Frameworks d'agents IA : le comparatif LangGraph, CrewAI, ADK, Agents SDK…

Un framework d’agents IA fournit la plomberie qui relie un modèle de langage à des outils, une mémoire et d’autres agents ; au 22 octobre 2026, les choix actifs les plus solides sont LangGraph, CrewAI, Microsoft Agent Framework, Google ADK, l’OpenAI Agents SDK, Pydantic AI et Mastra, chacun pour un profil différent. Avant de comparer, éliminez les projets arrêtés ou remplacés : AutoGen est archivé, Semantic Kernel est devenu Microsoft Agent Framework et plusieurs plateformes ferment ou changent de nom.

Ce qu’apporte un framework, et quand s’en passer

Un agent se résume à une boucle : le modèle lit l’objectif, choisit un outil, reçoit le résultat, décide de l’étape suivante. Quelques dizaines de lignes de code suffisent pour la faire tourner avec l’API d’un fournisseur. Le framework intervient ensuite, quand la boucle doit devenir fiable :

• L’état et la reprise : sauvegarder où en est l’agent, reprendre après une panne, rejouer une étape.
• La mémoire : conserver le contexte d’une conversation ou d’un utilisateur d’une session à l’autre.
• L’orchestration : enchaîner plusieurs étapes ou plusieurs agents, avec des branches et des boucles.
• Les intégrations : connecteurs vers les fournisseurs de modèles, prise en charge du protocole MCP pour les outils et, de plus en plus, du protocole A2A pour faire dialoguer des agents entre eux.
• Le suivi : traces de chaque appel, coûts, évaluations, ce qu’on appelle l’observabilité des LLM.

Si votre besoin tient en une tâche et quelques outils, une plateforme visuelle peut suffire ; notre tutoriel créer un agent IA sans coder détaille cette voie. Pour la vue d’ensemble, du no-code au code, voyez notre guide créer un agent IA.

D’abord, les statuts : ce qui est arrêté ou remplacé

Le paysage a beaucoup bougé en 2025 et 2026. Plusieurs noms très cités dans les tutoriels ne sont plus des choix raisonnables pour un nouveau projet.

Ces changements ont une conséquence pratique : un tutoriel de 2024 qui s’appuie sur AutoGen ou Semantic Kernel vous fera écrire du code qu’il faudra migrer. Vérifiez toujours la date d’un exemple et le statut du projet sur sa fiche.

Le comparatif des frameworks de code actifs

Voici les dix frameworks de code les plus souvent retenus, avec leurs caractéristiques telles que décrites sur leurs fiches (type, licence, prise en charge de MCP, multi-agents, niveau requis) :

Outil	Type	Licence	MCP	Multi-agents	Niveau
LangGraph	Code	MIT	Oui	Oui	Avancé
CrewAI	Code	MIT	Oui	Oui	Intermédiaire
Microsoft Agent Framework	Code	MIT	Oui	Oui	Intermédiaire
Google Agent Development Kit (ADK)	Code	Apache-2.0	Oui	Oui	Intermédiaire
OpenAI Agents SDK	Code	MIT	Oui	Oui	Intermédiaire
Claude Agent SDK	Code	proprietary	Oui	Oui	Intermédiaire
Pydantic AI	Code	MIT	Oui	Oui	Intermédiaire
Mastra	Code	Apache-2.0	Oui	Oui	Intermédiaire
LlamaIndex	Code	MIT	Oui	Oui	Intermédiaire
smolagents	Code	Apache-2.0	Oui	Oui	Débutant

Tous prennent en charge le protocole MCP et les architectures multi-agents. Les différences se jouent ailleurs : le langage, le degré de contrôle, le lien avec un fournisseur de modèles et l’écosystème payant autour du cœur open source.

Les fiches, famille par famille

Les frameworks à graphe : LangGraph et LangChain

LangGraph décrit un agent comme un graphe : des nœuds (appeler le modèle, exécuter un outil, demander une validation) reliés par des transitions, avec un état partagé sauvegardé à chaque étape. C’est le framework le plus explicite de la liste : vous voyez et contrôlez chaque chemin possible, vous pouvez interrompre l’agent pour une validation humaine puis le reprendre. La contrepartie, c’est une courbe d’apprentissage plus raide, d’où le niveau « avancé » sur sa fiche. Licence MIT, versions Python et TypeScript.

LangChain, du même éditeur, sert aujourd’hui de couche de haut niveau : ses agents sont construits sur LangGraph, et il apporte une vaste bibliothèque d’intégrations. L’offre payante associée est LangSmith (observabilité, évaluation, déploiement) : formule Developer gratuite, Plus à 39 $ par siège et par mois au 22 octobre 2026, le déploiement étant facturé à l’usage.

Pour qui ? Les équipes qui construisent des agents longs ou critiques, avec reprise sur erreur, validation humaine et besoin d’auditer chaque transition.

