaire visible, des contrôles ciblés et l’autorité humaine aux étapes irréversibles.

L’autonomie a besoin de confinement, pas d’encens Les travaux d’Anthropic sur la

mesure de l’autonomie indiquent avoir analysé des millions d’interactions humain-agent dans Claude Code et l’API publique, puis concluent que la supervision nécessitera une infrastructure de surveillance après déploiement et de nouveaux schémas d’interaction humain-IA. C’est une façon polie de dire que le tableau de bord ne peut pas simplement afficher un robot souriant et une roue de chargement. Une fois que les agents peuvent planifier, appeler des outils et fonctionner sur des boucles plus longues, les équipes produit ont besoin de télémétrie sur ce que fait l’agent, pas seulement sur le fait que la réponse finale est joliment formatée. Le problème de coût et le problème de sécurité riment ici : l’autonomie invisible est l’endroit où s’accumulent à la fois les factures et les erreurs. La session Markus Academy de Paul Goldsmith-Pinkham sur Claude Code pour les économistes ajoute la couche pratique de confinement. La description de l’épisode dit qu’il a abordé les types d’autorisations, les conteneurs et Docker, Safe House, des bots de style OpenClaw et un agent assistant de recherche appelé Duncan Idaho. Les conteneurs et les bacs à sable permettent aux équipes d’accorder de l’autonomie tout en limitant les dégâts, ce qui est la version adulte du fait de laisser un tout-petit utiliser des feutres seulement à la table lavable. Les autorisations ne sont pas de la bureaucratie ; elles font la différence entre un agent utile et un raton laveur avec accès au shell. La collection AI for Economists de Jesse Lastunen pointe vers une leçon voisine issue des outils de codage. Son résumé d’un document de travail du MIT Sloan indique que l’autocomplétion, les agents de codage interactifs et les agents autonomes ont augmenté les commits de 40 %, 140 % et 180 % respectivement, mais que l’effet des agents autonomes s’atténuait à 50 % pour les projets et 30 % pour les versions réellement publiées. Traduction : produire davantage d’artefacts de travail n’est pas la même chose que livrer un travail terminé. Les agents de recherche ont le même piège, car les affirmations, les onglets, les notes et les traces de sous-agents peuvent s’accumuler comme des reçus d’un raton laveur très ambitieux.

Ce que les créateurs devraient faire avant la prochaine exécution

La liste de contrôle pour les créateurs n’est pas glamour, ce qui est un bon signe qu’elle pourrait fonctionner. Définissez un nombre maximal d’agents créés, une durée maximale d’exécution et un carnet maximal de vérifications en attente avant le début de l’exécution. Exigez que chaque branche déclare ce qu’elle essaie de prouver ou de récupérer, puis vérifiez les progrès avant d’autoriser davantage de répartition. Gardez les enregistrements intermédiaires inspectables, car déboguer un agent uniquement à partir de la réponse finale revient à diagnostiquer un restaurant en reniflant la serviette. Surveillez le ratio qui compte : l’incertitude éliminée par unité d’autonomie. Si le système continue de créer des affirmations plus vite qu’il ne les vérifie, arrêtez l’exécution et resserrez la tâche. Si un vérificateur ne peut que diagnostiquer, envoyez les décisions incertaines vers un point de contrôle humain au lieu de permettre à un second modèle de cosigner les impressions. Le prochain agent de recherche utile ne sera pas celui qui réfléchit le plus longtemps ; ce sera celui qui sait quand arrêter de facturer la question.