Un débat architectural discret a éclaté au grand jour cette semaine sur X : les développeurs d'IA passent des boucles (loops) aux graphes (graphs) pour construire leurs agents. La tendance est bien réelle. LangGraph 1.0 est passé en disponibilité générale en octobre 2025 et dépasse aujourd'hui les 126 000 étoiles sur GitHub. Microsoft a fusionné AutoGen et Semantic Kernel dans un Agent Framework centré sur les graphes, arrivé en version 1.0 en avril 2026. Mastra a franchi les 300 000 téléchargements npm hebdomadaires. Pendant ce temps, le camp des boucles — incarné par des outils comme Claude Code, célèbre pour n'être « qu'une boucle while avec de bons outils » — continue de livrer certains des agents les plus performants en production.
Alors, qui a raison ? Les deux, selon ce que vous construisez. Cet article décortique les raisons de ce basculement, ce que les graphes apportent réellement, et un cadre de décision pratique pour choisir en 2026.
L'ère de la boucle
La première génération d'agents en production (2023–2025) reposait sur une idée d'une élégante simplicité : placer un LLM dans une boucle while avec des outils, et le laisser décider de la prochaine action.
messages = [system_prompt, user_task]
while True:
response = llm.call(messages, tools=TOOLS)
if response.stop_reason == "end_turn":
break
result = execute_tool(response.tool_call)
messages.append(result)Ce motif — ReAct, la boucle d'agent, le harnais — possède des atouts considérables. Il est trivial à comprendre, sans aucun verrouillage de framework, et il progresse avec l'intelligence du modèle : chaque fois que le modèle sous-jacent s'améliore, votre agent devient meilleur gratuitement. Les recommandations d'Anthropic sur la construction d'agents efficaces défendent depuis longtemps l'idée que des motifs simples et composables surpassent les frameworks lourds pour la plupart des tâches. Nous avons couvert cette philosophie en détail dans nos guides sur l'ingénierie des boucles et l'ingénierie des harnais.
Pour les agents de programmation dans un terminal, la boucle reste reine. La tâche est bornée, l'humain est à proximité, et les signaux de retour (compilateurs, tests, linters) sont puissants.
Pourquoi les équipes ont heurté un mur
Les problèmes commencent quand la boucle quitte le terminal pour entrer dans des workflows métier critiques, longs et multi-étapes. Les équipes en production rapportent systématiquement quatre modes de défaillance en 2026 :
1. Un état opaque. Dans une boucle, « l'état » est un tableau de messages qui enfle. Quand l'étape 14 d'un agent de traitement de factures échoue, il n'existe aucun instantané typé à inspecter — seulement une transcription à relire.
2. Aucun checkpoint. Une boucle qui meurt à la minute 40 d'un workflow de 45 minutes repart de zéro. Les agents de longue durée exigent une exécution durable et reprenable — le problème qui a poussé les équipes vers les moteurs d'exécution durable comme Temporal et Inngest.
3. Un rayon d'impact illimité. Une boucle peut, en principe, appeler n'importe quel outil à n'importe quel moment. Les régulateurs et les équipes sécurité exigent de plus en plus la garantie inverse : une carte explicite de ce que le système est autorisé à faire. Comme le résume une étude de production 2026 : « le graphe n'est pas qu'un mécanisme de contrôle de flux — c'est la spécification de ce que le système a le droit de faire, exprimée en code ».
4. L'humain dans la boucle reste maladroit. Suspendre une boucle while pour une validation de trois jours signifie maintenir un processus vivant, sans sémantique de reprise digne de ce nom.
Ce que les graphes apportent réellement
Les runtimes de graphes modélisent l'agent comme des nœuds (appels LLM, invocations d'outils, fonctions déterministes) reliés par des arêtes (transitions autorisées). En avril 2026, tous les frameworks matures — LangGraph, Microsoft Agent Framework, Mastra — avaient convergé vers les cinq mêmes primitives :
- État typé : un modèle Pydantic ou une interface TypeScript au lieu d'un bloc de messages
- Arêtes conditionnelles : des fonctions de routage qui inspectent l'état et choisissent le nœud suivant
- Checkpointing : des instantanés événementiels permettant le rejeu et le débogage « voyage dans le temps »
- Interruption et reprise : une pause native pour validation humaine sans monopoliser un thread
- Sous-graphes : des fragments de workflow composables, réutilisables et testables isolément
Voici le même agent exprimé sous forme de graphe :
from langgraph.graph import StateGraph
builder = StateGraph(InvoiceState)
builder.add_node("extract", extract_fields)
builder.add_node("validate", validate_against_erp)
builder.add_node("approve", human_approval) # point d'interruption
builder.add_node("post", post_to_accounting)
builder.add_conditional_edges(
"validate",
lambda s: "approve" if s.amount > 10_000 else "post",
)
graph = builder.compile(checkpointer=PostgresSaver(...))La différence cruciale ne réside pas dans la capacité — une boucle peut faire tout cela avec suffisamment de code sur mesure. La différence, c'est que les modes de défaillance, les coûts et les permissions deviennent inspectables et gouvernables par défaut. Les cycles restent permis (un nœud critique peut renvoyer vers un nœud exécutant pour réessayer), raison pour laquelle l'industrie a convergé vers des graphes cycliques avec état plutôt que des DAG rigides.
