📑 Table des matières

Replit : 32 agents Claude Opus 5.5 en essaim rendent NumPy 18,9x plus rapide — mais la topologie compte plus que le modèle

Agents IA 🟢 Débutant ⏱️ 15 min de lecture 📅 2026-11-20

Replit : 32 agents Claude Opus 5.5 en essaim rendent NumPy 18,9x plus rapide — mais la topologie compte plus que le modèle

🔎 Un essaim de 32 agents, 2 heures, et un résultat qui fait parler

Le 19 novembre 2026, Replit publie sur son blog Frontier une expérience qui va alimenter les débats pendant des semaines : un seul agent Claude Opus 5.5, lancé sur l'optimisation de NumPy, obtient un gain de 3,7x en 2 heures. Le même agent, déployé en essaim de 32 instances, atteint 18,9x — dans exactement le même temps, avec la même contrainte matérielle par agent.

Le chiffre qui fait la une, c'est le 18,9x. Mais le chiffre qui devrait vraiment intéresser les équipes qui construisent des systèmes multi-agents, c'est un autre : le meilleur essaim de Replit avait un coordinateur qui n'a jamais envoyé un seul message direct à un worker. Zéro. Toute la coordination passait par un board de tâches partagé.

Pourquoi maintenant ? Parce que la littérature sur les systèmes multi-agents est, jusqu'ici, plutôt décevante. L'étude MAST (Cemri, Pan, et al.) notait que les gains multi-agents sur les benchmarks populaires sont souvent minimes. CooperBench (Khatua, Zhu, et al.) montrait que des agents qui coopèrent perdent environ 30 % de taux de succès par rapport à leur exécution individuelle. Replit apporte le premier contre-exemple chiffré, à grande échelle, de ce qui fait qu'un essaim fonctionne — et ce n'est pas le modèle.


L'essentiel

  • 1 agent Opus 5.5 = 3,7x sur NumPy en 2 h ; 32 agents Opus 5.5 = 18,9x dans le même temps. Résultat self-reported par Replit, pas encore reproduit indépendamment.
  • GPT-6.2 Astra était le meilleur agent solo testé, mais ses essaims se dégradent quand l'équipe grandit. Le rang solo est un mauvais prédicteur du rang en essaim.
  • La topologie est le facteur décisif : les essaims qui gagnent envoient 82 % de leurs messages à un board partagé (un thread par workload) et ~1,4 message direct au coordinateur. Ceux qui échouent routent tout par le coordinateur, dont la boîte de réception explose.
  • La forme du codebase compte autant que l'architecture : NumPy (13 workloads indépendants) se prête au parallélisme ; Git (7 workloads dans 15 fichiers) résiste aux essaims.
  • Méthodologie sérieuse : 14 bibliothèques open source, 4 tailles d'essaim (1, 8, 16, 32), 6 modèles, réseau désactivé, audit post-exécution, microVM isolées par agent.

Outils recommandés

Outil Usage principal Prix (novembre 2026, vérifiez sur le site officiel) Idéal pour
Replit Missions Déployer des essaims d'agents sur des objectifs définis (Mission Agreement, budgets, approbations humaines) Abonnement Core + coût de calcul à l'usage Équipes qui veulent tester le multi-agents sans monter l'infra
Claude Opus 5.5 Agent de travail dans les essaims performants Abonnement API à l'usage Workloads parallélisables, performance engineering
Agent Habitat MicroVM Linux isolées par agent, orchestration d'essaims Inclus dans l'offre Frontier de Replit Reproduire l'expérience Replit en isolation
Hostinger Héberger vos dashboards de monitoring, boards de tâches et résultats de benchmarks À partir de quelques euros/mois (novembre 2026, vérifiez sur hostinger.com) Publier et partager les résultats de vos propres essaims

Si vous voulez comprendre quel modèle choisir comme agent de travail, notre guide des meilleurs LLM pour les agents IA détaille les compromis latence/coût/raisonnement, et notre comparatif des meilleurs agents IA autonomes couvre les frameworks d'orchestration.


