Vous avez fini par avoir un agent qui marche. Peut-être deux. Et là, une question très concrète arrive : où vivent-ils, qui leur donne du travail, et comment vous savez ce qu’ils ont fait ? Tant qu’un agent tourne dans un terminal ou une fenêtre de chat, c’est vous la file d’attente, vous le tableau de bord, vous la mémoire. Ça ne passe pas à deux agents, encore moins à cinq.
C’est exactement le trou que Multica remplit. Et plutôt que d’en parler en théorie, on va vous montrer comment nous l’utilisons en production chez Nefia - avec le vrai montage, les vrais résultats, et la facture d’apprentissage qui va avec.
C’est la suite logique de deux dossiers qu’on a déjà publiés : comment organiser l’IA en entreprise (la pile à 5 étages, du chat à l’orchestration) et quel agent IA personnel en 2026 (OpenHuman, Hermes, OpenClaw). Multica se place tout en haut de cette pile.
En 30 secondes
Multica, c'est un outil de gestion de tâches où les agents IA sont des membres de l'équipe à part entière : vous leur assignez des tickets comme à un collègue, ils travaillent, rapportent, et capitalisent des compétences réutilisables. Ce n'est pas un agent de plus ; c'est la couche de management au-dessus des agents - la même famille que Paperclip. Chez Nefia, Multica fait tourner le cerveau documentaire de l'entreprise : nos mails et nos réunions se transforment tout seuls en notes reliées, qu'un agent enrichit en continu. Les autres outils de la liste ne jouent pas le même rôle : OpenClaw exécute, Hermes apprend, Dust et Langdock équipent des équipes, et Langfuse n'orchestre rien du tout - il mesure. On déroule tout ça ci-dessous.
Multica en une phrase
Multica se présente comme un outil de gestion de projet pour des équipes humains + agents. L’image est simple : un tableau de tickets façon Linear ou Jira, sauf que dans la liste des personnes à qui vous assignez une tâche, il y a aussi vos agents IA. Vous leur confiez un ticket, ils passent le statut en “en cours”, travaillent, commentent, ouvrent d’autres tickets, et vous suivez tout dans un fil d’activité unique où humains et agents apparaissent côte à côte.
Pour comprendre le reste, trois notions suffisent.
L'agent
Une IA avec un nom, des instructions, un modèle et des accès. Comme un collègue : il a un profil, on lui assigne du travail, il rend compte.
Le runtime
La machine et le harness qui exécutent l'agent (Claude Code, Codex, Cursor, OpenCode...). Un panneau unique montre vos runtimes locaux et cloud, en ligne ou non.
Le déclencheur
Ce qui met l'agent au travail tout seul : sur assignation d'un ticket, sur commentaire, sur mention, ou sur une planification (toutes les nuits, chaque dimanche...).
Deux détails qui comptent, parce qu’ils piègent tout le monde au début :
Deuxième idée, la plus intéressante sur la durée : les skills. Une solution trouvée une fois (déployer en staging, écrire une migration, relire une PR) se range en compétence réutilisable - du code, de la config et du contexte empaquetés ensemble. Écrite une fois, elle sert à tous les agents. C’est l’effet cumulatif : jour 1, vous apprenez une chose à un agent ; jour 30, toute l’équipe d’agents sait la faire.
Côté licence, Multica est source-available : le code est public, vous pouvez l’auto-héberger gratuitement pour votre propre organisation (Docker, binaire unique ou Kubernetes), ou prendre la version cloud. Une licence commerciale n’est requise que pour le revendre en service hébergé à des tiers.
Où ça se place : l’étage 4, à côté de Paperclip
Dans notre pile à 5 étages, Multica occupe le sommet : l’orchestration. C’est l’étage où la question n’est plus “est-ce que mon agent marche ?” mais “comment je fais travailler plusieurs agents, avec des rôles, un suivi et une traçabilité ?”.
Son jumeau le plus proche, c’est Paperclip : les deux sont la couche de management au-dessus des agents. La nuance tient en deux points. Paperclip est franchement orienté gouvernance et argent (organigramme, budget par agent avec coupure automatique au plafond, tickets, validation humaine) ; Multica est franchement orienté exécution et flux de travail (cycle de vie complet des tâches, skills cumulatives, détection automatique des outils de code sur votre machine, suivi temps réel). Dit autrement : Paperclip, c’est le conseil d’administration de vos agents ; Multica, c’est leur atelier.
