Le 9 octobre 2026, Anthropic a ouvert en beta publique les dynamic workflows dans Claude Managed Agents. Il s'agit d'une nouvelle forme d'orchestration multi-agents où un agent « lead » décompose une tâche complexe en plan d'exécution, puis distribue les étapes à un ensemble d'agents spécialisés qui travaillent en parallèle avant de consolider les résultats. La limite annoncée est de 1 000 agents par run, avec une concurrence de 64 agents simultanés.
La caractéristique technique centrale est la gestion du contexte : dans les architectures multi-agents classiques, les résultats intermédiaires s'accumulent dans le contexte de l'agent coordinateur, limitant vite la taille des tâches traitables. Les dynamic workflows d'Anthropic déplacent ces résultats entre agents sans passer par le contexte de l'agent lead, ce qui permet à un workflow de croître en taille sans dépasser les limites de fenêtre de contexte.
Pour en mesurer concrètement la différence, Anthropic a présenté un test interne : sur une codebase contenant 70 bugs plantés délibérément, un seul agent en trouve entre 14 et 27. Un workflow de dynamic agents en trouve 66 sur chaque run. Ce résultat est auto-rapporté par Anthropic et n'a pas été vérifié de manière indépendante — mais le différentiel oriente la réflexion sur les cas d'usage adaptés.
Comment fonctionnent les dynamic workflows
Le mécanisme repose sur trois rôles distincts : l'agent lead, les sous-agents, et le système d'orchestration géré par Anthropic.
L'agent lead écrit le plan
Quand vous soumettez une tâche à un workflow, l'agent lead l'analyse et génère un plan d'exécution structuré : quelles étapes, dans quel ordre, avec quels outils, et quels agents les exécutent. Ce plan est exprimé sous forme de code d'orchestration, pas comme du texte libre. Cette distinction est importante : le plan est déterministe et vérifiable, contrairement aux instructions en langage naturel qui laissent une plus grande part d'interprétation.
Les sous-agents exécutent en parallèle
Chaque étape du plan est confiée à un sous-agent indépendant qui dispose de son propre contexte, de ses propres outils et de sa propre limite de tokens. Les sous-agents travaillent en parallèle, jusqu'à 64 simultanément. Quand une étape dépend des résultats d'une étape précédente, l'orchestrateur attend la complétion avant de lancer les étapes suivantes.
Le contexte ne s'accumule pas dans l'agent lead
C'est le point technique différenciant. Dans les architectures précédentes, chaque résultat intermédiaire était renvoyé dans le contexte de l'agent coordinateur, qui finissait par atteindre sa limite de tokens sur des tâches longues. Dans les dynamic workflows, le transfert de résultats entre agents se fait en dehors du contexte de l'agent lead, via les mécanismes d'orchestration gérés par Anthropic. L'agent lead conserve un contexte propre et peut coordonner des runs beaucoup plus longs. Pour comprendre l'architecture de base des Managed Agents avec isolation d'exécution, voir notre article sur les sandboxes et Managed Agents.
Le test de référence : 66 bugs sur 70
Anthropic a présenté un test interne pour illustrer le gain de capacité des dynamic workflows sur les agents solo.
Contexte du test : une codebase contenant 70 bugs plantés délibérément par l'équipe Anthropic. Trois configurations ont été évaluées :
- Agent solo : 14 à 27 bugs trouvés selon les runs, avec une variabilité notable d'un run à l'autre.
- Dynamic workflow : 66 bugs trouvés à chaque run, avec une consistance bien meilleure.
Ce résultat est auto-rapporté par Anthropic et n'a pas été reproduit de manière indépendante. Il doit être interprété avec les précautions habituelles pour les benchmarks publiés par un fournisseur sur son propre produit. Ce qu'il illustre néanmoins de manière crédible est la nature du problème que les dynamic workflows résolvent : un agent solo est limité dans sa capacité d'exploration parallèle, là où un workflow peut distribuer les vérifications sur l'ensemble de la codebase en parallèle, sans contrainte de contexte.
