L’écosystème des agents IA open-source est entré dans une nouvelle phase en 2026. Ce qui a commencé comme des scripts Python expérimentaux et des projets de hackathon de week-end a mûri pour devenir un paysage vaste de frameworks de qualité production, d’agents de codage spécialisés, de plateformes d’orchestration visuelle et d’assistants personnels autonomes. Les dépôts GitHub pour les frameworks d’agents IA ont augmenté de 535 % entre 2024 et 2025 seulement, et le rythme ne s’est pas ralenti. Pour une comparaison détaillée des architectures de frameworks elles-mêmes, consultez notre Guide ultime des frameworks d’agents IA open-source. La question n’est plus de savoir si construire avec des agents, mais quel outil utiliser lorsque vous vous asseyez pour construire.
Ce guide est un instantané du paysage des agents IA open-source à la mi-2026, classé par adoption par la communauté, impact en production et influence sur l’écosystème. Pour chaque outil, vous trouverez le nombre approximatif d’étoiles GitHub (vérifié auprès de sources publiques), ce qu’il fait en une phrase, ce qui le rend distinctif et les cas d’utilisation qu’il sert le mieux.
Nous nous sommes appuyés sur des données de déploiement en production (y compris les 18+ déploiements en production d’Alice Labs, le tour d’horizon des frameworks open-source de Firecrawl, le classement ByteByteGo Top AI Repos et la liste complète Awesome AI Agents 2026), l’historique des étoiles GitHub et les discussions communautaires sur Hacker News, Reddit et les forums de développeurs. Pour un aperçu des modèles et architectures de production derrière ces outils, consultez notre Guide complet des agents IA.
1. Dify — La plateforme d’agents visuelle qui a dépassé la concurrence
Étoiles GitHub : ~143 000 (langgenius/dify) Lien : github.com/langgenius/dify
Dify est le dépôt d’agents IA le plus étoilé sur GitHub pour une bonne raison. C’est une plateforme open-source prête pour la production, conçue pour construire des workflows agentiques, des pipelines RAG et des applications IA — avec une interface glisser-déposer qui ne sacrifie pas la profondeur. Elle prend en charge plus de 100 fournisseurs de LLM, inclut une observabilité intégrée et peut être auto-hébergée ou utilisée via le cloud. Dify a levé une Série Pre-A de 30 millions de dollars au début de l’année 2026 et compte Maersk et Novartis parmi ses plus de 280 clients entreprises.
Ce qui la distingue : c’est l’outil rare qui fait véritablement le pont entre l’accessibilité sans code et l’ingénierie de production. Le constructeur de workflows visuel est suffisamment profond pour que les équipes sautent complètement l’écriture de code d’orchestration. Si vous devez livrer rapidement des agents IA sans construire d’infrastructure à partir de zéro, c’est le point de départ par défaut.
Idéal pour les équipes qui veulent une plateforme unique pour les chatbots, le RAG et les workflows multi-agents — et qui ne veulent pas choisir entre rapidité et qualité.
2. LangGraph — La référence production pour les agents avec état
Étoiles GitHub : ~33 000 (langchain-ai/langgraph) Lien : github.com/langchain-ai/langgraph
LangGraph se classe systématiquement n°1 en termes de préparation à la production dans toutes les comparaisons de frameworks 2026 que j’ai vues — et les déploiements le confirment : Klarna, Cisco et Vizient l’utilisent tous en production. C’est un framework d’orchestration de bas niveau où les nœuds sont des étapes de calcul et les arêtes sont des transitions conditionnelles. LangGraph a atteint la version 1.0 GA au début de l’année 2026 et compte plus de 39 600 dépôts dépendants.
L’idée clé : une gestion d’état explicite. Vous obtenez un contrôle déterministe sur le branchement, le bouclage et l’intervention humaine dans la boucle. Pas de magie, pas de valeurs par défaut cachées — juste un graphe orienté que vous pouvez comprendre. Si votre agent ne peut pas se permettre d’échouer, c’est par là qu’il faut commencer.
Idéal pour les systèmes de production qui nécessitent une coordination d’agents complexes avec état et des exigences élevées en matière d’observabilité.
3. CrewAI — L’orchestration multi-agents rendue accessible
Étoiles GitHub : ~47 800 (crewAIInc/crewAI) Lien : github.com/crewAIInc/crewAI
CrewAI donne à chaque agent un rôle, un objectif et une histoire — puis les laisse travailler ensemble en tant qu’« équipage ». Le modèle mental basé sur les rôles correspond étonnamment bien à la façon dont les équipes pensent réellement : chercheur, rédacteur, relecteur, codeur. Il a été téléchargé plus de 27 millions de fois, exécute 2 milliards d’exécutions d’agents et sert plus de 150 clients entreprises.
