Accueil › Perplexity Computer › Sub-agents

Sub-agents de Perplexity Computer : fonctionnement, routage et exécution parallèle

Les sub-agents sont le mécanisme central de Perplexity Computer. Quand vous décrivez un objectif, l’orchestrateur (Opus 4.6) le décompose en sous-tâches et crée un sub-agent spécialisé pour chacune. Chaque sub-agent utilise le modèle IA le plus adapté, travaille en parallèle dans un sandbox isolé, et peut lui-même créer des sub-agents pour résoudre les problèmes qu’il rencontre.

Architecture des sub-agents

Le système de sub-agents est ce qui distingue Perplexity Computer d’un chatbot classique ou même d’un agent IA simple. Au lieu de traiter une requête de manière linéaire (question → réponse), Computer fonctionne comme une équipe de spécialistes coordonnés.

Le meta-router

Quand vous soumettez un objectif, l’orchestrateur (Opus 4.6) ne l’envoie pas directement à un modèle. Un meta-router analyse la requête en quelques millisecondes et effectue trois opérations :

Classification de tâche : le système détermine si la requête nécessite de la recherche web, de l’analyse documentaire, de la génération de code, du raisonnement mathématique, de la rédaction créative, ou une combinaison de ces compétences.

Sélection de modèle : pour chaque sous-tâche classifiée, le meta-router sélectionne le modèle le plus performant selon les benchmarks internes de Perplexity. Gemini pour la recherche approfondie, GPT-5.2 pour le contexte long, Grok pour la vitesse, Opus 4.6 pour le raisonnement complexe et le code.

Synthèse des résultats : quand une requête complexe mobilise plusieurs sub-agents, l’orchestrateur combine leurs sorties en un résultat cohérent, gère les dépendances entre sous-tâches, et s’assure que le livrable final correspond à l’objectif initial.

Le cycle de vie d’un sub-agent

Chaque sub-agent suit un cycle de vie en quatre phases :

1. Création. L’orchestrateur crée le sub-agent, lui assigne un modèle IA, une tâche précise, et un contexte (données des autres sub-agents, fichiers de référence, résultats intermédiaires).

2. Exécution. Le sub-agent travaille dans son sandbox isolé. Il peut accéder au système de fichiers, au navigateur, aux connecteurs autorisés, et exécuter du code. L’exécution est asynchrone : le sub-agent travaille en arrière-plan sans bloquer les autres.

3. Résolution d’erreurs. Si le sub-agent rencontre un obstacle (donnée manquante, erreur de connecteur, ambiguïté dans la tâche), il peut créer ses propres sub-agents pour résoudre le problème. Un sub-agent de recherche qui ne trouve pas une information peut créer un sub-agent secondaire pour chercher des sources alternatives, ou un sub-agent de code pour extraire l’information d’un format non standard.

4. Livraison. Le sub-agent remet son résultat à l’orchestrateur, qui l’intègre dans le workflow global. Si le résultat est un prérequis pour un autre sub-agent (ex. : les données de recherche sont nécessaires pour rédiger un rapport), l’orchestrateur débloque la tâche suivante automatiquement.

Types de sub-agents

Computer crée différents types de sub-agents selon la nature des sous-tâches :

Exécution parallèle : la force multiplicatrice

L’exécution parallèle est l’avantage opérationnel principal des sub-agents. Quand une tâche peut être décomposée en sous-tâches indépendantes, Computer les exécute simultanément au lieu de les traiter séquentiellement.

Exemple concret : analyse de 100 couvertures de livres

Un utilisateur a demandé à Computer d’analyser les couvertures des 100 meilleurs livres business des deux dernières années pour en extraire des tendances de design. Computer a compilé le classement, récupéré les images, puis créé 4 sub-agents parallèles, chacun responsable de l’analyse de 25 couvertures. Résultat : une tâche qui aurait pris environ une heure en séquentiel a été complétée en 10 minutes.

