Quand l’empire Tang gouverne l’intelligence artificielle
En 641 apr. J.-C., l’administration impériale chinoise produit un document qui passera à la postérité moins pour son contenu que pour sa structure : un édit impérial ne peut entrer en vigueur qu’après avoir traversé trois instances successives, dont l’une détient explicitement le pouvoir de le bloquer — de le « sceller et rejeter », 封驳 (fēng bó), selon le terme consacré. L’empereur lui-même peut se voir renvoyé sa propre décision, au motif qu’elle est mal formulée ou inappropriée. Il y a dans ce dispositif quelque chose qui dépasse la simple efficacité bureaucratique : l’idée, remarquable pour l’époque, que le pouvoir de décider et le pouvoir de contrôler ne doivent jamais appartenir à la même entité.
Quatorze siècles plus tard, un ingénieur confronté au problème le plus contemporain qui soit — comment faire travailler ensemble une dizaine d’agents d’intelligence artificielle sans qu’ils se contredisent ni agissent de manière incontrôlée — a trouvé dans ce dispositif la structure qu’il cherchait.
Le projet s’appelle Edict. Son nom chinois, 三省六部制, désigne littéralement le « système des trois départements et six ministères » de la Chine des Tang. Il cumule aujourd’hui plus de douze mille étoiles sur la plateforme GitHub. Ce chiffre, pour un outil d’orchestration destiné aux développeurs, n’est pas anodin. Mais avant de comprendre pourquoi il a touché juste, il faut s’arrêter un instant sur la nature du problème qu’il prétend résoudre.
Qu’est-ce, au fond, qu’un agent d’intelligence artificielle ? Le mot « agent » — du latin agere, agir — suggère une autonomie, une capacité à opérer dans le monde pour accomplir des objectifs sans qu’on lui dicte chaque geste. Un agent, en ce sens, est un programme capable non seulement de répondre à une requête, mais de planifier une séquence d’actions, d’utiliser des outils, de prendre des décisions intermédiaires. Lorsqu’on en enchaîne plusieurs, chacun spécialisé dans une tâche, on obtient ce que les praticiens appellent un système « multi-agents ». L’idée est séduisante : diviser le travail, comme dans une équipe humaine.
La réalité est moins paisible. Pensons à une brigade de cuisine — non pas pour faire une analogie décorative, mais parce que le parallèle porte quelque chose. Dans une brigade sans chef, les cuisiniers préparent des plats que personne n’a commandés, utilisent les mêmes ingrédients simultanément, envoient leurs assiettes dans le désordre. Sans hiérarchie, l’expertise individuelle de chaque cuisinier ne produit pas un repas — elle produit du chaos. Les systèmes multi-agents sans gouvernance connaissent exactement cette pathologie : redondance des efforts, conflits de décision, actions irréversibles prises sans vérification préalable, absence de traçabilité. Un agent omnipotent fait n’importe quoi ; plusieurs agents sans hiérarchie se font concurrence sans résoudre quoi que ce soit.
C’est à ce carrefour que la bureaucratie Tang entre en scène — non comme métaphore historique, mais comme solution architecturale.
L’administration impériale de la période Tang (618-907) avait résolu ce problème de gouvernance avec une sophistication que l’on pourrait formuler : comment s’assurer qu’aucune décision importante ne soit prise par une seule entité sans contrôle extérieur ? La réponse institutionnelle consistait en une séparation tripartite des fonctions. Le département Zhongshu Sheng (中书省) formulait les édits. Le Menxia Sheng (门下省) les examinait et pouvait les bloquer — c’est là qu’intervenait le fēng bó, ce droit de veto institutionnel indépendant de la volonté du commanditaire. Le Shangshu Sheng (尚书省), enfin, les mettait en œuvre à travers six ministères spécialisés. La décision, la révision, l’exécution : trois fonctions séparées, trois centres de pouvoir distincts qui se contrôlent mutuellement.
Edict transpose ce schéma aux agents d’intelligence artificielle avec une fidélité qui force l’attention. Douze agents sont organisés en niveaux hiérarchiques. Le premier — que le projet nomme le « Prince héritier », 太子 — assure le tri initial des requêtes, évitant que l’ensemble du système soit mobilisé indistinctement pour chaque demande. Le niveau suivant planifie. Le suivant révise, et peut bloquer. Le dernier exécute, réparti entre des agents spécialisés selon le type de tâche. Un tableau de bord de type kanban — une représentation visuelle des flux de travail, empruntée aux ateliers de production japonais — permet de suivre en temps réel le cheminement de chaque décision et d’en reconstituer l’historique.
Ce dernier point mérite qu’on s’y attarde. Dans la plupart des cadres d’orchestration concurrents — AutoGen, CrewAI, LangGraph —, la traçabilité des décisions reste partielle ou absente. Savoir pourquoi un agent a agi de telle manière, à quel moment et sur quelle base, est pourtant une exigence minimale pour quiconque souhaite maintenir un contrôle réel sur ses systèmes. L’absence de cette traçabilité n’est pas un détail technique : c’est précisément ce qui transforme un outil en boîte noire.
Il serait cependant imprudent de s’arrêter là. Le projet Edict présente des limites que ses auteurs évoquent peu. La dépendance à OpenClaw — une plateforme tierce nécessaire au fonctionnement de l’ensemble — constitue une contrainte non négligeable : l’autonomie architecturale affichée ne vaut que si l’on accepte cette dépendance de fond, qui reste, elle, opaque aux utilisateurs extérieurs. Les comparaisons revendiquées avec CrewAI et AutoGen ne s’appuient sur aucune évaluation indépendante publiée — il s’agit d’affirmations des auteurs, non de résultats vérifiés. Et les douze mille étoiles sur GitHub mesurent l’intérêt d’une communauté de développeurs, pas la performance effective du système dans des conditions réelles et diversifiées. La popularité d’une idée ne préjuge pas de sa solidité.
Reste une question que ce projet pose sans la formuler explicitement. Les noms dominants du secteur — AutoGen, CrewAI, LangGraph — sont des appellations fonctionnelles, quasi neutres, qui décrivent ce que la technologie fait. Edict, lui, va chercher sa métaphore dans la gouvernance impériale, dans l’idée que coordonner des entités autonomes est un problème de pouvoir autant qu’un problème d’ingénierie. Ce glissement sémantique n’est pas anodin. Il suggère que la question centrale de l’intelligence artificielle multi-agents n’est peut-être pas « comment rendre ces agents plus performants ? », mais « qui décide, qui contrôle, qui rend compte ? ». Deux formulations qui n’ont pas le même horizon — et peut-être pas les mêmes réponses.
Que certains problèmes de coordination soient invariants à travers le temps : voilà ce que révèle, au fond, ce rapprochement. Comment distribuer le pouvoir de décision sans le diluer jusqu’à l’impuissance ? Comment instaurer un contrôle sans paralyser l’action ? Ces tensions traversent quatorze siècles sans s’affaiblir. Les ingénieurs du XXIe siècle ont tendance à croire que leurs problèmes sont inédits. L’administration Tang leur rappelle qu’ils ne font parfois que redécouvrir, sous des formes nouvelles, des dilemmes aussi vieux que l’organisation humaine elle-même.
La bureaucratie Tang a duré près de trois siècles avant que d’autres formes lui succèdent. On ne sait pas encore si ce sera le cas des architectures logicielles qui s’en inspirent — ni si, dans quatorze siècles, quelqu’un se demandera à son tour ce que nous avons voulu gouverner, et pourquoi nous en étions incapables seuls.