Frameworks d'agents IA : comparatif d'après leur doc

Un framework d'agents vous évite d'écrire vous-même la boucle, la gestion de l'état, les reprises et les traces. Les six présentés ici n'ont pas la même ambition : LangGraph orchestre des graphes à bas niveau, CrewAI organise des équipes d'agents, le Claude Agent SDK fournit la boucle complète de Claude Code, l'OpenAI Agents SDK mise sur peu d'abstractions, Microsoft Agent Framework réunit AutoGen et Semantic Kernel, et AutoGen est désormais archivé.

Ce site est édité par IArche, qui édite ALMA, la plateforme IA pour PME d'IArche. Ce comparatif n'est pas un classement : il résume ce que dit la documentation de chaque projet, lue le 15/11/2026.

Avant de choisir : faut-il un framework ?

Dans « Building effective agents », Anthropic reconnaît que les frameworks simplifient la mise en route, mais prévient que leurs couches d'abstraction « peuvent masquer les messages et les réponses sous-jacents » et rendre le débogage plus difficile. Le conseil : commencer par appeler directement les interfaces de programmation (API) des modèles, et comprendre le code sous-jacent si l'on adopte un framework. La boucle de base tient en quelques dizaines de lignes ; voyez function calling.

Le tableau d'ensemble

LangGraph

LangGraph décrit les traitements sous forme de graphe : un état partagé, des nœuds, des arêtes, qui mêlent étapes déterministes et étapes confiées au modèle. Sa documentation précise qu'il « ne prescrit ni les prompts ni l'architecture de l'agent ». Ses fonctions phares : sauvegarder l'état pour reprendre après une panne ou une pause, suspendre l'exécution pour qu'un humain inspecte ou modifie l'état, et une mémoire de fil de discussion complétée par une mémoire entre sessions. Pour une boucle d'agent de plus haut niveau, la documentation renvoie vers les agents LangChain ou Deep Agents ; LangGraph convient quand on veut un contrôle explicite de l'état et du flux. Voyez un exemple de suspension dans humain dans la boucle.

CrewAI

CrewAI combine deux notions. Les Flows forment la structure de l'application : état, déclencheurs, conditions, boucles. Les Crews sont des équipes d'agents autonomes, chacun avec un rôle, des objectifs et des outils, à qui un Flow délègue une tâche complexe. Le principe affiché : partir d'un Flow, et n'employer une Crew que pour l'étape qui demande de l'autonomie.

Claude Agent SDK

Le kit de développement (SDK) d'agents d'Anthropic donne accès, en Python et en TypeScript, aux mêmes outils, à la même boucle et à la même gestion du contexte que Claude Code. Il se distingue du SDK client, avec lequel vous écrivez vous-même la boucle (ou la confiez au « tool runner »), et de Managed Agents, où Anthropic héberge l'agent. Sa documentation note qu'Anthropic n'autorise pas, sauf accord préalable, les produits tiers construits dessus à proposer la connexion claude.ai : l'authentification passe par une clé d'interface. Présentation complète sur la page Claude Agent SDK.

OpenAI Agents SDK

Présenté comme une évolution, prête pour la production, de Swarm, une expérimentation antérieure d'OpenAI. Ses briques : des agents (un modèle avec des instructions et des outils), la délégation à d'autres agents, des garde-fous qui valident entrées et sorties, des sessions qui conservent le contexte, un traçage intégré et des mécanismes pour faire intervenir un humain. Il utilise par défaut l'interface Responses pour les modèles d'OpenAI ; la documentation mentionne aussi des fournisseurs tiers via des adaptateurs (Any-LLM, LiteLLM).

Microsoft Agent Framework

Créé par les équipes d'AutoGen et de Semantic Kernel, il reprend les abstractions simples du premier et les fonctions d'entreprise du second (gestion d'état par session, typage, filtres, télémétrie), et y ajoute des workflows en graphe. Sa documentation cite parmi les fournisseurs de modèles pris en charge Microsoft Foundry, Anthropic, Azure OpenAI, OpenAI et Ollama. Il existe en .NET et Python ; la version Go est en préversion publique. Sa règle de choix tient en une phrase : « si vous pouvez écrire une fonction pour traiter la tâche, faites-le plutôt que d'utiliser un agent ».

AutoGen

La documentation d'AutoGen affiche : « projet archivé et plus maintenu », sans correctifs de sécurité ni support, et déconseille l'usage en production. Les nouveaux utilisateurs sont orientés vers Microsoft Agent Framework, avec un guide de migration.

Comment trancher

• Vous voulez maîtriser chaque étape et pouvoir reprendre une exécution interrompue : un framework d'orchestration explicite comme LangGraph, ou votre propre boucle.
• Vous voulez un agent complet rapidement, avec outils de fichiers, de commandes et de recherche déjà prêts : un SDK d'agent fourni par l'éditeur du modèle.
• Vous êtes dans l'écosystème Microsoft : Microsoft Agent Framework plutôt qu'AutoGen.
• Quel que soit le choix, vérifiez trois points dans la documentation : comment on limite les outils (voir permissions), comment on suspend pour une validation humaine, et comment on lit les traces.