Les chiffres sont impressionnants, mais ce qui m’a convaincu, c’est la fonctionnalité « Flows » — des pipelines structurés et pilotés par les événements qui complètent l’architecture d’équipage. Cela transforme CrewAI d’un jouet de prototypage en quelque chose avec lequel vous pouvez réellement construire des workflows réels.
Idéal pour la génération de contenu, les pipelines de recherche et l’automatisation des processus métier — surtout si vous voulez une collaboration multi-agents facile à comprendre.
4. Microsoft AutoGen / AG2 — Le pionnier de la recherche multi-agents
Étoiles GitHub : ~48 000 (microsoft/autogen) ; le fork AG2 continue indépendamment Lien : github.com/microsoft/autogen | github.com/ag2ai/ag2
AutoGen a inventé le modèle « agents qui se parlent entre eux ». Il a été extrêmement influent — mais au début de l’année 2026, Microsoft l’a mis en mode maintenance et a livré le Microsoft Agent Framework (MAF) 1.0 en tant que remplacement sur table rase. Les créateurs originaux ont forké le projet sous le nom AG2, qui maintient un développement actif.
Si vous partez de zéro, vous avez un véritable choix de fork : AG2 (évolution) ou MAF (révolution). Le drama est réel, mais l’écosystème combiné continue de piloter la majeure partie de la recherche conversationnelle multi-agents.
Idéal pour les contextes académiques et de R&D où le modèle de conversation entre agents s’intègre naturellement, et pour les équipes à l’aise avec une situation de fork.
5. OpenAI Agents SDK — Primitives d’agents légères et prêtes pour la production
Étoiles GitHub : ~25 000 (openai/openai-agents-python) ; SDK JS/TS également disponible Lien : github.com/openai/openai-agents-python
L’OpenAI Agents SDK adopte l’approche opposée à la plupart des frameworks : il est délibérément minimaliste. Quatre primitives — Agents, Handoffs, Guardrails, Tracing — et vous êtes prêt. Il prend en charge plus de 100 LLM au-delà de ceux d’OpenAI, et l’interface de tracing intégrée vous donne une visibilité sur chaque décision de l’agent sans outil tiers.
C’est le successeur en production de Swarm (archivé début 2025), et cela se voit. La prise en charge des agents vocaux est une fonctionnalité de première classe, ce que presque personne d’autre ne fait au niveau du framework.
Idéal pour les équipes de l’écosystème OpenAI qui veulent le chemin le plus rapide vers des systèmes multi-agents de production sans gonflement du framework.
6. Flowise — Construction d’agents par glisser-déposer
Étoiles GitHub : ~43 000 (FlowiseAI/Flowise) Lien : github.com/FlowiseAI/Flowise
Flowise est le point d’entrée le plus accessible dans le domaine des agents. C’est un constructeur visuel basé sur des nœuds — faites glisser des blocs, connectez-les, et vous avez un agent. Appel de fonction, RAG, support multi-LLM, le tout via une interface graphique.
Est-ce pour la production ? Parfois. La vraie force est le prototypage. Les équipes utilisent Flowise pour valider visuellement les workflows d’agents avant de s’engager dans le code — et réalisent parfois que la version visuelle est suffisamment bonne et ne se donnent jamais la peine de passer à la version codée.
Idéal pour le prototypage rapide, les outils internes et les non-développeurs qui ont besoin d’expérimenter avec des architectures d’agents.
7. LangChain — Le couteau suisse du développement LLM
Étoiles GitHub : ~97 000 (langchain-ai/langchain) Lien : github.com/langchain-ai/langchain
LangChain est le framework LLM original — 97k étoiles, des millions de dépendants, le plus grand écosystème d’intégration dans le domaine. Si une API ou un outil existe, LangChain l’enveloppe probablement. Chaînes, agents, mémoire, récupération, tout est là.
Je vais être honnête : la complexité de LangChain a attiré de réelles critiques au fil des ans. Les couches d’abstraction peuvent sembler infinies. Mais cette complexité est aussi la raison pour laquelle il a survécu — lorsque vous devez connecter un outil personnalisé à trois bases de vecteurs différentes avec streaming et mémoire, LangChain s’en charge. LangGraph a repris le rôle d’orchestration des agents, mais LangChain reste la fondation sur laquelle la plupart des applications LLM sont construites.
