Recherche

DeepSeek publie un prototype de super-agent : un routeur parle, des sessions exécutent

Le 31 octobre, l'équipe d'outillage de DeepSeek a mis en ligne dsh-superagent-prototype sous licence MIT. Un routeur tient la conversation, des workers isolés font le travail. Le README précise qu'il s'agit d'un prototype de recherche, pas d'un produit.

Julien MartinJulien Martin
Popularité : 1,900
DeepSeek publie un prototype de super-agent : un routeur parle, des sessions exécutent

DeepSeek a mis en ligne le 31 octobre un prototype d'agent de programmation qui ne cherche pas à impressionner par ses scores. Le dépôt, sous licence MIT, sépare une couche qui parle aux humains et des sessions qui font le travail. Son README répète une chose que les gros titres ont laissée de côté : ce n'est pas un produit.

Ce que contient le dépôt dsh-superagent-prototype

Le nom exact est dsh-superagent-prototype. Le projet vient de l'équipe d'outillage de DeepSeek. Cette équipe construit les outils qui entourent les modèles, pas les modèles eux-mêmes. La licence MIT autorise la réutilisation et la modification, y compris commerciales, à condition de garder la mention de copyright.

Le dépôt arrive avec un article d'architecture, « Exploring Super-agent Design: Towards a More Autonomous Agent System ». Les deux documents ne décrivent pas tout à fait la même chose, et le README l'assume : le code publié a été adapté, et certaines idées de l'article restent des directions futures.

La cible est étroite. L'agent se veut proactif, au sens où il prend une demande en charge de bout en bout plutôt que de répondre tour par tour. Il travaille sur un seul dépôt GitHub à la fois. Il se distribue sous forme de bundle, un ensemble prêt à charger dans l'environnement de développement fourni par DeepSeek. Pas de plateforme hébergée, pas de compte à créer chez l'éditeur.

Un routeur qui parle, des workers qui exécutent

L'architecture tient en deux étages, et c'est là que se joue la différence avec un agent classique. En haut, un routeur permanent. Il répond à l'humain, garde le contexte d'ensemble du projet, décide qui s'occupe de quoi. Il ne code pas.

En bas, des sessions worker isolées. Chacune possède sa propre conversation et son propre répertoire de travail. Elles avancent en parallèle sur des tâches distinctes.

Cette séparation a un effet très concret. Un worker peut se tromper, s'enliser, saturer son contexte, sans contaminer les autres. Le routeur, lui, garde la vue large et arbitre.

Les workers disposent d'un droit supplémentaire, souvent oublié dans les résumés : ils peuvent s'abonner aux commentaires d'une pull request ouverte plus tard. Une revue de code qui tombe trois jours après le lancement de la tâche peut donc encore être lue, comprise et traitée dans la session qui a produit le code.

Le budget d'attention, principe de conception revendiqué

Le README énonce la règle en une phrase : occuper le moins possible l'attention humaine, produire le plus de valeur possible. Le reste du dispositif découle de cette phrase.

Un agent capable d'agir à la place de toute une équipe peut aussi gaspiller l'attention de toute une équipe. Une notification inutile coûte quelques secondes à dix personnes. Le prototype en tire une conséquence stricte : il n'agit que si on le lui demande, ou si les règles écrites par l'équipe l'autorisent.

Même logique pour la parole. Il ne s'adresse à un humain que dans deux cas : quand une décision ne peut pas être prise sans lui, ou quand un résultat est réellement utilisable tel quel.

Le panneau web suit cette idée. Il n'affiche pas des statistiques de productivité, il liste ce qui attend une personne.

Une tâche, du premier message à la pull request

Le déroulé ressemble à celui d'un collègue discret. L'agent écoute les événements GitHub. Il peut aussi se brancher sur Feishu, l'outil de collaboration de ByteDance, en option.

Quand une personne autorisée formule une demande, il crée un élément de travail qu'il exécute dans sa session, avec son propre contexte et son propre répertoire. Puis il revient dans la conversation d'origine pour répondre, le plus souvent avec une pull request à examiner.

Rien n'est publié en douce. Le résultat atterrit là où la demande a été faite, et la décision de fusionner reste humaine.

Un prototype de recherche, avec ses réserves écrites noir sur blanc

C'est la partie que les reprises de la nouvelle ont le plus souvent sautée. Le README qualifie l'objet de prototype de recherche, fourni à titre de référence. Il précise que ce n'est pas un produit officiel de DeepSeek et que ce n'est pas du logiciel de niveau production.

