DeepSeek lance Super-agent, l'agent de code qui n'attend pas qu'on lui parle

Votre assistant de code est poli. Il attend qu'on l'interpelle, répond, puis se rendort. Et si, au lieu de cela, il lisait la discussion de l'équipe, repérait qu'un bug vient d'être évoqué et allait le corriger dans son coin ? C'est le pari de DeepSeek avec « Super-agent », un prototype publié en open source. L'annonce est intéressante, mais c'est surtout ce qu'il y a sous le capot qui mérite votre attention.

Ce qui vient d'être publié

Le 31 octobre au soir, l'équipe Harness de DeepSeek a publié un article technique sur WeChat. Elle a aussi mis en open source un prototype d'agent de code baptisé « Super-agent ». Il est présenté comme un concurrent direct de Claude Code, l'outil d'Anthropic. La presse économique l'a d'ailleurs relevé, comme Bloomberg ou The Straits Times.

La différence tient en une phrase : un assistant classique attend un prompt (la consigne qu'on lui tape), puis répond. Super-agent, lui, surveille. Il écoute les conversations de développeurs, comme les groupes de discussion ou les événements GitHub. Quand un bug est évoqué, il tente de le reproduire et de le corriger en arrière-plan. Personne ne l'a mentionné, personne ne l'a sollicité.

DeepSeek indique qu'une instance interne tourne déjà. Elle sert à reproduire et corriger des problèmes logiciels, à répondre aux revues de code et à améliorer Harness lui-même. Autrement dit, l'outil sert à s'améliorer lui-même.

Sous le capot : un chef d'orchestre et des ouvriers

Le détail de l'architecture est décrit par Pandaily, et Startup Fortune insiste sur le fait que c'est bien cette architecture qui est ouverte. Voici les pièces du puzzle, sans jargon.

Les cinq briques

Le Router. Il reste toujours en ligne et répartit les tâches. C'est le standardiste.
Les Workers. Ce sont ceux qui font le travail, chacun dans une session isolée. Si l'un se plante, il n'embarque pas les autres.
Le déclenchement par événements. L'activité démarre quand quelque chose se passe (un message, un événement GitHub), pas quand quelqu'un tape une consigne.
Les échanges asynchrones et multicanaux. L'agent n'a pas besoin d'une réponse immédiate pour avancer, et il peut parler par plusieurs canaux.
Le Watchdog. Un superviseur externe qui surveille l'ensemble. C'est le chien de garde, au sens propre.

Le stockage est séparé du calcul. Les agents restent donc en ligne d'une session à l'autre et traitent plusieurs tâches en parallèle. Global Times résume d'ailleurs l'idée ainsi : gérer plusieurs tâches en parallèle pour gagner en efficacité.

Les chiffres annoncés

Lors d'essais préliminaires, DeepSeek mesure ceci :

Mesure	Approches conventionnelles	Super-agent
Temps de complétion (95e centile)	29,5 minutes	15,7 minutes
Tokens lus depuis le cache	Référence	Environ 37 % de plus

Le 95e centile, c'est le temps en dessous duquel 95 % des tâches sont terminées : on regarde donc les cas lents, pas la moyenne. Les tokens sont les petits morceaux de texte que le modèle lit et écrit, et la facture en dépend. Le cache, lui, évite de tout relire à chaque fois.

Notre point de vue

Le prototype (le plugin dsh-superagent-prototype) et DeepSeek Harness sont sous licence MIT. En clair : vous pouvez les lire, les auditer, les modifier et les héberger chez vous, avec le modèle de votre choix. Pour une agence d'automatisation, c'est un patron d'architecture réutilisable, avec le code à disposition. Et cela change tout par rapport à une annonce de plus.

Ce mouvement rejoint la logique d'agent proactif déjà visible chez Anthropic avec Claude Duet. La nuance, et elle est de taille : ici, la brique d'orchestration est libre et inspectable. On peut s'en inspirer sans attendre la permission de personne.

Ce qu'on peut en tirer concrètement

Des workflows n8n événementiels : webhooks pour déclencher, routage pour répartir, workers isolés pour exécuter, garde-fou pour superviser.
Des agents de support pour développeurs, branchés sur Slack ou GitHub.
Une façon de penser l'agent comme un service qui reste en ligne, plutôt que comme un chatbot qu'on dérange.

Les réserves à garder en tête

DeepSeek qualifie le code d'expérimental et précise que ce n'est pas un produit officiel.
Les chiffres de performance viennent de l'éditeur et n'ont pas été vérifiés par un tiers.
La mémoire longue, la sécurité et la confidentialité restent des chantiers ouverts.
Anthropic accuse par ailleurs DeepSeek de « distillation attacks » contre Claude. Cela appelle de la prudence avant tout usage en production.

Le point le plus délicat est la gouvernance. Un agent qui lit des conversations d'équipe sans y être invité n'est pas anodin, surtout sous le regard du RGPD. Techniquement, c'est élégant. Humainement, c'est un collègue qui écoute aux portes, même s'il le fait pour la bonne cause. Notre avis : retenez l'architecture, pas forcément le comportement. Si vous bâtissez quelque chose d'équivalent, limitez les canaux surveillés, dites clairement à l'équipe ce qui est lu, et gardez un humain pour valider les correctifs avant qu'ils ne partent.

Quant aux 15,7 minutes contre 29,5, prenez-les pour ce qu'elles sont : une promesse prometteuse, pas encore une preuve. Le surcoût en cache n'est pas non plus à négliger. La vitesse a un prix, et il faudra le mesurer sur vos propres cas.

Pour finir

Un agent qui corrige un bug avant que vous ayez fini d'en parler : gain de temps ou début de la surveillance douce ? La question se posera bientôt dans bien des équipes. Dites-nous où vous placeriez la limite.