Les équipes d’agents : CrewAI

CrewAI part d’une métaphore : une équipe (« crew ») d’agents ayant chacun un rôle, un objectif et des outils, qui se répartissent des tâches. On décrit qui fait quoi, souvent dans des fichiers de configuration, et le framework organise la collaboration ; il propose aussi des « flows » pour les enchaînements plus déterministes. Framework Python autonome, indépendant de LangChain, compatible Python 3.10 à 3.13, sous MIT. L’offre commerciale CrewAI AMP ajoute déploiement géré et gouvernance ; son plan Basic gratuit est limité à 50 exécutions de workflow par mois.

Pour qui ? Ceux qui pensent leur problème en rôles (chercheur, rédacteur, relecteur) et veulent un système multi-agents opérationnel vite, sans dessiner chaque transition.

Les SDK des grands fournisseurs

Microsoft Agent Framework est le successeur direct d’AutoGen et de Semantic Kernel, créé par les mêmes équipes. Version 1.0 en Python et .NET publiée le 2 avril 2026, SDK Go en préversion publique, licence MIT. Il reprend les agents conversationnels d’AutoGen et les briques d’entreprise de Semantic Kernel, avec un hébergement payant possible sur le cloud de Microsoft. C’est le choix logique pour une équipe .NET ou un parc Azure, et la cible de migration des deux anciens projets.

Google Agent Development Kit (ADK) est disponible en Python, TypeScript, Go et Java, dans des dépôts séparés sous Apache-2.0. Il prend en charge le protocole A2A et se déploie, en option payante, sur Google Cloud (Agent Runtime, Cloud Run, GKE). Il fonctionne avec d’autres modèles que Gemini, mais son intégration est la plus poussée dans l’écosystème Google.

OpenAI Agents SDK, successeur du projet expérimental Swarm, mise sur la simplicité : quelques primitives (agents, outils, transferts d’un agent à l’autre, garde-fous) en Python et en TypeScript, sous MIT. Le SDK est gratuit ; seuls les appels aux modèles sont facturés. C’est aussi la cible de migration proposée par OpenAI pour les workflows de l’Agent Builder qui ferme le 30 novembre 2026.

Claude Agent SDK, anciennement Claude Code SDK et renommé en septembre 2025, donne accès à la boucle d’agent qui fait tourner Claude Code : lecture de fichiers, commandes, recherche, sous-agents. Il est gratuit mais régi par les conditions commerciales d’Anthropic, et il fonctionne uniquement avec les modèles Claude. Idéal pour des agents qui manipulent du code ou des fichiers ; à écarter si vous voulez changer de fournisseur.

Côté AWS, Strands Agents (Apache-2.0, Python et TypeScript) joue un rôle comparable, avec un déploiement naturel sur Bedrock AgentCore.

Pour qui ? Ceux qui ont déjà choisi leur fournisseur de cloud ou de modèles : le SDK maison réduit les frictions, au prix d’une dépendance plus forte.

Les frameworks Python « légers » et typés

Pydantic AI, par l’équipe de la bibliothèque de validation Pydantic, applique au monde des agents la même philosophie : des entrées et des sorties typées, validées, avec une sortie structurée garantie. Version 1.0 en septembre 2025, licence MIT. L’offre payante n’héberge pas les agents : c’est Logfire, un service d’observabilité (Team 49 $ par mois, Growth 249 $ par mois au 22 octobre 2026), l’instrumentation OpenTelemetry fonctionnant aussi avec d’autres outils.

smolagents, de Hugging Face (Apache-2.0), est le plus accessible de la liste, au niveau « débutant » sur sa fiche. Sa spécialité, le CodeAgent, écrit ses actions sous forme de code Python plutôt qu’en appels d’outils au format JSON ; l’exécution peut être isolée dans Docker ou chez des services tiers.

Agno, ex-Phidata, propose un SDK et un environnement d’exécution (AgentOS) gratuits, avec un plan Pro à 150 $ par mois pour connecter son plan de contrôle à un déploiement.

Pour qui ? Les développeurs Python qui veulent écrire du code d’application normal, testable, sans adopter une architecture complète.

Le monde TypeScript : Mastra et Vercel AI SDK

Mastra est un framework TypeScript complet : agents, workflows, mémoire, évaluations. Sa version 1.0 est sortie en janvier 2026. Attention à la licence double : le cœur est sous Apache-2.0, mais le code des dossiers ee/ relève d’une licence entreprise pour la production.

Vercel AI SDK (Apache-2.0, paquet npm « ai ») est davantage une bibliothèque qu’un framework : une interface unique vers de nombreux fournisseurs, très utilisée dans les applications web. Par défaut, les appels passent par Vercel AI Gateway, un service distinct facturé, mais on peut appeler directement les fournisseurs.

Pour qui ? Les équipes web et Node.js qui veulent garder une seule pile technique, du front au back.

