Frameworks d'agents IA : comparatif LangGraph, CrewAI, AutoGen

Qu'est-ce qu'un framework d'agents ?

Un framework d'agents est une bibliothèque logicielle ou un environnement d'exécution qui va au-delà de simples appels à l'API d'un LLM. Selon la grille de lecture de Blck Alpaca, il réunit au moins quatre des six briques suivantes : une abstraction d'agent (instruction, outils et modèle sous forme d'unité composable), une couche de tool calling / function calling avec gestion des erreurs, la gestion d'état sur plusieurs étapes, l'orchestration de processus multi-étapes ou multi-agents, l'observabilité/le tracing pour le débogage et l'audit, ainsi que des hooks de production comme le human-in-the-loop, les guardrails et le streaming.

Les éditeurs ne placent pas l'accent au même endroit : dans « Building Effective Agents » (décembre 2024), Anthropic distingue les workflows (chemins de code prédéfinis) des agents, qui pilotent eux-mêmes leurs étapes de façon dynamique. LangChain présente LangGraph comme un « low-level orchestration framework […] for long-running, stateful agents ». Microsoft parle d'un « unified agent framework » doté d'un socle de niveau entreprise. Cette page propose un panorama neutre vis-à-vis des éditeurs des principaux frameworks, destiné aux décideurs et aux tech leads en Europe.

Les trois classiques : LangGraph, CrewAI, AutoGen

LangGraph (LangChain Inc., États-Unis) modélise les agents sous forme de graphe composé de nœuds et d'arêtes et vise la production avec état et les exécutions de longue durée. La version actuelle est la 1.2.0 (12.05.2026). Ses points forts : le contrôle bas niveau, la durable execution, le human-in-the-loop, une observabilité mature via LangSmith et la chaîne d'outils la plus large grâce à l'écosystème LangChain (plus de 750 outils). Ses points faibles : la courbe d'apprentissage liée au modèle mental en graphe, une certaine verbosité (selon des analyses tierces, 120 lignes de code au lieu de 40 pour un agent ReAct) et l'arbre de dépendances de LangChain. D'après le dépôt LangChain, Klarna, Replit, Uber, LinkedIn et Elastic, entre autres, utilisent LangGraph en production.

CrewAI (crewAI Inc., États-Unis ; v1.10.1, T1 2026) repose sur un modèle mental fondé sur les rôles, avec des Crews et des Flows pilotés par les événements. Il est limité à Python, conçu comme solution autonome (sans héritage LangChain) et prend en charge MCP et A2A nativement. Son point fort : le prototype multi-agents le plus rapide. Ses points faibles : une abstraction qui devient opaque au-delà de cinq agents et, selon des analyses tierces, un surcoût d'environ 18 % en tokens dans les configurations à 3 agents. Dans le communiqué de presse consacré à son 2026 State of Agentic AI Survey (Business Wire, 11.02.2026), CrewAI indique dans sa présentation d'entreprise que sa plateforme est utilisée par 60 % du Fortune 500 américain. Ce chiffre n'est pas un résultat de l'enquête (500 dirigeants de niveau C-level et senior management dans des entreprises réalisant au moins 100 millions USD de chiffre d'affaires et comptant au moins 5 000 salariés, sept régions). Il s'agit d'une affirmation de l'éditeur, non auditée de manière indépendante.

AutoGen se fond dans son successeur : selon la feuille de route de Microsoft, AutoGen est en mode maintenance et l'accent stratégique porte sur Microsoft Agent Framework, qui intègre les concepts d'AutoGen dans un nouveau moteur de workflows en graphe (techcommunity.microsoft.com, avril 2026). Si tu démarres aujourd'hui un nouveau projet sur AutoGen, prévois dès le départ le chemin de migration vers Microsoft Agent Framework.

