AutoGen en local : ce qui marche et ce qui casse
AutoGen construit des systèmes à partir d'agents qui se parlent entre eux. Branché sur un modèle local, il fonctionne — jusqu'à un point qui dépend presque entièrement de la taille du modèle et de la longueur de corde qu'on laisse à la conversation. En local, chaque tour de parole est une génération sur votre propre carte graphique : la discipline n'est pas dans le prompt, elle est dans les limites.
#Le modèle de conversation
Là où un cadriciel de chaînes demande de définir des étapes, AutoGen demande de définir des participants. Un agent assistant propose ; un agent mandataire vous représente, exécute éventuellement du code et renvoie le résultat ; une discussion de groupe fait intervenir plusieurs spécialistes sous un gestionnaire qui décide qui parle. Le comportement émerge de ces échanges.
C'est réellement puissant pour les tâches ouvertes — déboguer, itérer sur une analyse — et c'est exactement ce qui rend le coût imprévisible. Une chaîne fixe fait N appels au modèle. Une conversation en fait autant qu'il en faut, et « autant qu'il en faut » est décidé par le modèle dont vous doutez justement.
#Le brancher sur un modèle local
Ce guide t'amène au modèle. Le kit t'amène au copilote qui code dans ton éditeur.
- Espace en ligne à vie
- PDF + fichiers
- Remboursé 30 j
- 01Servir le modèle
- 02Configurer le client
- 03Déclarer honnêtement les capacités
- 04Augmenter la fenêtre de contexte
#L'exécution de code : à confiner
Le schéma qui rend AutoGen séduisant — un agent écrit du code, un mandataire l'exécute, l'erreur revient, l'agent corrige — est aussi celui qui fait tourner du code écrit par un modèle sur votre machine. On l'exécute dans un conteneur, sans identifiants, sans réseau si la tâche ne l'exige pas, jamais contre votre dossier personnel. Et tout contenu récupéré depuis l'extérieur — un ticket, une page web, un fichier de documentation — doit être considéré comme potentiellement hostile.
#La taille du modèle, encore
| Classe de modèle | Comportement |
|---|---|
| 3 à 8 milliards | Messages fluides, appels d'outils peu fiables, aucune discipline d'arrêt. Boucle. |
| 12 à 14 milliards | Les échanges à deux agents aux rôles nets fonctionnent ; les discussions de groupe divaguent. |
| 24 à 32 milliards | Le plancher praticable pour les discussions de groupe et les boucles d'exécution de code. |
| 70 milliards et plus | Comportement le plus proche du cloud, assez lent pour que les longues conversations deviennent du traitement par lots. |
Préférez des modèles entraînés à l'appel d'outils et à la sortie structurée. C'est le même plafond que rencontrent tous les cadriciels d'agents locaux : la prose est facile, les formats stricts ne le sont pas.
- CrewAI : des rôles et des livrables ordonnés
- Architecture d'un agent local
- L'appel d'outils avec Ollama
#AutoGen ou CrewAI
| Vous voulez | Prenez |
|---|---|
| Des rôles définis, des passages de relais ordonnés, un coût prévisible | CrewAI |
| Une conversation ouverte, de l'itération, des boucles corriger-réessayer | AutoGen |
| Un graphe explicite avec un état que vous contrôlez | Un cadriciel orienté graphe |
| Un seul agent qui modifie un dépôt | Un agent de code dédié |
#FAQ
AutoGen fonctionne-t-il avec Ollama ?+
Pourquoi mes agents parlent-ils sans fin ?+
Est-il prudent de laisser un agent exécuter du code ?+
Quel est le plus petit modèle utilisable ?+
AutoGen ou CrewAI ?+
Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.