Documents et RAG : LlamaIndex et Haystack

LlamaIndex (MIT) s’est fait connaître pour l’indexation de documents et reste orienté vers les agents qui travaillent sur des données. L’éditeur concentre désormais ses efforts sur LlamaParse, sa plateforme payante d’analyse de documents ; la version TypeScript du framework est archivée. Haystack, de deepset (Apache-2.0), a publié sa version 3 en juillet 2026 et vise les pipelines de recherche documentaire en production, avec une offre entreprise.

Pour qui ? Les projets où l’essentiel du travail consiste à retrouver la bonne information dans un corpus, avant de raisonner dessus.

Les cas à part : DSPy et les plateformes cloud

DSPy (MIT), né à Stanford, ne s’utilise pas comme les autres : au lieu d’écrire des prompts, vous décrivez des modules et des métriques, et le framework optimise les prompts automatiquement. Puissant pour qui a des données d’évaluation, déroutant pour les autres ; version 3.0 en août 2025.

Les plateformes Amazon Bedrock AgentCore et Gemini Enterprise Agent Platform ne sont pas des frameworks au sens strict : elles hébergent, sécurisent et supervisent des agents écrits avec le framework de votre choix. Elles sont payantes et de niveau avancé ; on les envisage une fois le framework choisi.

Le verdict : quel framework pour qui ?

Votre situation	Choix à étudier en premier	Pourquoi
Agent long, critique, avec validations humaines	LangGraph	État sauvegardé, reprise, contrôle de chaque transition
Équipe d’agents à rôles, prototype rapide	CrewAI	Rôles et tâches déclaratifs, multi-agents natif
Entreprise .NET ou Azure, ancien code AutoGen ou Semantic Kernel	Microsoft Agent Framework	Successeur officiel, Python et .NET
Projet sur Google Cloud, besoin d’A2A	Google ADK	Quatre langages, déploiement géré Google
Agent simple sur modèles OpenAI, migration depuis Agent Builder	OpenAI Agents SDK	Peu de concepts, cible de migration officielle
Agent qui manipule du code et des fichiers, modèles Claude	Claude Agent SDK	Boucle de Claude Code, outils fichiers intégrés
Application Python typée et testable	Pydantic AI	Sorties validées, code Python classique
Pile TypeScript de bout en bout	Mastra ou Vercel AI SDK	Framework complet ou bibliothèque légère
Agents sur un gros corpus documentaire	LlamaIndex ou Haystack	Indexation et recherche au cœur
Premier essai, apprentissage	smolagents	Concepts réduits, niveau débutant

Vérifiez-vous Votre équipe maintient un assistant interne écrit avec AutoGen en 2024. Il fonctionne. Faut-il le migrer ?

Oui, à planifier. AutoGen est archivé : plus aucun correctif, y compris de sécurité, et Microsoft déconseille son usage en production. La cible logique est Microsoft Agent Framework, conçu par la même équipe et qui reprend ses concepts. Rien ne presse au point de casser ce qui marche, mais chaque faille découverte dans AutoGen ou ses dépendances restera ouverte.

Les critères qui départagent vraiment

Le langage. C’est souvent le premier filtre. En Python, presque tout est disponible. En TypeScript : LangGraph, Mastra, Vercel AI SDK, OpenAI Agents SDK, Google ADK, Strands. En .NET : Microsoft Agent Framework. En Go et Java : Google ADK, et Go en préversion chez Microsoft.

Le lien avec un fournisseur de modèles. La plupart des frameworks acceptent plusieurs fournisseurs. Le Claude Agent SDK, lui, ne fonctionne qu’avec Claude ; les SDK d’OpenAI et de Google acceptent d’autres modèles, mais leurs fonctions les plus avancées sont pensées pour leur propre écosystème. Si la liberté de changer de modèle compte pour vous, préférez un framework neutre.

Les protocoles. Tous les frameworks du tableau prennent en charge MCP, qui permet de brancher des outils standardisés ; si vous comptez exposer vos propres outils, notre guide créer un serveur MCP explique comment. A2A, pour la communication entre agents, est mis en avant par Google ADK et BeeAI.

La licence. MIT et Apache-2.0 laissent une grande liberté, y compris commerciale. Lisez les exceptions : la partie entreprise de Mastra, les conditions commerciales du Claude Agent SDK.

Le coût réel. Le framework est presque toujours gratuit ; ce qui coûte, ce sont les appels aux modèles, puis l’hébergement et l’observabilité. Un agent qui boucle dix fois sur une tâche consomme dix fois plus de tokens qu’un appel simple.

La capacité à évaluer. Un framework qui facilite les traces et les tests vous fera gagner plus de temps que n’importe quelle fonction spectaculaire. Notre guide évaluer un agent IA détaille la méthode.

Pour filtrer et comparer toutes les fiches, y compris celles non citées ici (Atomic Agents, BeeAI, CAMEL, Langroid, OpenHands…), utilisez notre comparateur de frameworks d’agents.