Une réécriture complète d'un moteur logiciel, environ 750 000 lignes de code portées d'un langage à un autre, bouclée en onze jours. Voilà ce qu'a produit fin mai 2026 l'une des premières utilisations des Dynamic Workflows de Claude, la fonction qui lance des dizaines à des centaines de sous-agents en parallèle sur une même tâche. Derrière la prouesse, une question concrète pour les directions métier : que devient une tâche jugée trop grosse pour être automatisée ?
Dynamic Workflows, de quoi parle-t-on
Anthropic a lancé les Dynamic Workflows fin mai 2026, d'abord en research preview, puis en disponibilité générale selon l'entreprise. Le principe tient en une phrase : face à une demande complexe, Claude rédige lui-même un script d'orchestration, découpe le travail en sous-tâches, et lance des dizaines à des centaines de sous-agents qui travaillent en parallèle dans une seule session. Chaque résultat est vérifié avant d'être intégré.
La fonction vit dans Claude Code, l'outil des équipes techniques : en ligne de commande, sur le Desktop et dans l'extension VS Code, pour les offres Pro, Max, Team et Enterprise. Elle tourne aussi via l'API Claude et sur Amazon Bedrock, Google Vertex AI et Microsoft Foundry. Deux façons de la déclencher : demander à Claude de créer un workflow, ou activer un réglage maison nommé ultracode, qui pousse l'effort au niveau maximal et laisse Claude décider quand un workflow s'impose.
Comment fonctionne la mécanique ? Les sous-agents attaquent le problème sous des angles indépendants, d'autres agents tentent de réfuter leurs trouvailles, et la boucle tourne jusqu'à ce que les réponses convergent. La coordination se passe en dehors de la conversation, donc le plan tient même quand la tâche grossit. La progression est sauvegardée au fil de l'eau : un travail interrompu reprend là où il s'était arrêté, au lieu de tout recommencer.
Une image rend la chose claire. Pensez à une salle de rédaction un soir de bouclage. Un rédacteur en chef répartit les sujets entre vingt journalistes, deux relecteurs vérifient chaque papier, et personne n'attend que le voisin ait fini pour avancer. Le workflow joue ce rôle de chef d'orchestre, mais avec des centaines de mains et une discipline de vérification que la fatigue n'entame pas.
La nouveauté n'est ni l'agent unique, ni l'équipe d'agents que l'on configure à la main. C'est l'entre-deux. Jusqu'ici, vous deviez choisir entre une requête simple et un assemblage manuel d'agents, long à régler et fragile à maintenir. Avec un workflow, Claude écrit lui-même cette coordination à partir de votre objectif, puis lance ses dizaines à ses centaines de sous-agents dans la même session. Anthropic résume l'ambition d'une formule : un travail que vous planifiiez en trimestres tient désormais en jours. La promesse mérite l'examen, et le cas suivant la met à l'épreuve.
Bun : 750 000 lignes portées en onze jours
Un chiffre vaut mieux qu'une promesse. Pour porter Bun, un moteur JavaScript très utilisé, du langage Zig vers Rust, son créateur Jarred Sumner a confié le chantier à des Dynamic Workflows. Résultat annoncé par Anthropic : environ 750 000 lignes de Rust, 99,8 % de la suite de tests existante au vert, et onze jours entre le premier commit et la fusion du code.
Le déroulé donne la mesure de l'orchestration. Un premier workflow a cartographié, pour chaque champ de structure du code Zig, l'équivalent correct en Rust. Un second a réécrit chaque fichier comme une copie au comportement identique, avec des centaines d'agents en parallèle et deux relecteurs par fichier. Une boucle de correction a ensuite fait tourner la compilation et les tests jusqu'à ce que tout passe. Une dernière passe, lancée de nuit, a traqué les copies de données inutiles et ouvert une demande de fusion pour chacune.
Soyons clairs sur un point : ce portage n'est pas encore passé en production, Anthropic le précise. La démonstration vaut par son échelle, pas par son statut industriel. D'autres retours vont dans le même sens. Chez Klarna, un responsable ingénierie raconte avoir identifié du code mort et des nettoyages que l'analyse statique classique laissait passer. Chez CyberAgent, un ingénieur résume bien la place de la fonction : elle comble le vide entre lancer un seul sous-agent et bâtir toute une équipe d'agents à la main.