Idéal pour les pipelines RAG, l’IA conversationnelle et l’extraction de données structurées où un large accès à l’intégration est plus important que la gestion d’état basée sur un graphe.
8. Claude Code / Anthropic Claude Agent SDK — Développement agentique natif du terminal
Étoiles GitHub : Le Claude Agent SDK n’est pas un dépôt autonome sur GitHub — Claude Code est distribué directement par Anthropic en tant qu’outil CLI Lien : docs.anthropic.com/en/docs/claude-code
Claude Code, propulsé par Claude Opus 4.7, est probablement l’agent de codage natif du terminal le plus abouti en 2026. Il lit l’intégralité de votre codebase, exécute des commandes shell, édite des fichiers et maintient le contexte sur des sessions de plusieurs heures. Le SDK sous-jacent (exécution en bac à sable, utilisation d’outils, sortie structurée) peut également être utilisé pour construire des agents personnalisés.
Alice Labs a classé le Claude Agent SDK n°2 pour les déploiements en production derrière LangGraph. C’est remarquable pour un produit qui est en disponibilité générale depuis moins d’un an. Si vous voulez un agent qui comprend l’intégralité de votre codebase et peut garder le contexte pendant des heures, c’est celui-ci.
Idéal pour les développeurs qui veulent un programmeur en binôme IA qui vit dans le terminal, comprend les grandes codebases et peut exécuter de manière autonome des refactorisations complexes.
9. OpenHands — L’ingénieur logiciel IA open-source
Étoiles GitHub : ~60 500 (All-Hands-AI/OpenHands) Lien : github.com/All-Hands-AI/OpenHands
OpenHands (anciennement OpenDevin) est l’une des plateformes d’agents de codage à la croissance la plus rapide. Il donne à un agent autonome un environnement de développement complet à l’intérieur d’un conteneur en bac à sable — écrire du code, exécuter des commandes, naviguer sur le web, se déboguer lui-même. Il combine une interface de type IDE avec une capacité autonome complète.
Le modèle d’exécution en bac à sable est la fonctionnalité killer ici. Vous pouvez laisser l’agent faire ce qu’il veut en sachant qu’il est contenu. Cela signifie que vous pouvez lui faire confiance avec plus d’autonomie que, disons, quelque chose qui s’exécute directement sur votre système de fichiers.
Idéal pour la correction de bugs, l’implémentation de fonctionnalités et l’exploration de codebase où vous voulez un agent autonome que vous pouvez laisser libre dans un bac à sable.
10. Mastra — Le framework d’agents natif TypeScript
Étoiles GitHub : ~10 000 (mastra-ai/mastra) Lien : github.com/mastra-ai/mastra
Mastra est le framework d’agents IA le plus complet pour les développeurs TypeScript — et je veux dire « complet » au sens littéral. Ce n’est pas une collection lâche de bibliothèques mais une plateforme intégrée : agents avec utilisation d’outils, workflows déterministes, mémoire persistante, frameworks d’évaluation, support MCP intégré, observabilité et déploiement. Il est soutenu par Y Combinator (13 millions de dollars) et vient de l’équipe derrière Gatsby.
Tout est typé via des schémas Zod, donc l’autocomplétion de votre IDE fonctionne de bout en bout. Si vous êtes un développeur TypeScript fatigué d’assembler des frameworks Python, Mastra mérite un examen sérieux.
Idéal pour les équipes TypeScript/JavaScript construisant des agents de production qui veulent un framework cohérent plutôt que d’assembler des bibliothèques à partir de zéro.
11. Haystack — Le framework RAG et agent de production
Étoiles GitHub : ~22 000 (deepset-ai/haystack) Lien : github.com/deepset-ai/haystack
Haystack utilise une architecture de pipeline qui vous donne un contrôle explicite sur chaque étape du processus de décision de votre agent. Récupération, routage, mémoire, génération — tout est transparent et débogable. Cela en fait un choix solide pour les équipes qui se soucient profondément de la qualité de la récupération et qui veulent comprendre exactement ce qui se passe sous le capot.
Là où il brille vraiment, c’est dans les applications lourdes en RAG. Les stratégies d’indexation sont les meilleures de leur catégorie, et si votre agent doit répondre à des questions à partir d’une collection de documents, le modèle de pipeline de Haystack facilite la construction et le réglage.
Idéal pour la recherche, les questions-réponses et les applications d’agents lourdes en RAG où la qualité de la récupération et la transparence du pipeline sont primordiales.