Exemple : recherche concurrentielle parallèle

Demandez à Computer d’analyser 10 concurrents. Au lieu de les traiter un par un, l’orchestrateur crée 10 sub-agents de recherche simultanés, chacun collectant les données d’un concurrent. Un 11e sub-agent de synthèse attend que les 10 premiers aient terminé, puis compile les résultats dans un tableau comparatif. La gestion des dépendances est automatique : le sub-agent de synthèse est mis en file d’attente jusqu’à ce que les données prérequises soient disponibles.

Instances Computer parallèles

Au-delà du parallélisme interne (sub-agents au sein d’une même tâche), vous pouvez lancer plusieurs instances de Computer simultanément. Chaque instance fonctionne indépendamment avec son propre ensemble de sub-agents. C’est utile pour du A/B testing de prompts, le traitement de projets distincts en parallèle, ou la gestion de plusieurs flux de monitoring.

Exemple : pipeline CRM → recherche → présentation

Un commercial demande à Computer de préparer un pitch deck pour un prospect. L’orchestrateur crée trois sub-agents parallèles : un sub-agent connecteur récupère les données du compte dans Salesforce (historique, pipeline, contacts clés). Un sub-agent de recherche web collecte les actualités récentes de l’entreprise prospect, sa santé financière et ses enjeux sectoriels. Un sub-agent d’analyse produit des recommandations d’angles d’approche. Une fois ces trois sub-agents terminés, un quatrième sub-agent de rédaction compile le tout dans une présentation structurée. Le temps total est dicté par le sub-agent le plus lent (généralement la recherche web), pas par la somme de toutes les étapes.

Gestion des dépendances entre sub-agents

Tous les sub-agents ne sont pas indépendants. Un sub-agent de rédaction a besoin des résultats du sub-agent de recherche. Un sub-agent de code a besoin des spécifications produites par le sub-agent d’analyse. L’orchestrateur gère ces dépendances automatiquement.

Le mécanisme est simple : si un sub-agent B dépend des résultats du sub-agent A, B est mis en file d’attente. Dès que A termine et livre ses résultats, B est débloqué et démarre avec les données de A en contexte. Cette gestion prévient un problème fréquent des systèmes multi-agents : un agent qui génère du contenu basé sur des données supposées plutôt que réelles, ce qui mène à des hallucinations.

En pratique, cela signifie que Computer peut gérer des workflows complexes avec des chaînes de dépendances multiples. Par exemple : recherche → analyse → rédaction du rapport → création de graphiques → compilation du document final → envoi par email. Chaque étape attend la précédente, mais les sous-tâches au sein d’une même étape (ex. : recherche de 5 sources différentes) s’exécutent en parallèle.

Résolution autonome des erreurs

L’aspect le plus impressionnant du système de sub-agents est sa capacité d’auto-correction. Quand un sub-agent échoue ou rencontre un obstacle, il ne se contente pas de signaler l’erreur : il crée un ou plusieurs sub-agents correctifs pour résoudre le problème.

Cas typiques de résolution autonome

Donnée manquante : un sub-agent de recherche ne trouve pas l’information nécessaire sur les sources habituelles. Il crée un sub-agent secondaire qui cherche sur des sources alternatives, ou reformule la requête avec des termes différents.

Clé API introuvable : un sub-agent qui doit appeler un service tiers ne trouve pas la clé d’authentification. Il crée un sub-agent qui cherche la clé dans les connecteurs configurés ou vous demande de la fournir.

Erreur de code : un sub-agent de code produit un script qui échoue. Il crée un sub-agent de débogage qui analyse l’erreur, corrige le code, et relance l’exécution.

Ambiguïté dans la tâche : si le sub-agent estime ne pas pouvoir avancer sans clarification, Computer vous contacte pour poser une question ciblée, puis reprend le travail avec votre réponse.

Skills et sub-agents

Les Skills (instructions réutilisables) interagissent directement avec le système de sub-agents. Quand vous créez un Skill (ex. : « brief-concurrent » avec une structure de rapport prédéfinie), vous définissez en réalité un template que l’orchestrateur utilise pour créer et coordonner les sub-agents.