Une réserve honnête, valable pour les deux : cet étage présuppose que les étages du dessous sont posés. Mettre un orchestrateur avant d’avoir des agents qui fonctionnent et un contexte propre, c’est recruter un manager pour une équipe qui n’existe pas encore.
Notre cas réel : le cerveau de Nefia tourne sur Multica
Voilà notre usage, sans le maquiller. On avait un problème de mémoire : nos échanges (mails, réunions) se perdaient, chaque IA repartait de zéro, et le contexte de Nefia vivait éparpillé dans des têtes et des boîtes mail. On a monté une mémoire agentique partagée : les mails et les réunions sont distillés en notes Markdown reliées entre elles (un graphe de connaissances), qu’un agent enrichit tout seul, et qu’un humain peut lire et corriger dans Obsidian. Multica, c’est le cerveau qui fait tourner cet agent.
Quatre briques, dans l’ordre :
n8n
Deux flux : chaque mail reçu sur nos boîtes, chaque réunion transcrite. Un tri décide "on garde / on jette", et si on garde, une note brute est écrite dans le store.
Le graphe de notes
Des fichiers Markdown (1 note par mail, réunion, personne, entreprise) plus un index pour la recherche et les liens. La source de vérité, exposée aux agents via un connecteur standard (MCP).
Multica
Un agent "Mémoire" avec ses règles de curation et ses skills, sur un runtime. Cinq déclencheurs le mettent au travail : deux sur événement (mail, réunion), trois planifiés (nuit et semaine).
Obsidian
Un dossier local synchronisé miroite les notes. Vous ouvrez le graphe, vous lisez, vous éditez. L'IA lit exactement ce que vous lisez - et inversement.
Le point qu’on tient à souligner : Multica se présente d’abord comme un gestionnaire d’agents de code. Nous, on l’utilise pour un agent de curation de connaissance, qui n’écrit pas une ligne de code. Et ça marche, parce qu’au fond un runtime reste un harness capable de bien d’autres choses que coder. C’est un bon signe pour l’outil : il est plus général que sa page d’accueil ne le laisse croire. On détaille la logique de cette mémoire dans pourquoi votre second cerveau IA se dégrade avec le temps.
Pas à pas 1 : un mail arrive, une note de connaissance en sort
Le flux temps réel, de bout en bout, tel qu’il tourne chez nous.
Le mail arrive et passe un filtre
À réception, un tri décide garder / jeter. Une newsletter, une notification, un rapport automatique : on jette. Un échange prospect ou client : on garde. Ce filtre n'est pas un détail (voir plus bas pourquoi il nous a coûté cher).
Une note brute est écrite
Si on garde, le flux écrit une note minimale dans le store : expéditeur, destinataire, corps. Rien d'intelligent encore. La note est nommée sur le fil de discussion, donc un même échange reste une seule note (fini les doublons quotidiens).
Le déclencheur réveille l'agent
Le flux "ping" le déclencheur d'enrichissement de Multica : "nouvelle note, va la traiter". L'agent "Mémoire" se met au travail sur ce ticket, sans intervention humaine.
L'agent enrichit et relie
Il applique ses skills et ses règles : canonicaliser les noms (le display_name d'Outlook est sale), déduire l'entreprise depuis le domaine, écrire des observations typées et des liens bidirectionnels. Il réécrit la note enrichie et crée ou complète les fiches des personnes et entreprises citées, avec les liens retour.
Le résultat se lit, et se requête
Dans Obsidian, la note est désormais reliée au reste du graphe. Et surtout : une question comme "qu'est-ce qu'on s'est dit avec ce prospect ?" peut être répondue par un agent qui interroge la mémoire - même s'il n'était pas dans la boucle à l'origine.
Pas à pas 2 : confier une tâche récurrente à un agent
L’autre moitié de Multica, c’est “tu lances et tu oublies” : des agents qui travaillent pendant que vous dormez. Voilà comment on câble une tâche planifiée.
On écrit l'agent une fois
Un nom, des instructions de curation (nos règles Nefia : noms canoniques, pas d'auto-lien, liens bidirectionnels...), un modèle, et les skills attachées. C'est l'équivalent d'une fiche de poste.
On crée un déclencheur planifié
Plutôt qu'un webhook, une planification : toutes les nuits à 3h, chaque dimanche. C'est ça, assigner une tâche récurrente à une IA sans y penser.
On lui donne un périmètre borné
Leçon apprise : on borne. Le run de nuit ne repasse que les notes modifiées depuis 24h, plafonné à un petit nombre. Le balayage complet, lui, appartient au run du dimanche. Sans bornage, un agent planifié relit tout, toutes les nuits - et facture tout, toutes les nuits.