12. MetaGPT — Développement logiciel multi-agents
Étoiles GitHub : ~59 600 (FoundationAgents/MetaGPT) Lien : github.com/FoundationAgents/MetaGPT
MetaGPT simule une entreprise de logiciels entière dans un framework multi-agents. Donnez-lui une exigence d’une seule ligne et il assigne des chefs de produit, des architectes, des ingénieurs et des testeurs QA pour produire des user stories, des analyses concurrentielles, des structures de données, des API et du code.
C’est l’interprétation la plus littérale de « l’IA en tant qu’équipe logicielle ». Les sorties sont structurées et documentées — pas seulement du code, mais les artefacts que vous attendriez d’un véritable processus de planification. Pour les projets greenfield où la planification structurée est importante, c’est véritablement utile. Pour les codebases existantes, moins.
Idéal pour la génération de projets logiciels de bout en bout à partir d’exigences, en particulier les projets greenfield où la documentation et la planification sont aussi importantes que le code lui-même.
13. OpenAI Codex CLI — Agent de codage en terminal d’OpenAI
Étoiles GitHub : ~44 500 (openai/codex) Lien : github.com/openai/codex
La réponse d’OpenAI à Claude Code. Codex CLI opère sur votre système de fichiers local — lit le code, exécute des commandes, applique des correctifs, exécute des tâches de développement en plusieurs étapes — propulsé par des modèles de niveau GPT-5.5 avec un raisonnement étendu.
L’intégration avec l’écosystème de modèles d’OpenAI est le véritable argument de vente. Si vous êtes entièrement investi dans OpenAI, Codex CLI vous donne accès à leurs modèles de raisonnement les plus performants dans un package natif du terminal. L’exécution de code en bac à sable pour la refactorisation complexe de plusieurs fichiers est un plus appréciable.
Idéal pour les développeurs investis dans l’écosystème OpenAI qui veulent un assistant de codage natif du terminal avec accès au raisonnement GPT-5.5.
14. OpenCode — Agent de codage open-source agnostique en matière de fournisseur
Étoiles GitHub : ~55 000 (anomalyco/opencode) Lien : github.com/anomalyco/opencode
OpenCode vous permet de coder avec n’importe quel modèle de n’importe quel fournisseur — Claude, GPT, llama local, peu importe. L’expérience de l’agent reste cohérente indépendamment de ce qui se trouve sous le capot. C’est toute sa thèse : l’indépendance vis-à-vis du modèle sans sacrifier la qualité de l’agent.
C’est l’agent de codage le plus flexible de l’espace open-source. Si vous devez changer de fournisseur en fonction du coût, des capacités ou de la conformité — ou si vous refusez simplement d’être enfermé — OpenCode est le choix.
Idéal pour les développeurs qui veulent un agent de codage sans verrouillage sur un modèle, et les équipes qui ont besoin de flexibilité de fournisseur pour des raisons de coût ou de conformité.
15. Cline — L’agent de codage natif de l’IDE
Étoiles GitHub : ~49 000 (cline/cline) Lien : github.com/cline/cline
Cline vit à l’intérieur de VS Code. Il voit ce que vous voyez — la structure de votre projet, vos fichiers ouverts, la sortie de votre terminal — et peut prendre des mesures autonomes tout en vous gardant dans la boucle d’approbation pour les modifications critiques.
La conception native de l’IDE est le différenciateur. Au lieu de passer à une session de terminal séparée, Cline fonctionne dans votre flux de travail. Il crée et édite des fichiers, exécute des commandes, utilise le navigateur pour la recherche et fonctionne avec n’importe quelle API. Si vous vivez dans VS Code, cela semble plus naturel qu’un agent uniquement en terminal.
Idéal pour les développeurs qui préfèrent un agent qui opère dans leur flux de travail IDE existant et les maintient dans la boucle pour les approbations.
16. Vercel AI SDK — La boîte à outils IA du développeur web
Étoiles GitHub : ~20 400 (vercel/ai) Lien : github.com/vercel/ai
~2,8 millions de téléchargements npm par semaine. Le Vercel AI SDK est le framework IA TypeScript le plus téléchargé, et de loin. Il est optimisé pour React, Next.js et Svelte — streaming, appel d’outils et primitives d’agents qui s’intègrent dans votre application web existante.
Si vous construisez une application web et souhaitez ajouter des fonctionnalités IA, c’est probablement le bon choix. Il s’intègre parfaitement à l’écosystème React/Next.js, dispose d’un support de streaming de première classe et fonctionne avec n’importe quel backend LLM. La conception agnostique en matière de fournisseur signifie que vous n’êtes pas enfermé.