Les chiffres de l'expérience — ce que Replit a réellement mesuré

Réponse directe : Replit a fait tourner des agents sur l'optimisation de bibliothèques open source, avec un protocole plus rigoureux que la moyenne des benchmarks d'agents.

Le setup, détaillé dans la source primaire (Throwing Headcount at the Problem) :

  • 14 bibliothèques open source, dont 4 détaillées : NumPy (13 workloads), SQLite (12), SQLGlot (4) et Git (7).
  • 4 configurations : 1, 8, 16 et 32 agents.
  • 6 modèles : Claude Opus 5.5, Claude Sonnet 5.5, GPT-6.2 Astra, GPT-6 Astra, GPT-6.1 Sol et GPT-6 Luna.
  • Ressources : 8 vCPU, 16 GiB RAM, 2 heures par agent.
  • Réseau désactivé, audit post-exécution pour vérifier que les gains sont réels et non des tricheries (réduction de fonctionnalité, tests affaiblis).

Chaque agent tourne dans une microVM Linux isolée via Agent Habitat, l'infrastructure d'essaims de Replit. C'est important : sans isolation, les essaims se marchent dessus et les résultats sont inexploitables.

Le résultat headline : 3,7x pour un agent Opus 5.5 solo, 18,9x pour l'essaim de 32. Mais le détail le plus intéressant est ailleurs. Sur le workload searchsorted de NumPy, l'essaim Opus a découvert qu'il pouvait batcher la recherche 256 clés à la fois pour rester dans le cache CPU — soit 8,7x à 13,1x plus rapide à output identique. Ce genre de découverte, un agent solo ne la fait pas en 2 heures : il faut qu'un worker l'explore pendant qu'un autre profile le hot path pendant qu'un troisième écrit le benchmark de validation.

C'est exactement le pattern que décrit notre article sur Claude Opus 4.8 et les Dynamic Workflows : la valeur des modèles récents ne vient plus du raisonnement brut, mais de leur capacité à se coordonner dans des harness complexes.


La topologie bat le modèle — le résultat central

Réponse directe : le meilleur agent solo ne fait pas les meilleurs essaims. L'architecture de communication détermine le gain, pas le choix du modèle.

GPT-6.2 Astra était « the strongest solo agent we tested », selon Replit. Sur NumPy, il battait Opus 5.5 solo d'un facteur supérieur à 3. Et pourtant, ses essaims se dégradaient à mesure qu'ils grandissaient. Pendant ce temps, les essaims Opus et Sonnet battaient leurs runs solo à chaque fois, avec une médiane de 1,30x de gain supplémentaire à 16 et 32 agents.

La différence ne vient pas du modèle. Elle vient de la façon dont les agents communiquent. L'analyse de aiinsiders.net sur les patterns de coordination est éclairante :

Configuration Messages au board partagé Messages directs au coordinateur
Essaim Opus 5.5 (gagnant) 82 % des messages ~1,4 par worker
Essaim GPT-6 Astra minoritaires ~22 par worker
Essaim GPT-6.1 Sol minoritaires ~20 par worker

Les essaims qui gagnent fonctionnent comme une équipe de développeurs seniors : chacun prend une tâche sur le board, travaille, publie son résultat, et le coordinateur n'intervient que pour arbitrer. Un thread par workload, pas de conversation privée.

Les essaims qui perdent fonctionnent comme une équipe sans process : chaque worker demande au coordinateur quoi faire, lui rend compte, lui pose des questions. Le mot de Replit est brutal : « whose inbox grew with every agent added ». Et les chiffres confirment — quand on double de 16 à 32 agents, la boîte de réception du coordinateur Sol passe de 356 à 631 messages sur SQLGlot, celle de GPT-6 Astra de 346 à 615 sur NumPy. Les scores, eux, restent inchangés. Le coordinateur est devenu le bottleneck : vous avez payé deux fois plus d'agents pour zéro gain supplémentaire.

C'est une leçon d'architecture, pas de modèle. Et elle rejoint ce que nous observions dans notre couverture de Gemini 3.5 Flash sur les benchmarks agents : dans les tâches agentic, la latence de coordination pèse souvent plus lourd que la latence d'inférence.


Pourquoi le board partagé fonctionne — la théorie de l'information appliquée aux équipes

Réponse directe : un board partagé transforme la communication de O(n²) en O(n), et élimine le point de défaillance unique qu'est le coordinateur.

Avec un coordinateur central qui reçoit et route tous les messages, le nombre d'échanges croît quadratiquement avec le nombre d'agents. À 32 agents, le coordinateur traite des centaines de messages par workload — il devient le goulot d'étranglement, et son contexte se sature de détails qu'il n'a pas besoin de connaître pour arbitrer.

Avec un board partagé, chaque agent lit ce qui l'intéresse, claim une tâche, et publie son résultat. Le coordinateur ne fait que de l'arbitrage ponctuel. L'information circule sans passer par un hub.

Ce n'est pas un hasard si cette topologie ressemble à ce qui fonctionne dans les équipes humaines. Les méthodologies agiles ont abandonné le chef de projet routeur-tout-il-y-a-vingt-ans pour des boards Kanban partagés pour la même raison : le coût de coordination centralisé croît plus vite que la valeur qu'il produit.

La recherche académique commence à formaliser ce phénomène. Le preprint Evolving Infra (MIT, Berkeley, Georgia Tech) montre qu'on peut diviser la latence des systèmes d'agents en repensant l'infrastructure plutôt que les modèles — même logique : l'architecture est le levier. Et Teamwork de Google, qui prouve la conjecture de Courtade-Kumar sur les essaims d'agents, va dans la même direction : la théorie de l'information appliquée à la communication multi-agents prédit précisément les topologies qui scalent.

Replit apporte la validation empirique. La théorie disait que la topologie compte. Les données de novembre 2026 montrent de combien : entre la meilleure et la pire architecture, à modèle et budget identiques, l'écart se chiffre en facteurs.


La forme du codebase compte autant que l'architecture

Réponse directe : NumPy se prête au parallélisme, Git résiste aux essaims. La structure du travail détermine le plafond du gain.

Le résultat de 18,9x n'est pas un hasard de bibliothèque. NumPy offre 13 workloads indépendants : des fonctions isolées, des hot paths mesurables, des optimisations locales qui ne se conflictualisent pas. Un essaim peut découper le travail proprement, chaque worker prenant un workload sans toucher au code des autres.

Git, c'est l'inverse : 7 workloads dans 15 fichiers. Les modifications se chevauchent, les merges conflitualisent, et même les essaims les mieux architecturés peinent à battre le run solo. Quand le travail n'est pas parallélisable, ajouter des agents n'ajoute que du coût de coordination.

C'est une leçon que beaucoup d'équipes vont apprendre à leurs dépens. Le multi-agents n'est pas un accélérateur universel — c'est un accélérateur pour les problèmes découpables. Performance engineering, migration de code, génération de tests, audit de sécurité : tous ces domaines partagent la propriété de NumPy, des unités de travail indépendantes. Refactoring profond d'un monolithe, design d'API, debug de bugs cross-cutting : ils partagent la propriété de Git.

Avant de lancer un essaim, demandez-vous : mes tâches sont-elles des workloads NumPy ou des workloads Git ? Si vous ne savez pas découper le travail à la main, un essaim ne le découpera pas pour vous.


Les limites et les critiques — ce que Replit ne dit pas

Réponse directe : les résultats sont self-reported, sans reproduction indépendante, et plusieurs détails méthodologiques manquent.

Il faut le dire clairement : tout ce qui précède vient de Replit, qui vend Replit Missions, le produit qui permet de déployer ces essaims. Le conflit d'intérêt est structurel. The Agent Times rapporte l'annonce avec le lien X officiel mais prend soin de la mettre en regard des résultats négatifs de la littérature (CooperBench, MAST). Explainx.ai va plus loin et liste ce qui n'est pas dit :

  • Quels sont les 13 tâches exactes de NumPy ? Sans la liste, impossible de savoir si les workloads ont été choisis pour leur parallélisabilité.
  • Comment le speedup a-t-il été agrégé ? Un « up to 18,9x » masque la dispersion — le 18,9x est peut-être un pic sur un workload, pas une médiane.
  • Quel est le coût par taille d'essaim ? 32 agents Opus 5.5 pendant 2 heures, ça coûte. Le rapport gain/coût à 32 agents n'est pas publié.
  • Les résultats tiennent-ils sur d'autres bibliothèques ? Les 10 bibliothèques non détaillées ne sont pas documentées.

Explainx rappelle aussi un point crucial : ce résultat correspond à un domaine où les agents améliorent leur propre harness. Plus de recherche parallèle = plus de gains, mais à coût plus élevé. C'est un cas favorable, pas un cas général.

Enfin, le contexte produit : Replit a aussi annoncé que des essaims ont construit une plateforme de monitoring d'applications (DataCat) en 2 jours avec un budget de 3 000 $, dans le cadre de Replit Missions, avec des Mission Agreements qui définissent critères de succès, budgets et approbations humaines. Là encore, source primaire = vendeur du produit. À traiter comme un vendor benchmark, pas comme une étude indépendante.

Mon positionnement : je considère les résultats plausibles — la topologie board partagé est cohérente avec la théorie et avec ce qu'on observe en pratique — mais j'attends une reproduction indépendante avant de citer 18,9x dans un deck. Le pattern qualitatif (topologie > modèle) est déjà actionnable. Le chiffre exact, non.


Comment appliquer ça à vos propres essaims

Réponse directe : trois changements concrets, par ordre d'impact.

1. Remplacez le coordinateur routeur par un board de tâches. Un fichier markdown partagé, une base de données légère, ou un outil dédié — peu importe le support. Un thread par workload, chaque agent claim et publie. Le coordinateur n'arbitre que les conflits. Si votre coordinateur reçoit plus de ~5 messages directs par worker, votre topologie est déjà cassée.

2. Isolez les agents. Sans microVM ou conteneurs par agent, vos essaims se marchent dessus et vous ne saurez jamais quel gain vient de quoi. L'isolation n'est pas optionnelle, c'est la condition de la mesurabilité.

3. Mesurez l'inbox du coordinateur. C'est votre métrique de santé. Si elle croît linéairement avec le nombre d'agents, vous avez construit un bottleneck, pas un essaim. Replit a trouvé le sien en comparant 16 et 32 agents : score identique, inbox doublée. Vous pouvez faire le même test.

Pour le choix du modèle de travail, les essaims Opus/Sonnet de Replit suggèrent que les modèles Anthropic gèrent mieux la discipline de coordination — mais avec 6 modèles testés et des résultats qui varient selon la topologie, prudence. Notre comparatif Claude vs ChatGPT et notre guide des meilleurs LLM pour coder vous aideront à choisir selon votre workload. Et si vous voulez tester en local sans dépendre des API cloud, notre guide sur les agents IA open source avec Ollama couvre l'essentiel — même si, soyons honnêtes, les modèles locaux n'atteignent pas encore le niveau requis pour ce type de performance engineering.


❌ Erreurs courantes

Erreur 1 : choisir le modèle avant l'architecture

Ce qui ne va pas : la plupart des équipes passent des semaines à benchmarker des modèles, puis collent leur meilleur modèle dans une topologie coordinateur-routeur. Résultat : le meilleur agent solo devient un essaim médiocre, exactement comme GPT-6.2 Astra chez Replit.
La solution : décidez de la topologie d'abord (board partagé, isolation, découpage des workloads), puis benchmarkez les modèles dans cette topologie. Le rang solo n'est pas un prédicteur du rang en essaim.