Le contre-argument : les boucles ne sont pas mortes
Le camp des boucles dispose d'une réplique solide qui mérite d'être entendue.
D'abord, les graphes figent vos hypothèses. Un graphe dessiné à la main encode votre compréhension actuelle du workflow. À mesure que les modèles progressent, la structure rigide du graphe peut devenir le goulot d'étranglement — le modèle saurait gérer l'ambiguïté, mais vos arêtes le lui interdisent. Les partisans des boucles soutiennent qu'il faut parier sur l'intelligence du modèle, pas sur l'échafaudage.
Ensuite, la vraie question est : qui possède la boucle ? Comme l'a formulé une analyse largement partagée en 2026, la décision n'est pas CrewAI contre LangGraph, mais de savoir si votre orchestration vit dans l'infrastructure d'un fournisseur (API d'agents managées), dans un runtime de graphes auto-hébergé, ou dans une simple boucle que vous avez écrite vous-même. Résidence des données, surface de débogage et verrouillage découlent tous de ce choix — un point critique pour les équipes de la région MENA soumises à des contraintes de souveraineté, comme nous l'avons vu dans notre guide de la souveraineté numérique.
Enfin, une école plus récente estime que les deux camps ratent une couche entière : les architectures pilotées par les événements. Au lieu d'une boucle de conversation ou d'un graphe figé, les agents réagissent à des événements, assemblent leur contexte juste-à-temps et se passent le relais de façon asynchrone — au plus près de la façon dont les équipes humaines coordonnent réellement leur travail. Attendez-vous à voir cet hybride gagner du terrain d'ici 2027.
Un cadre de décision pratique
Choisissez une boucle quand :
- La tâche est bornée et interactive (agents de programmation, assistants de recherche)
- Un humain est présent et peut réorienter
- Vous voulez profiter au maximum de chaque montée en gamme de modèle
- La rapidité de la première action utile compte plus que l'auditabilité
Choisissez un graphe quand :
- Les workflows sont longs (des heures aux jours) et doivent survivre aux pannes
- Les étapes ont des niveaux de permission ou des profils de coût différents
- La conformité exige une carte explicite et auditable des actions autorisées
- Les validations humaines font partie du processus, et non de l'exception
- Plusieurs équipes doivent comprendre, tester et modifier le workflow
Et choisissez l'hybride dès que possible : une colonne vertébrale déterministe en graphe pour le processus métier, avec des nœuds agentiques en mode boucle à l'intérieur des étapes où la flexibilité paie. Ce motif de « colonne vertébrale hybride » était l'architecture de production la plus répandue dans les enquêtes 2026 — et il correspond à ce que nous observons en construisant des systèmes d'agents pour nos clients PME chez Noqta.
Ce que cela signifie pour votre équipe
Si vous lancez votre premier agent, commencez par une boucle — vous apprendrez plus vite, sans le poids d'un framework. Dès que votre agent touche à l'argent, à la conformité ou à des workflows de plusieurs jours, introduisez un runtime de graphes au niveau de l'orchestration et gardez les boucles à l'intérieur des nœuds. Et instrumentez dès le premier jour : greffer l'observabilité sur un système d'agents déjà en production coûte bien plus cher que de démarrer avec, comme nous l'expliquions dans notre guide de l'observabilité LLM.
Le débat boucles contre graphes n'est finalement pas une guerre avec un vainqueur. C'est l'écosystème des agents qui parcourt le même gradient de maturité que le développement web avant lui : des scripts rapides pour explorer, des frameworks structurés pour produire. Savoir de quel côté de ce gradient se situe votre charge de travail, voilà la vraie compétence architecturale de 2026.
Sources : Zylos Research — Graph-Based Agent Workflow Orchestration in Production, Developers Digest — Managed Agents vs LangGraph vs Rolling Your Own, LangChain — AI Agent Frameworks.