Idéal pour les développeurs frontend et full-stack qui ajoutent des agents IA, des chatbots et des fonctionnalités de streaming à leurs applications.
17. Semantic Kernel — L’IA d’entreprise pour .NET et au-delà
Étoiles GitHub : ~21 000 (microsoft/semantic-kernel) Lien : github.com/microsoft/semantic-kernel
Semantic Kernel est le SDK de Microsoft pour intégrer les LLM avec C#, Python et Java. Il fournit des abstractions pour les plugins IA, la planification et la mémoire — et c’est le choix par défaut si vous êtes sur la pile .NET.
Voici ce qui compte : c’est le seul framework d’agents majeur avec un support .NET de première classe. Si votre organisation fonctionne sur l’infrastructure Microsoft, Semantic Kernel comble le fossé entre les piles d’entreprise et le développement moderne d’agents IA. Intégration Azure profonde, naturellement.
Idéal pour les équipes d’entreprise sur la pile Microsoft/.NET qui ont besoin d’ajouter des capacités IA aux applications existantes sans réécrire leur infrastructure.
18. Eliza — Framework de simulation sociale multi-agents
Étoiles GitHub : ~10 000+ (elizaOS/eliza) Lien : github.com/elizaOS/eliza
Eliza (par ai16z) est conçu pour les agents qui vivent sur les plateformes sociales — Discord, X, Telegram — et maintiennent des personnalités persistantes. Il utilise un système de personnalité basé sur les rôles avec une gestion de la mémoire alimentée par RAG, afin que les agents se souviennent de qui ils sont et de ce qu’ils ont dit à travers les interactions.
Si vous voulez un bot qui agit comme un personnage cohérent sur plusieurs plateformes, Eliza est le framework qui se démarque. Il gère la cohérence de la personnalité et la mémoire à long terme mieux que tout autre chose dans l’espace open-source. Simulation sociale, gestion de communauté, présence multiplateforme — c’est l’outil.
Idéal pour les bots de médias sociaux, les agents de gestion de communauté et les simulations sociales multi-agents où la cohérence de la personnalité est importante.
19. Hermes Agent — Assistant personnel IA auto-apprenant
Étoiles GitHub : ~150 000 (NousResearch/hermes-agent) Lien : github.com/NousResearch/hermes-agent
Divulgation complète : Hermes Agent alimente cette publication même. C’est l’agent IA personnel open-source de Nous Research avec une mémoire persistante, une architecture auto-apprenante, des capacités d’utilisation d’outils et un système de plugins/compétences. Il fonctionne localement, se souvient d’une session à l’autre et s’améliore grâce à l’interaction.
Ce qui le distingue : l’auto-apprentissage. Il est sans état — il se souvient de vos préférences, s’adapte à votre flux de travail et s’améliore à mesure que vous l’utilisez. Profils, compétences, plugins, tâches cron, déploiement multiplateforme (Telegram, Discord, terminal, web). Il est conçu pour un fonctionnement autonome à long terme, pas pour des tâches ponctuelles. Avec 150k étoiles, c’est l’agent IA personnel le plus étoilé sur GitHub.
Idéal pour la productivité personnelle, l’exécution de tâches autonomes à long terme et les développeurs qui veulent un agent qui apprend leurs préférences.
20. Continue — Assistant de codage IA open-source pour votre IDE
Étoiles GitHub : ~28 000 (continuedev/continue) Lien : github.com/continuedev/continue
Continue est la principale alternative open-source à GitHub Copilot. Autocomplétion, chat, actions d’agent — le tout à l’intérieur de VS Code et des IDE JetBrains. La différence clé : un contrôle total sur les modèles et la confidentialité des données. Vous pouvez utiliser des modèles locaux, des modèles cloud ou un mélange des deux. Tout peut rester local si vous le souhaitez.
Le mode agent croissant peut agir dans votre éditeur, et la conception agnostique en matière de fournisseur signifie que vous n’êtes lié à aucun modèle unique. Si le verrouillage de Copilot vous dérange — ou si vous avez besoin de confidentialité des données — Continue est la réponse.
Idéal pour les développeurs qui veulent un assistant de codage IA open-source et personnalisable à l’intérieur de leur IDE avec un contrôle total sur les modèles et la confidentialité des données.
Tableau comparatif
| # | Outil | Étoiles (~) | Langage | Type | Idéal pour |
|---|---|---|---|---|---|
| 1 | Dify | 143k | TypeScript/Python | Plateforme visuelle | Développement d’agents sans code/peu de code |
| 2 | LangGraph | 33k | Python | Framework d’agents | Workflows d’agents avec état en production |
| 3 | CrewAI | 48k | Python | Orchestration multi-agents | Équipes d’agents basées sur des rôles |
| 4 | AutoGen / AG2 | 48k | Python | Recherche multi-agents | Prototypage conversationnel multi-agents |
| 5 | OpenAI Agents SDK | 25k | Python/TypeScript | SDK d’agents | Agents de production dans l’écosystème OpenAI |
| 6 | Flowise | 43k | TypeScript | Constructeur visuel | Prototypage d’agents par glisser-déposer |
| 7 | LangChain | 97k | Python | Framework LLM | Développement général d’applications LLM |
| 8 | Claude Code / SDK | N/A | TypeScript | Agent de codage | Programmation en binôme IA native du terminal |
| 9 | OpenHands | 60.5k | Python | Agent de codage | Ingénierie logicielle autonome |
| 10 | Mastra | 10k | TypeScript | Framework d’agents | Développement d’agents natif TypeScript |
| 11 | Haystack | 22k | Python | RAG + Framework d’agents | RAG de production et agents de recherche |
| 12 | MetaGPT | 59.6k | Python | Multi-agents | Génération de projets logiciels |
| 13 | OpenAI Codex CLI | 44.5k | Python/TypeScript | Agent de codage | Codage en terminal natif OpenAI |
| 14 | OpenCode | 55k | TypeScript | Agent de codage | Agent de codage agnostique en matière de fournisseur |
| 15 | Cline | 49k | TypeScript | Agent IDE | Codage autonome natif de l’IDE |
| 16 | Vercel AI SDK | 20.4k | TypeScript | SDK web | Fonctionnalités IA pour applications web |
| 17 | Semantic Kernel | 21k | C#/Python/Java | SDK d’entreprise | Intégration IA d’entreprise .NET |
| 18 | Eliza | 10k+ | TypeScript | Social multi-agents | Simulation sociale et agents de plateforme |
| 19 | Hermes Agent | 150k | Python | Agent personnel | Assistant personnel autonome à long terme |
| 20 | Continue | 28k | TypeScript | Assistant IDE | Alternative open-source à Copilot |
Comment choisir
Le bon outil dépend de trois questions :
-
Quel est votre langage principal ? Les développeurs Python gravitent vers LangGraph, CrewAI et Haystack. Les équipes TypeScript/JavaScript devraient évaluer Mastra, Vercel AI SDK et l’OpenAI Agents JS SDK. Les entreprises .NET ont Semantic Kernel.
-
Avez-vous besoin d’un framework ou d’une plateforme ? Les frameworks (LangGraph, CrewAI, Mastra) vous donnent un contrôle maximal au prix de plus de code. Les plateformes (Dify, Flowise) vous offrent un délai de rentabilisation plus rapide avec des constructeurs visuels mais moins de flexibilité architecturale. Les agents de codage (Claude Code, Codex CLI, Cline, OpenHands) sont une troisième catégorie — ce sont des outils permettant aux développeurs d’écrire du code avec l’aide de l’IA, et non des frameworks pour construire des applications d’agents.
-
Quel est votre environnement de déploiement ? Si vous avez besoin d’un déploiement auto-hébergé sur site, Dify, Flowise et Hermes Agent excellent. Si vous êtes natif du cloud, LangGraph Platform et Mastra Cloud réduisent les frais généraux d’exploitation. Si vous construisez pour le navigateur, Vercel AI SDK est le choix évident.
L’écosystème évolue rapidement — plusieurs outils de cette liste n’ont atteint la disponibilité générale qu’au début de l’année 2026, et la transition d’AutoGen vers AG2 et Microsoft Agent Framework montre à quelle vitesse les choses peuvent changer. Ajoutez cette page à vos favoris et revenez. Nous la mettrons à jour au fur et à mesure que le paysage évoluera.
Les nombres d’étoiles et les données d’adoption proviennent des pages GitHub publiques, des classements OSS Insight et des rapports de la communauté des développeurs en date de mai 2026. Vérifiés par rapport à plusieurs analyses indépendantes, notamment le tour d’horizon des frameworks de Firecrawl, les données de déploiement en production d’Alice Labs, le classement ByteByteGo Top AI Repos et la compilation Awesome AI Agents 2026.