Le texte va plus loin. Il prévient que des bugs existent, que le style de code et les pratiques d'ingénierie peuvent être irréguliers d'un fichier à l'autre. Il indique aussi que le code a été adapté pour une publication publique, et qu'il diffère dans le détail de la version interne comme de l'implémentation décrite dans l'article d'architecture.

Traduction pratique : ne jugez pas DeepSeek sur ce dépôt, et ne comptez pas le déployer tel quel en entreprise.

L'installation passe par votre propre agent

Le dépôt ne fournit pas d'installeur classique. Il fournit un SETUP.md et neuf documents numérotés de 000 à 008, qui couvrent la philosophie, le modèle de domaine, l'autorisation, l'exécution, les prompts, le panneau, le déploiement, l'architecture, et un guide pour ajouter une source de données.

La mise en route est confiée à votre agent de programmation. Il suit le SETUP.md, pose une question courte à la fois, puis présente un plan complet avant d'agir.

Cette méthode a un côté agréable : elle évite le mur de configuration. Elle a aussi un revers. Vous déléguez la lecture des documents à une machine, et vous ne saurez pas forcément ce qui a été installé au final.

Ce que le prototype dit de la concurrence

Dans les heures qui ont suivi la publication, les discussions en anglais et en chinois ont surtout lu le dépôt comme une réponse architecturale à Claude Code et à Codex, deux agents de programmation fermés.

La lecture est plausible. Elle reste une interprétation de la communauté, pas une déclaration de DeepSeek.

Le point intéressant n'est pas un tableau de performances, absent du dépôt, mais le choix de séparer la conversation de l'exécution. La plupart des agents actuels empilent tout dans une session unique qui grossit jusqu'à devenir illisible. Ici, la session qui parle n'est pas celle qui transpire.

Ce qu'il faut regarder avant de cloner

Le dépôt s'adresse à des équipes qui ont déjà un agent de programmation en place et qui veulent tester une autre répartition du travail. Il ne remplace pas un outil grand public, et son README le dit sans détour.

Deux choses valent le détour, même sans installer quoi que ce soit. D'abord les neuf documents, qui décrivent un modèle d'autorisation et un cycle de vie de tâche rarement explicités. Ensuite le principe du budget d'attention, qui donne un critère simple pour juger n'importe quel agent : combien de fois par jour vous interrompt-il pour rien ?

La suite dépendra de ce que la communauté en fera, et de ce que DeepSeek publiera ensuite. Pour l'instant, il s'agit d'un plan de travail lisible, pas d'un produit fini.

Partager cet article

Sources

Actualités liées à l’IA

Des courbes en spirale concentriques traversées par une ligne verticale, avec des points lumineux alignés dessus
Recherche

Claude et la Riemann hypothesis : une preuve annoncée, pas encore acceptée

Levent Alpöge affirme avoir trouvé avec Claude une preuve de l'hypothèse de Riemann. Anthropic n'a rien annoncé, un Lean proof compile, et Stanford a publié un texte concurrent en quelques heures.

Popularité : 1,860
Une pile de nœuds d'agents reliés par un chemin vers une baie de serveurs, avec une serrure et une marque d'effraction sur la baie
Recherche

Un AI agent trouve une faille zero-day et prend un serveur universitaire en 11 minutes

Des agents pilotés par un opérateur humain ont enchaîné 148 actions ratées avant de trouver une faille inconnue dans MONAI Label. Le récit d'Amazon montre où s'arrête l'autonomie et où la main humaine reprend le contrôle.

Popularité : 1,520
Un entonnoir qui transporte de petits blocs de jetons d'un modèle à un autre, avec une plaque de protection qui bloque une partie du flux
Recherche

OpenAI ramène le vol de raisonnement de 54 % à 0,2 %

Dans une évaluation interne, récupérer le raisonnement protégé d'OpenAI passe d'un taux de réussite de 54 % à 0,2 % entre deux générations du modèle. La méthode est documentée. Les chiffres restent ceux de l'entreprise qui les publie.

Popularité : 1,420
Une grille de réseau cyan avec une case mise en évidence, à côté des mots Lattice Standard Model
Recherche

GPT-6 Astra fait un pas vers le Modèle Standard sur réseau

La note d'OpenAI du 15 novembre ne règle pas un problème ouvert depuis cinquante ans. Elle propose une définition candidate, avec une preuve, trois relecteurs et deux questions laissées ouvertes.

Popularité : 1,500