Un Skill « brief-concurrent » pourrait déclencher automatiquement : un sub-agent de recherche (financement, Crunchbase), un sub-agent d’actualités (3 dernières annonces), un sub-agent d’analyse (forces/faiblesses), et un sub-agent de rédaction (compilation du brief). Le Skill encode la structure, les dépendances et le format de sortie, ce qui produit des résultats plus cohérents et plus économiques en crédits que de ré-expliquer le workflow à chaque fois.

Pour les équipes Enterprise, les Skills personnalisés sont un moyen de standardiser les workflows de sub-agents à travers l’organisation. Un Skill « due-diligence » crée toujours les mêmes types de sub-agents dans le même ordre, garantissant la reproductibilité des processus.

Model Council : sub-agents en confrontation

Model Council est une fonctionnalité spécifique qui utilise les sub-agents d’une manière inhabituelle. Au lieu de distribuer des sous-tâches différentes à différents modèles, Model Council fait tourner GPT-5.4, Claude Opus 4.6 et Gemini 3.1 Pro en parallèle sur la même question.

Trois sub-agents reçoivent exactement le même prompt et produisent chacun leur réponse. Un sub-agent de synthèse (l’orchestrateur) analyse ensuite les trois réponses pour identifier les points de convergence (où les trois modèles sont d’accord), les points de divergence (où ils divergent), et les contributions uniques de chaque modèle.

C’est un usage des sub-agents orienté vers la vérification plutôt que la productivité. Pour les décisions à enjeux élevés (investissement, stratégie, évaluation de risques), cette confrontation multi-modèles réduit le risque de biais lié à un seul modèle. Coût estimé : 150-300 crédits par utilisation, car trois modèles frontier tournent en parallèle.

Bonnes pratiques pour travailler avec les sub-agents

Formulez des objectifs décomposables. Plus votre objectif est naturellement divisible en sous-tâches indépendantes, plus Computer parallélise efficacement. « Analyse les 5 concurrents sur ces 3 critères » est meilleur que « Fais une analyse concurrentielle globale ».

Spécifiez les dépendances si nécessaire. Si l’ordre des étapes est important, indiquez-le : « D’abord, collecte les données. Ensuite, analyse-les. Enfin, rédige le rapport. » Computer détecte souvent les dépendances automatiquement, mais l’expliciter réduit le risque d’exécution prématurée.

Choisissez le modèle quand c’est pertinent. Le routage automatique est bon dans la majorité des cas, mais si vous savez qu’une sous-tâche spécifique nécessite un modèle particulier (Opus 4.6 pour du code complexe, Grok pour la vitesse), spécifiez-le dans votre prompt. Cela réduit le temps de classification du meta-router et garantit le bon choix.

Créez des Skills pour les workflows récurrents. Chaque fois que vous lancez un workflow similaire plus de deux fois, créez un Skill. Le Skill encode la structure de sub-agents optimale et élimine le coût d’interprétation du prompt à chaque exécution.

Surveillez les boucles de résolution. Si les crédits diminuent rapidement sans progrès visible, un sub-agent est probablement bloqué dans une boucle de correction. Interrompez la tâche, diagnostiquez manuellement, puis relancez avec un prompt corrigé.

Verdict

Les sub-agents sont le mécanisme qui transforme Computer d’un outil de chat en un système d’exécution autonome. La décomposition automatique, le routage multi-modèles, l’exécution parallèle et la résolution autonome d’erreurs créent un paradigme de travail radicalement différent du prompt-réponse classique.

La puissance des sub-agents est réelle : des tâches qui prenaient des heures manuellement sont complétées en minutes grâce au parallélisme. Mais cette puissance a un coût, à la fois en crédits (chaque sub-agent consomme des ressources) et en prévisibilité (les boucles de résolution peuvent être coûteuses). La clé est de comprendre le mécanisme pour formuler des prompts qui exploitent le parallélisme tout en limitant les créations de sub-agents inutiles.

Pour aller plus loin : consultez le guide complet de Computer pour l’architecture globale, la page 19 modèles pour comprendre quel modèle est assigné à quel type de tâche, et la page workflows pour des exemples concrets avec prompts.