Les SDK des fournisseurs : OpenAI, Anthropic, Microsoft

OpenAI Agents SDK (lancé le 11.03.2025) est un framework léger, Python-first, avec un minimum d'abstractions. La mise à jour « The next evolution of the Agents SDK » (15.04.2026) a ajouté l'exécution native en sandbox et un harness natif au modèle pour les tâches de longue durée. Ses points forts : le délai le plus court jusqu'à la première démo, le builder visuel AgentKit et une prise en charge de premier plan de MCP et d'AGENTS.md. Ses points faibles : l'attraction vers les modèles OpenAI et une API encore en v0.x. L'ancienne Assistants API a été mise hors service par OpenAI le 26 août 2026 ; selon OpenAI, les nouvelles intégrations passent par la Responses API.

Claude Agent SDK est né le 29.09.2025 du Claude Code SDK et offre un harness d'agents de grande qualité avec subagents, sessions, hooks ainsi que permissions et sandbox intégrées. MCP est pris en charge nativement. Point important pour l'évaluation de la licence : le code est sous Apache 2.0, mais l'utilisation relève des Anthropic Commercial Terms ; ce n'est donc pas un modèle purement open source. Le SDK est lié aux modèles Claude et se trouve encore en phase v0.x, avec des breaking changes.

Microsoft Agent Framework est en disponibilité générale (GA) depuis le 03.04.2026 (Public Preview depuis le 01.10.2025), publié sous licence MIT et assorti d'un engagement LTS explicite. Il fait converger Semantic Kernel et AutoGen (dont les projets prédécesseurs cumulaient plus de 75 000 étoiles sur GitHub), offre un support .NET de premier plan aux côtés de Python, une prise en charge native d'A2A et de MCP, ainsi que six fournisseurs interchangeables en une ligne (Azure OpenAI, OpenAI, Anthropic, Bedrock, Gemini, Ollama). Ses points faibles : la jeunesse de la version GA et un soupçon de lock-in lié à son imbrication avec Azure AI Foundry.

Deux autres frameworks méritent aussi l'attention : Pydantic AI (v1.95.0, 13.05.2026, MIT) mise sur la sûreté du typage, l'indépendance vis-à-vis des fournisseurs et une observabilité native via Logfire dans une région UE. n8n (n8n GmbH, Berlin) est la seule solution développée dans la région DACH (Allemagne, Autriche, Suisse) à proposer des nœuds d'agent natifs basés sur LangChain, sous licence fair-code.

Tableau comparatif

État au 13 mai 2026. Les versions et le nombre d'étoiles ne reflètent qu'un instant donné.

Critères de choix : quel framework, et quand ?

Le choix suit un chemin de décision. D'abord la question d'Anthropic : Ai-je vraiment besoin d'un framework ? Avec seulement un ou deux outils sans état, un appel direct à l'API du LLM suffit souvent. À partir d'environ trois outils avec état, un framework devient rentable.

• .NET/C# obligatoire ? → Microsoft Agent Framework.
• LangChain/LangSmith déjà dans le stack, ou obligation d'audit et workflows de longue durée ? → LangGraph.
• Uniquement GPT et chemin le plus rapide vers la démo ? → OpenAI Agents SDK.
• Modèles Anthropic comme choix stratégique, agents de code ou de longue durée ? → Claude Agent SDK.
• Prototypage multi-agents le plus rapide avec un modèle de rôles/crews ? → CrewAI.
• Sûreté du typage et rigueur d'ingénierie plutôt que time-to-demo ? → Pydantic AI.
• Low-code, citizen developers ou souveraineté européenne stricte ? → n8n.

Un anti-pattern fréquent consiste à choisir le framework avant de définir le cas d'usage. Tout aussi risqués : le vendor lock-in via une gestion d'état propriétaire, l'impasse sur les couches protocolaires MCP et A2A, et la sous-estimation de l'observabilité. Garde tes prompts, tes outils et tes suites d'évaluation aussi indépendants du framework que possible pour faciliter un changement.

