Pourquoi parler d'architecture quand on parle d'agents.
Beaucoup de PME démarrent un projet multi-agents en se demandant « quel framework choisir » (LangGraph, CrewAI, n8n) avant de se demander quel pattern d'architecture. C'est l'erreur classique. Le framework, c'est la cuisine. Le pattern, c'est la recette.
Sur 50+ missions observées en cabinet, les 4 patterns suivants couvrent 95 % des besoins en PME. Il y en a d'autres (peer-to-peer pur, hiérarchies profondes, etc.) mais leur ROI en TPE-PME est rarement positif.
Pattern 1 : Mono-agent avec tools.
Un seul agent, qui dispose d'une boîte à outils (envoyer un email, requêter une base, lire un fichier, etc.). C'est l'architecture la plus simple, la plus économique, la plus debuggable. Et celle qu'on devrait choisir par défaut.
Coût indicatif : implémentation à partir de 1 500 € HT (forfait AzenFlow), run mensuel 50 à 150 € (API LLM + plateforme). C'est le pattern le plus rentable. Plus de 60 % des agents en production chez nos clients sont des mono-agents.
Pattern 2 : Orchestrateur + experts spécialisés.
Le pattern multi-agents le plus courant. Un agent orchestrateur reçoit la demande, décide quel(s) expert(s) appeler, agrège les réponses, formule la sortie finale. Chaque expert a son propre prompt système, ses propres tools, son propre périmètre.
Cas typique observé en production : scoring RH avec 16 experts (compétences, soft skills, fit culture, parcours, etc.). Chaque expert lit le CV avec sa propre lentille, donne un score motivé. L'orchestrateur agrège, pondère, présente la décision finale.
Coût indicatif : implémentation 5 000 à 12 000 € HT, run mensuel 200 à 600 €. Le surcoût vs mono-agent vient du nombre d'appels LLM (1 par expert + 1 pour l'orchestrateur) et de la duplication du contexte.
Pattern 3 : Hiérarchique (manager + équipe d'agents).
Variante avancée du pattern 2 : un agent manager pilote plusieurs équipes d'agents, chaque équipe ayant son propre sous-orchestrateur. C'est puissant, mais fragile en PME.
Si votre cas demande de la hiérarchie, c'est presque toujours qu'il faut simplifier le périmètre, pas ajouter de la couche.
Pattern 4 : Pipeline séquentiel d'agents.
Un agent A produit une sortie qui devient l'entrée de l'agent B, qui devient l'entrée de l'agent C, etc. Pas vraiment du « multi-agents » au sens collaboratif, mais une chaîne d'experts spécialisés.
Cas d'usage typique : rédaction d'un livrable long. Agent 1 (researcher) collecte les sources. Agent 2 (drafter) rédige un brouillon. Agent 3 (reviewer) critique. Agent 4 (formatter) met en forme. C'est plus prévisible et debuggable que le pattern orchestrateur.
Coût indicatif : implémentation 3 000 à 8 000 € HT, run mensuel 100 à 400 €. Bonne option intermédiaire entre mono-agent et orchestrateur+experts.
Comment choisir le bon pattern : 3 questions.
Dans 90 % des cas PME, la réponse honnête est pattern 1 (mono-agent) ou pattern 2 (orchestrateur + experts). Si vous hésitez : commencez en pattern 1 et migrez vers pattern 2 si les limites apparaissent.
Les 5 pièges à éviter en multi-agents.
- Ne pas observabiliser dès le départ. Sans logs détaillés des décisions de chaque agent, le debug devient impossible en production.
- Multiplier les agents « parce que c'est beau ». Chaque agent supplémentaire ajoute du coût API, de la latence, et un risque de désaccord.
- Sous-estimer le coût de l'orchestrateur. L'orchestrateur a souvent le contexte le plus long (résumé de toutes les sorties experts) et coûte 30-50 % du total API.
- Ne pas définir de budget API/mois. Un agent qui boucle sans garde-fou peut générer 500 € de facture API en quelques heures.
- Oublier le registre AI Act. Chaque agent en production doit figurer dans votre registre AI Act, avec son risque évalué (Annex III si applicable).
Pour cadrer votre architecture, voir notre hub agents IA et multi-agents ou réservez l'audit gratuit 45 minutes.
Pour aller plus loin.
- Agents IA autonomes avec n8n : guide pratique 2026
- Coût réel d'un agent IA pour PME en 2026 : 3 profils chiffrés
- Agent IA vs workflow n8n : grille de décision
- Cours gratuit Agents IA et multi-agents (8 chapitres)