Gérer plusieurs agents IA en parallèle : comment Fleet structure l'exécution

L'essor des agents de code IA ne se limite pas à la puissance des modèles. Tout repose sur la coordination. Un développeur a constaté qu'il pouvait lancer plus de cinquante sessions Claude Code en même temps. La question est devenue évidente : comment éviter le désordre ?

Fleet répond à ce besoin. C'est un superviseur Python qui permet d'exécuter plusieurs agents de façon organisée.

Les limites d'une approche naïve

Lancer plusieurs assistants IA en même temps pose rapidement des problèmes. Comment répartir les tâches ? Comment éviter les conflits entre agents ? Comment suivre la consommation de tokens quand plusieurs sessions tournent en parallèle ?

Créer des sessions Claude dans des dossiers séparés ne suffit pas. Il faut un système centralisé qui connaît les dépendances, les priorités et l'état du code.

L'architecture de Fleet : une approche centralisée

Fleet repose sur trois choix simples.

1. Une file unique pour tout gérer

Fleet utilise une base beads stockée dans ~/.fleet. Cette base est sauvegardée avec Git. Quand vous créez une tâche avec fleet bd create, Fleet enregistre à la fois la description et le dossier concerné. Chaque agent démarre ensuite dans le bon contexte.

Ce point central permet aux agents de prendre des tâches, de travailler indépendamment et de transmettre leurs résultats sans créer de conflits.

2. Le support de plusieurs agents

Fleet n'est pas limité à un seul modèle. Il prend en charge Claude, Agy et Codex. Ajouter un nouvel agent demande seulement quelques minutes. Cette flexibilité permet d'adapter le choix du modèle selon le type de tâche.

3. Le contrôle de la concurrence

Par défaut, Fleet limite l'exécution à trois sessions simultanées. Vous pouvez monter jusqu'à dix avec une simple commande de configuration. Fleet se charge de mettre les tâches en file d'attente et de respecter cette limite.

Les commandes essentielles

Fleet propose une interface en ligne de commande simple :

• fleet tasks affiche les tâches en cours et la consommation de tokens
• fleet task <id> log montre ce que l'agent a fait
• fleet task <id> plan révèle la stratégie suivie
• fleet config set permet d'ajuster les paramètres

Pas de tableau de bord complexe. Juste les informations utiles.

Les tokens restent la vraie contrainte

Même avec un bon outil, les tokens posent rapidement des limites. Les utilisateurs intensifs de Fleet ont dû combiner plusieurs comptes Claude et optimiser leurs fichiers de contexte. Certains fichiers étaient chargés en double, gaspillant des tokens sans raison. Ce nettoyage a eu plus d'impact que l'ajout d'agents supplémentaires.

Ce que Fleet change dans la pratique

Fleet transforme les agents IA en une équipe coordonnée. Vous écrivez des spécifications détaillées. Fleet répartit les sous-tâches. Chaque agent travaille sur ce qui le concerne, avec le bon contexte.

Cette approche rend possible l'expérimentation à grande échelle : tester deux agents sur la même tâche, comparer leurs résultats, ajuster la répartition.

Une implémentation volontairement simple

Le code initial de Fleet tenait dans une boucle bash. La version Python ajoute juste ce qu'il faut pour gérer les dépendances, les priorités et le cycle de vie des agents. L'outil n'est pas complexe. Ce qui reste difficile, c'est de décomposer correctement les tâches et de maîtriser la consommation de tokens.

En résumé

Fleet répond à une question précise : comment exécuter plusieurs agents de code sans perdre le contrôle. Il fournit l'exécution parallèle. Vous apportez la décomposition des tâches et la gestion des tokens. Si un seul agent ne suffit plus, Fleet mérite d'être testé.