Pourquoi un seul agent cale sur les gros dossiers
Pourquoi tant d'efforts pour faire travailler des agents ensemble ? Parce que la demande grimpe vite. Gartner estime que 40 % des applications d'entreprise embarqueront des agents spécialisés d'ici fin 2026, contre moins de 5 % en 2025. Le mouvement est lancé, et les agents passent du pilote à la production dans tous les secteurs.
Sauf qu'un agent seul bute sur un plafond. Faire relire un contrat par Claude, c'est simple. Lui faire éplucher les huit cents baux d'un portefeuille, vérifier chaque clause de révision de loyer et signaler les anomalies, c'est une autre affaire. La fenêtre de contexte sature, le fil se perd, et la qualité chute sur la longueur. Le même mur se dresse devant une revue de data room, un audit de conformité ou une consolidation de reporting filiale par filiale.
Ce plafond a un coût. Gartner prévoit que plus de 40 % des projets d'agents seront abandonnés d'ici 2027, faute de cadre solide et de valeur démontrée. Côté résultats, McKinsey relève que 23 % seulement des entreprises tirent un gain significatif de leurs agents. L'orchestration de sous-agents qui se contrôlent mutuellement répond à une partie du problème : au lieu d'un agent qui s'épuise sur la longueur, plusieurs se répartissent la charge et se relisent.
Le contentieux offre un autre exemple parlant. Avant un procès, il faut trier des dizaines de milliers de documents pour isoler les quelques centaines qui pèsent vraiment. Un seul agent s'essouffle, perd le fil, oublie ses critères en cours de route. Confier ce tri à des sous-agents qui se relisent change la donne sur la fiabilité, pas seulement sur la vitesse. Et un résultat faux livré rapidement ne vaut rien, surtout quand une pièce manquée se paie au tribunal. La parallélisation n'a d'intérêt que si la vérification suit le même rythme.
Ce que ça ouvre pour les secteurs réglementés
Reprenons les métiers que nous accompagnons chez ClaudIn. L'IA n'y est plus une curiosité : 88 % des entreprises l'utilisent déjà dans au moins une fonction, selon McKinsey (2026), et 72 % font tourner au moins une charge en production, d'après les données croisées McKinsey et Gartner. La question n'est plus d'y aller, mais de traiter les volumes que personne n'osait automatiser jusqu'ici.
Pour une direction juridique ou un cabinet d'avocats, le gros morceau, c'est la masse. Passer au crible une data room de cession, comparer des centaines de NDA à un modèle de référence, trier des milliers de pièces avant un contentieux. Un travail d'orchestration où chaque sous-agent prend un lot et où d'autres recoupent les trouvailles. Nos retours terrain dans les directions juridiques le montrent : le frein n'a jamais été l'envie, mais le passage à l'échelle.
Côté sociétés de gestion, l'analyse des rapports trimestriels de toutes les participations d'un fonds tient du même registre : beaucoup de documents, peu de temps, une exigence de fiabilité. Pour un cabinet de conseil ou d'audit, un diagnostic qui ratisse l'ensemble d'un système d'information ou d'un jeu de comptes relève aussi de la tâche trop large pour une seule passe. Dans tous ces cas, le schéma des Dynamic Workflows colle au besoin : découper, paralléliser, vérifier.
Les directions financières connaissent la même douleur à l'heure de la consolidation. Reprendre les reportings de chaque filiale, contrôler les retraitements, repérer l'écart qui ne colle pas : un marathon trimestriel que beaucoup d'équipes subissent plus qu'elles ne le pilotent. Découper ce travail par filiale, faire vérifier chaque liasse par un second agent, puis consolider, voilà le type de tâche que l'orchestration vise. Les usages confirment l'appétit : le reporting et l'analyse financière figurent parmi les premières fonctions où l'IA s'installe en entreprise, juste derrière le service client et le marketing.
Une nuance honnête s'impose. Les Dynamic Workflows vivent aujourd'hui dans Claude Code, pensé pour des profils techniques. Vos juristes et vos gérants, eux, travaillent dans Claude Cowork, l'environnement de bureau sans code. La fonction montre surtout la direction prise par la plateforme : l'orchestration de plusieurs agents qui se relisent va dépasser le seul cercle des développeurs. En attendant, ces chantiers se montent avec vos équipes IT, ou avec un partenaire.