On le laisse tourner, et on vérifie
Chez nous, trois tâches planifiées : un rattrapage de nuit (filet de sécurité sur les notes ratées), une hygiène hebdo (dédupliquer, restructurer) et une synthèse hebdo qui consolide décisions et actions, et émet une note de "santé" du graphe. Le cycle de vie de chaque tâche est tracé : enfilée, prise, démarrée, terminée ou échouée. Pas d'échec silencieux.
Ce que ça donne (et ce que ça nous a coûté d’apprendre)
Le résultat net, d’abord : ça tourne, et un vrai graphe se construit. Des centaines de notes de mails et de réunions, des dizaines de fiches personnes et entreprises reliées entre elles, lisibles à la main dans Obsidian. La promesse “interroger la mémoire de l’entreprise” est tenue.
Mais on ne va pas vous vendre le conte de fées. Les premières semaines ont piqué.
La facture d'apprentissage : environ 50 euros brûlés en six jours
Cause racine unique : le filtre garder/jeter n'était pas branché sur le vrai flux de mails. Résultat, chaque newsletter, chaque notification déclenchait une note, des entités, et surtout un run d'enrichissement de l'agent - sur un modèle premium. Multipliez par le volume d'une boîte mail réelle, ajoutez un run de nuit qui relisait tout le graphe chaque nuit, et la note grimpe vite. En prime : du bruit plein la mémoire (les trois quarts des notes ne méritaient pas d'exister) et des doublons.
Les correctifs : un filtre garder/jeter déterministe, placé avant tout enrichissement ; un modèle environ dix fois moins cher pour l'agent ; des notes nommées sur le fil (fin des doublons) ; un bornage des runs planifiés ; et un grand ménage (de 109 notes de mails à 31).
Deux enseignements qui dépassent largement notre cas, et qu’on applique chez nos clients :
- Un agent qui se déclenche sur chaque événement a besoin d’un portier. Sans filtre en amont, il tourne - et facture - sur du bruit. La question n’est jamais “est-ce que l’agent sait faire ?”, c’est “qu’est-ce qui a le droit de le réveiller ?”.
- Pour un rattrapage massif, l’ingestion déterministe bat l’agent. Quand on a dû réintégrer deux mois d’historique, le faire faire par l’agent note par note était lent, instable et cher. Un script côté client, direct, a été plus rapide, plus contrôlable et gratuit. On réserve l’agent IA au temps réel, là où il apporte vraiment quelque chose.
Ces deux leçons rejoignent ce qu’on détaille dans le vrai coût de l’IA en entreprise : l’outil est rarement le poste cher ; ce sont les garde-fous, le cadrage et les jours d’ingénierie qui font la facture - et la valeur.
Le comparatif : Multica face aux cinq autres
La liste qu’on nous a demandé de comparer mélange des catégories qui ne font pas le même métier. C’est justement l’intérêt de la mettre à plat : voir qui orchestre, qui exécute, qui équipe, et qui mesure.
| Outil | Couche | Ce qu'il fait vraiment | Modèle | Pour qui |
|---|---|---|---|---|
| Multica | Étage 4 · orchestration | Fait travailler une équipe d'agents. Tickets assignés aux agents comme à des collègues, cycle de vie complet des tâches, skills réutilisables, panneau de runtimes. | Source-available, cloud ou self-host | Qui a déjà des agents et veut les faire travailler ensemble, avec suivi |
| Paperclip | Étage 4 · orchestration | Gouverne une équipe d'agents. Organigramme, budget par agent avec coupure au plafond, tickets, validation humaine. Le cousin "conseil d'administration" de Multica. | Open source (MIT), self-host | Qui veut d'abord le contrôle des coûts et des droits |
| OpenClaw | Étage 2 · exécution | Agit sur vos systèmes : lit les mails, manipule les fichiers, exécute des actions, piloté depuis WhatsApp ou Telegram. Un exécutant, pas une équipe. | Open source, self-host | Le power-user qui veut de l'action - à encadrer sérieusement |
| Hermes | Étage 1 · agent perso | Apprend. Un agent individuel qui crée ses propres compétences à partir de l'expérience. Fascinant, mais encore de la R&D. | Open source | Un profil technique en veille active |
| Dust | Étage 3 · plateforme | Équipe une équipe. Des agents métiers branchés sur vos données (Slack, Drive, Notion...). On construit l'assistant, on le connecte, on le partage. | SaaS (français, EU/US) | PME/ETI avec 3 à 5 cas d'usage précis |
| