Le chat de groupe est la nouvelle frontière pour les agents d'IA

Depuis deux ans, interagir avec un modèle d'IA était largement une affaire privée : vous tapez, il répond, la conversation se termine. Ce schéma est désormais remis en question par une vague de produits qui intègrent directement des agents dans des chats de groupe, ces canaux désordonnés et à fort trafic où se déroule le vrai travail dans les entreprises.

AgentTeams d'Alibaba Cloud, dévoilé au 520 Alibaba Cloud Summit, et Claude Tag d'Anthropic, publié pour Slack, permettent tous deux à plusieurs humains et plusieurs agents de coexister dans la même salle de discussion. La similitude de surface, des agents dans un groupe, masque un profond clivage philosophique sur la manière dont ces systèmes devraient être gouvernés et à quoi ils servent.

Deux philosophies pour la même salle

Claude Tag adopte une approche directe : un modèle puissant siège dans un canal Slack, écoute la conversation et répond lorsqu'il est mentionné via @. Le blog d'Anthropic définit quatre caractéristiques des chats de groupe avec agents, la persistance, le contexte partagé, les tâches asynchrones et la topologie plate, mais garde la charge du modèle faible. L'agent réfléchit ; Slack fournit la topologie.

AgentTeams, en revanche, traite chaque chat comme une organisation miniature. Chaque agent et chaque humain possède une identité déclarative :

• Manager, humain, administrateur au niveau de la plateforme
• Team Leader, agent, orchestre les Workers
• Worker, agent, plus petite unité d'exécution
• Humain, avec trois niveaux de permission : L1 Admin, L2 Team Leader, L3 Worker

Chaque Worker détient des fichiers tels que SOUL.md, AGENT.md et MEMORY.md, une approche Kubernetes-pour-agents où tout est déclaré, planifié, audité et révocable.

Quand un seul agent ne suffit pas

La raison fondamentale des agents dans les chats de groupe est la même que celle pour laquelle les humains forment des équipes : l'attention limitée. La fenêtre de contexte d'un seul agent ne peut pas contenir un pipeline de développement logiciel d'une semaine couvrant l'analyse des exigences, le codage, les tests et la revue sans dégrader la qualité de son raisonnement.

Le pipeline AgentLoop d'Alibaba Cloud, construit sur AgentTeams, décompose le codage de bout en bout en cinq Workers gérant la Classification des exigences, le Codage, les Tests, la Revue et la Vérification. Chaque Worker maintient son propre contexte propre ; un Team Leader orchestre les transferts et reprend à partir de points de contrôle en cas d'échec. Le résultat est un système qui reflète le fonctionnement d'une équipe de développement humaine, et qui peut fonctionner pendant des heures ou des jours sans s'effondrer.

Anthropic rapporte que 65 % des pull requests de sa propre équipe produit passent désormais par Claude Tag. Dans les deux cas, le bénéfice marginal du contexte partagé et des tâches asynchrones a dépassé la complexité ajoutée.

Le fossé de gouvernance

Les agents de chat individuels empruntent les identifiants de l'utilisateur pour chaque appel. Dans un chat de groupe, ce modèle se brise : lorsque dix personnes mentionnent @ le même agent simultanément, quel jeton est utilisé ? Et quand une tâche s'étend sur des heures et que la session du demandeur initial expire, qui la reprend ?

AgentTeams résout ce problème au niveau de la couche d'infrastructure via la Higress AI Gateway. Les Workers ne touchent jamais aux identifiants réels ; ils détiennent des Consumer Tokens révocables, et la passerelle échange les clés API réelles, les PAT GitHub et les identifiants MCP pour chaque appel sortant. Un Worker compromis ne livre rien de plus qu'un jeton à usage unique.

Claude Tag utilise un modèle de permission au niveau du canal : les règles du canal définissent ce à quoi l'agent peut accéder, indépendamment de qui l'a mentionné @. Un agent d'un canal RH ne peut pas lire les données d'ingénierie, même si un ingénieur le mentionne @ depuis le canal RH.

Les deux approches reconnaissent que le chat de groupe fait passer le problème de la planification (chat unique) à la gouvernance (chat de groupe). La différence est qu'AgentTeams le traite comme un problème de plan de contrôle inspiré de Kubernetes, tandis qu'Anthropic le traite comme une extension d'interface utilisateur du modèle existant de threads et de canaux de Slack.

La mémoire comme un actif organisationnel

La mémoire d'un chat individuel est jetable : fermez la fenêtre, perdez le contexte. La mémoire d'un chat de groupe est un actif organisationnel ; les nouveaux arrivants rejoignent le canal et peuvent interroger l'agent sur les décisions passées, les choix techniques ou les étapes d'intégration.

Le cadre mémoire ReMe d'AgentTeams structure cela en trois couches :

1. Court terme, flux conversationnels, écrits dans des fichiers de session, non utilisés directement dans le rappel en ligne.
2. Long terme, résumés structurés de faits personnels, procédures et nœuds de connaissances, indexés via BM25 ou embedding pour une utilisation en entreprise.
3. Dream, un cron job nocturne qui distille, corrige, déduplique et fusionne les faits à court terme de la journée dans le stockage à long terme, puis génère un 'rapport de réveil' pour l'administrateur d'équipe.

Cela reflète la manière dont les organisations apprennent réellement : par distillation itérative des conversations en connaissances durables, et non en déversant des journaux de chat bruts dans une base de données vectorielle.

Trois scénarios où le chat de groupe bat le chat individuel

L'analyse d'Alibaba Cloud identifie trois conditions sous lesquelles le chat de groupe devient le mode supérieur :

• Collaboration inter-domaines, lorsqu'une tâche couvre l'analyse des exigences, le codage et les tests, la diviser entre des agents spécialisés maintient chaque contexte propre.
• Workflows de longue durée, un pipeline de release qui s'exécute pendant des heures ou des jours dilue l'attention d'un seul agent ; plusieurs agents préservent les états intermédiaires et reprennent à partir de points de contrôle.
• Plusieurs frontières de confiance, lorsque différentes équipes ont besoin de différents niveaux d'accès aux données, outils et coûts, un seul agent ne peut pas agir au nom de plusieurs identités organisationnelles.

Aucun de ces cas ne peut être traité efficacement par une session de chat individuelle.

Pas un remplacement, mais une extension

Les agents de chat de groupe ne remplaceront pas les interactions individuelles, les équipes derrière les deux systèmes le reconnaissent. Pour la génération rapide de code, la récupération de documents ou la création d'images, un chat unique reste moins cher et plus rapide. Mais pour les 70 % de la collaboration en entreprise qui se déroule déjà dans les chats de groupe des messageries instantanées, le changement de paradigme est réel.

Les deux approches, celle d'Anthropic avec un seul modèle puissant et celle d'Alibaba avec un plan de contrôle multi-agents de style K8s, ne sont pas mutuellement exclusives. Elles pourraient converger à mesure que l'industrie apprend quels problèmes chacune résout le mieux. Ce qui importe, c'est que le chat de groupe est devenu plus qu'une fonctionnalité : c'est désormais un banc d'essai pour la manière dont l'IA sera gouvernée au sein des organisations.