L'aspect de consistance mérite une attention particulière. Le fait que le workflow trouve 66 bugs à chaque run là où l'agent solo oscille entre 14 et 27 suggère que la parallélisation réduit la variance — ce qui est souvent aussi important que la performance brute dans un contexte de production où la prévisibilité compte. Pour concevoir ce type d'architecture sur vos projets, voir notre approche du développement sur mesure.
Configuration et activation
L'accès aux dynamic workflows nécessite deux paramètres spécifiques dans vos appels à l'API Claude Managed Agents.
Type multiagent
Le type d'agent doit être défini à multiagent_20261001. Avec ce type, les deux modes d'orchestration — workflows et sous-agents — sont activés par défaut. C'est un changement de comportement significatif par rapport aux types précédents, qui ne permettaient qu'une orchestration plus simple.
Header beta
L'accès à l'ensemble des fonctionnalités Managed Agents requiert le header beta managed-agents-2026-04-01. Ce header doit être inclus dans les requêtes HTTP vers l'API Anthropic pour activer les fonctionnalités en beta.
Précaution au démarrage
Anthropic recommande explicitement de commencer par des tâches de périmètre limité. Les dynamic workflows sont puissants et peuvent consommer un volume de tokens considérable sur des tâches larges — chaque sous-agent consomme des tokens indépendamment, et un workflow de 1 000 agents sur une tâche complexe peut engager des coûts significatifs en quelques minutes si le périmètre n'est pas bien défini. Définissez une limite de tokens maximale par workflow et testez sur des petits périmètres avant de scaler.
Status beta
Le produit Managed Agents reste en beta au sens Anthropic, ce qui signifie que les interfaces, les comportements et les tarifs peuvent évoluer sans préavis. Ne construisez pas de workflows de production critiques sur cette fonctionnalité sans anticiper des changements possibles dans les prochains mois.
Coûts et limites à anticiper
Avant de déployer des dynamic workflows, évaluez précisément le modèle de coût.
Facturation à l'usage des tokens
Chaque sous-agent dans un workflow est facturé aux tarifs normaux du modèle utilisé — par million de tokens en entrée et en sortie. Un workflow utilisant 50 sous-agents chacun consommant 10 000 tokens représente 500 000 tokens d'inférence pour la seule étape de sous-agents. Sur des runs fréquents, les coûts s'accumulent rapidement. Une source non confirmée par Anthropic mentionne également une facturation additionnelle de 0,08 dollar par heure de session — vérifiez la page de tarification officielle Anthropic avant de budgétiser.
Concurrence et limites de rate
La concurrence maximale est annoncée à 64 agents simultanés, mais Anthropic précise que ce chiffre peut changer. Vos appels API sont également soumis aux limites de rate de votre plan Anthropic. Sur des workflows larges, vous pouvez atteindre ces limites plus vite que prévu si vous planifiez vos agents en parallèle sans gérer les backoffs.
Limites de la beta
Étant en beta publique, les dynamic workflows peuvent présenter des comportements inattendus, des bugs et des interruptions de service. Ne les utilisez pas pour des tâches critiques sans circuit de fallback. Prévoyez toujours un mécanisme de supervision humaine pour les résultats des workflows avant de les envoyer en production. L'architecture pérenne pour les agents IA — découplage modèle/logique, évals de non-régression — reste valable ici ; voir notre article sur les agents IA pérennes sur 2 à 5 ans. Pour cadrer votre projet, contactez notre équipe.
Cas d'usage concrets en entreprise
Les dynamic workflows ouvrent des capacités réelles sur des tâches qui dépassaient jusqu'ici les limites d'un agent solo. Voici les catégories d'usage les plus pertinentes pour les PME et ETI.
Audit de codebase à grande échelle
C'est le cas d'usage démontré par Anthropic : analyser une codebase entière pour des bugs, des anti-patterns de sécurité ou des non-conformités de style. Un agent solo ne peut traiter qu'une fraction de la base en une passe ; un workflow peut distribuer l'analyse sur l'ensemble de la codebase en parallèle, avec une consistance bien supérieure. Pertinent pour les équipes qui font des audits avant une mise en production ou une cession.