Les limites à regarder en face
Avant de rêver d'automatiser le cabinet entier, regardons la facture. Anthropic prévient que les Dynamic Workflows consomment beaucoup plus de jetons qu'une session classique. La première fois qu'un workflow se déclenche, Claude Code affiche ce qu'il s'apprête à lancer et demande confirmation. Les administrateurs peuvent aussi désactiver la fonction via les réglages gérés. Sur un gros volume, le coût grimpe vite, et il se pilote dès le départ.
La maturité ensuite. Seules 29 % des entreprises constatent un retour significatif de l'IA générative (McKinsey), et 79 % déclarent rencontrer des difficultés à l'adopter, selon l'étude Writer 2026 sur l'adoption en entreprise. Lancer des centaines d'agents sur un dossier sensible sans garde-fous, c'est multiplier les points de défaillance. La moitié des organisations ont déjà connu un incident lié à l'IA malgré des contrôles en place (Proofpoint, 2026). Plus d'agents, c'est aussi plus de surface à surveiller.
Reste la question des données. Qui voit quoi, où s'exécutent les traitements, quels journaux d'audit ? Sur des documents couverts par le secret professionnel ou par un régime de données de santé, ces réponses se cadrent avant de lancer la machine. C'est tout l'objet de notre lecture des agents IA souverains, où la maîtrise de l'exécution arrive en tête. Un workflow puissant ne dispense jamais d'un cadre de gouvernance.
Dernier point, et pas le moindre : un workflow ne remplace pas le jugement. Il découpe, recoupe, vérifie, mais la validation finale reste votre responsabilité, surtout sur un avis juridique, une valorisation ou un diagnostic de conformité. Ajoutez que l'outil s'adresse d'abord à des profils techniques, en anglais, dans une logique de code. Vos métiers attendent une interface sans jargon. L'écart se comble avec un accompagnement et des cas bien cadrés, pas en lâchant des centaines d'agents sur des données sensibles dès le premier jour. La règle tient en peu de mots : de l'autonomie sur l'exécution, un contrôle humain sur la décision.
Par où commencer sans y laisser votre budget
La tentation, devant ce genre d'outil, c'est de viser le plus gros chantier d'un coup. Mauvais réflexe. Anthropic recommande de démarrer sur une tâche bien délimitée, pour prendre la mesure de la consommation avant d'élargir. Commencez par un cas à forte valeur et à fort volume : la revue d'un lot de contrats, l'analyse d'une série de rapports, un audit ciblé. Un périmètre clair, des données réelles, un résultat mesurable.
La technique ne suffit pas. Les utilisateurs les plus avancés rapportent jusqu'à cinq fois plus de productivité (UC Today, 2026), mais cet écart se gagne par l'usage, pas par l'installation. D'après notre expérience chez ClaudIn, un premier cas cadré proprement vaut mieux que dix chantiers ouverts en parallèle qui s'enlisent. Une formation Claude Cowork ciblée sur vos dossiers réels fait davantage pour l'adoption qu'un déploiement technique parfait laissé sans mode d'emploi.
Pensez enfin l'orchestration dans la durée. Les Dynamic Workflows rejoignent une famille d'outils déjà en place, des agents managés de Claude aux sandboxes que vous contrôlez. Mises bout à bout, ces briques dessinent une automatisation où l'humain garde la main sur le cadrage et la validation, et où la machine encaisse le volume. C'est moins spectaculaire qu'un robot autonome, et bien plus utile au quotidien.
Les Dynamic Workflows ne transforment pas n'importe quelle tâche en presse-bouton, et il serait malhonnête de le vendre ainsi. Ils déplacent une frontière : des travaux qui se comptaient en semaines, voire en trimestres, tiennent désormais en jours, à condition de les cadrer et d'en surveiller le coût. Pour les métiers où la valeur se noie dans le volume, c'est la différence entre un dossier qu'on repousse et un dossier qu'on traite enfin. Reste à choisir le bon premier cas.
Vous voulez identifier la tâche à fort volume qui mérite ce traitement dans votre métier ? Réservez un échange de 30 minutes avec notre équipe pour cartographier vos cas d'usage et définir ce qui s'automatise vraiment, secteur par secteur.