Erreur 2 : croire que plus d'agents = plus de gains

Ce qui ne va pas : doubler de 16 à 32 agents sans changer la topologie, c'est payer deux fois plus pour le même résultat. Pire : avec une coordination routée, l'inbox du coordinateur explose (356 → 631 messages chez Sol) et le système régresse.
La solution : testez toujours deux tailles d'essaim avant de scaler. Si le gain ne suit pas, le problème est la topologie, pas la taille.

Erreur 3 : appliquer le multi-agents à des problèmes non parallélisables

Ce qui ne va pas : lancer un essaim sur un refactoring à forte dépendance (le cas Git de l'expérience) et s'étonner que 32 agents ne battent pas 1 agent.
La solution : évaluez la découpageabilité du travail avant de lancer. Des workloads indépendants ? Go. Des fichiers entremêlés ? Un agent solo bien prompté fera mieux, pour moins cher.

Erreur 4 : citer les chiffres vendor sans les qualifier

Ce qui ne va pas : reprendre « 18,9x » dans une présentation sans mentionner que c'est self-reported, sans reproduction indépendante, et que le « up to » masque la dispersion.
La solution : citez toujours la source et le statut. « Self-reported par Replit, non reproduit » est une phrase de cinq mots qui vous protège d'un désastre de crédibilité.


❓ Questions fréquentes

Le 18,9x est-il vérifié indépendamment ?

Non. Tous les chiffres viennent de Replit, qui vend le produit concerné. La méthodologie publiée est sérieuse (réseau désactivé, audit post-exécution, microVM isolées), mais aucune reproduction indépendante n'existe à ce jour. Le pattern qualitatif — la topologie détermine le gain — est cohérent avec la littérature et la théorie. Le chiffre exact, attendez une reproduction.

Pourquoi les essaims GPT-6.2 Astra se dégradent-ils alors que c'est le meilleur agent solo ?

Parce que ses workers communiquent massivement via le coordinateur (~20-22 messages directs par worker, contre ~1,4 pour Opus). À 32 agents, l'inbox du coordinateur explose et devient le bottleneck. Le comportement de communication est une propriété du modèle ou du harness, pas de l'intelligence brute du modèle.

Est-ce que ça marche sur n'importe quel codebase ?

Non. NumPy (13 workloads indépendants) se prête au parallélisme ; Git (7 workloads dans 15 fichiers) résiste aux essaims, qui peinent à battre le solo. La découpageabilité du travail est une condition préalable. Si vous ne pouvez pas découper le travail à la main, l'essaim ne le fera pas pour vous.

Quel est le coût réel d'un essaim de 32 agents ?

Replit ne le publie pas, c'est l'une des critiques principales. 32 agents Opus 5.5 pendant 2 heures représentent un budget API significatif. Le rapport gain/coût à 32 agents vs 8 agents est inconnu — et c'est probablement là que se cache la vraie question économique.

Faut-il abandonner le pattern coordinateur-routeur ?

Pas totalement, mais il faut le borner. Un coordinateur qui arbitre les conflits et valide les résultats reste utile. Un coordinateur qui route toute l'information est un anti-pattern au-delà de 8 agents. La règle empirique de Replit : les essaims gagnants envoient 82 % des messages au board, pas au coordinateur.


✅ Conclusion

La leçon de Replit n'est pas « 32 agents rendent NumPy 18,9x plus rapide » — c'est « l'architecture de votre essaim décide du gain avant même que le modèle ne soit choisi ». Le meilleur agent solo du marché se dégrade en équipe si vous le câblez mal ; un agent moins bon s'envole si vous lui donnez un board partagé et des workloads découplés. Commencez par la topologie, mesurez l'inbox de votre coordinateur, et attendez la reproduction indépendante avant de citer les chiffres. Pour aller plus loin sur le choix des modèles qui composent vos essaims, consultez notre guide des meilleurs LLM pour les agents IA.