Migration de codebase
Migrer un framework (Vue 2 vers Vue 3, Python 2 vers Python 3, refactoring de dépendances) sur une base de code de plusieurs milliers de fichiers. Un workflow peut traiter les fichiers en parallèle, identifier les dépendances inter-fichiers et générer les modifications de manière cohérente à l'échelle de la base entière.
Analyse documentaire multi-source
Analyser un corpus de documents (contrats, rapports, données structurées) en distribuant les documents entre sous-agents spécialisés, puis en consolidant les résultats. Applicable pour les équipes juridiques, les audits de conformité, ou les fonctions achat qui traitent de gros volumes de documents.
Tests de régression automatisés
Générer et exécuter des suites de tests sur l'ensemble d'une codebase en parallèle, en distribuant les modules entre sous-agents. La consistance des résultats documentée par Anthropic rend cela intéressant pour les pipelines CI/CD qui veulent une couverture plus complète à coût inferential acceptable.
FAQ — Claude Managed Agents passe en beta publique : dynamic workflows pour 1 000 agents coordonnés, 66 bugs sur 70 trouvés — promesses et points de vigilance
Quelle est la différence entre les dynamic workflows et les subagents classiques de Managed Agents ?
Les subagents classiques permettent à un agent de déléguer des tâches individuelles à d'autres agents, mais les résultats transitent par le contexte de l'agent coordinateur. Les dynamic workflows ajoutent une couche de planification structurée (le lead agent génère un plan d'exécution en code) et un mécanisme de transfert de résultats qui contourne le contexte du lead agent. Cela permet des workflows de taille bien supérieure, jusqu'à 1 000 agents, sans saturer la fenêtre de contexte.
Les dynamic workflows fonctionnent-ils avec tous les modèles Claude ou seulement certains ?
La documentation Anthropic ne restreint pas les dynamic workflows à un modèle spécifique, mais les managed agents fonctionnent avec les modèles Claude disponibles dans l'API Managed Agents. En pratique, les modèles avec une grande fenêtre de contexte et de bonnes capacités d'instruction-following (Sonnet, Opus) sont les plus adaptés pour l'agent lead. Vérifiez la documentation officielle Anthropic pour les modèles compatibles au moment de votre déploiement.
Comment contrôler les coûts d'un workflow avec potentiellement 1 000 agents ?
Définissez toujours un budget maximal en tokens avant de lancer un workflow. Testez sur un périmètre réduit avant de scaler. Utilisez un outil d'observabilité LLM (Langfuse, Helicone) pour surveiller la consommation en temps réel. Anthropic recommande aussi de commencer par des tâches de périmètre limité, car un workflow mal dimensionné peut consommer des millions de tokens en quelques minutes.
Est-il raisonnable de mettre des dynamic workflows en production dès maintenant ?
Pour des tâches non critiques où une erreur peut être détectée et corrigée par un humain, oui — avec les précautions habituelles : supervision humaine des résultats, budget tokens plafonné, mécanisme de fallback. Pour des workflows directement connectés à des actions irréversibles en production (envoi d'emails, modification de bases de données), attendez la sortie de version stable hors beta. Le statut beta implique des changements possibles d'interface et de comportement sans préavis.
Quelle est la différence entre les dynamic workflows de Managed Agents et les dynamic workflows de Claude Code ?
Claude Code (l'outil CLI d'Anthropic pour les développeurs) a ses propres dynamic workflows, annoncés comme généralement disponibles. Les dynamic workflows de Managed Agents sont l'équivalent pour l'API Managed Agents, accessible via code dans vos applications. Les deux fonctionnent sur le même principe de lead agent et sous-agents, mais s'adressent à des contextes d'usage différents : Claude Code pour les développeurs en ligne de commande, Managed Agents pour les intégrations programmatiques dans vos applications.