Les protocoles découplent le choix : MCP et A2A

Depuis le don du Model Context Protocol (MCP) à l'Agentic AI Foundation de la Linux Foundation (09.12.2025) et la GA d'A2A v1.0 (09.04.2026, avec plus de 150 organisations soutiens, plus de 22 000 étoiles sur GitHub et des SDK dans cinq langages), le choix du framework peut être découplé. MCP standardise l'accès aux outils (plus de 110 millions de téléchargements mensuels du SDK et plus de 10 000 serveurs actifs, état avril 2026) ; A2A standardise la communication d'agent à agent.

CrewAI, OpenAI Agents SDK, Microsoft Agent Framework, Claude Agent SDK, Pydantic AI et n8n, qui fournit ses propres nœuds client MCP et serveur MCP, prennent MCP en charge nativement ; LangGraph passe par des adaptateurs. Microsoft Agent Framework, CrewAI et Pydantic AI intègrent A2A en natif. Pour éviter le lock-in, privilégie les frameworks conformes aux protocoles.

Contexte européen : souveraineté, hébergement et règlement européen sur l'IA

Remarque : les informations suivantes sont fournies à titre indicatif et ne constituent pas un conseil juridique. La conformité au RGPD et au règlement européen sur l'IA dépend de chaque cas et doit être validée avec les équipes protection des données et conformité ainsi qu'avec des juristes spécialisés.

Les frameworks open source entièrement auto-hébergeables (LangGraph, CrewAI Core, Pydantic AI, n8n) peuvent tourner chez des hébergeurs européens comme STACKIT (Schwarz), IONOS Cloud ou OVHcloud et offrent ainsi un haut niveau de souveraineté. n8n, éditeur berlinois, apporte en plus la souveraineté côté éditeur. Les SDK couplés de manière propriétaire à des fournisseurs de LLM américains (OpenAI Agents SDK, Claude Agent SDK) n'atteignent une résidence stricte des données dans l'UE que par des voies comme Azure OpenAI (UE) ou AWS Bedrock (UE). Microsoft Agent Framework fonctionne dans les régions Azure de l'UE (Francfort, West Europe, Switzerland North, Sweden Central) dans le cadre de l'EU Data Boundary de Microsoft ; le débat sur le CLOUD Act reste toutefois ouvert.

Concernant le règlement européen sur l'IA : le cadre est en vigueur depuis août 2024. Les obligations relatives aux systèmes à haut risque devaient initialement s'appliquer à partir du 2 août 2026 (annexe III) et du 2 août 2027 (annexe I). Le règlement omnibus numérique (UE) 2026/1744 est en vigueur depuis le 27 juillet 2026 et repousse les deux échéances : pour les systèmes à haut risque relevant de l'annexe III, les obligations s'appliquent à partir du 2 décembre 2027 ; pour l'IA intégrée à des produits réglementés relevant de l'annexe I, à partir du 2 août 2028. Pour les déploiements à haut risque soumis à des exigences de journalisation, de traçabilité et de supervision humaine, LangGraph avec LangSmith, Microsoft Agent Framework avec Application Insights et Pydantic AI avec Logfire offrent des chemins de tracing conformes à OTel.

Perspectives et conseil pratique

Le marché se consolide autour de protocoles ouverts plutôt que d'écosystèmes fermés : MCP et A2A deviennent la langue commune, AutoGen se fond dans Microsoft Agent Framework et les SDK des fournisseurs évoluent vers la sandbox et la durable execution. En pratique, mieux vaut un modèle mixte qu'une monoculture ; par exemple n8n pour l'automatisation des workflows, LangGraph ou CrewAI auto-hébergés pour les agents code-first et Pydantic AI avec Logfire en région UE pour une production Python à typage sûr. Commence par le cas d'usage et une preuve de concept légère, garde tes prompts et tes outils indépendants du framework et revérifie les versions, le nombre d'étoiles et le statut du règlement européen sur l'IA juste avant chaque décision.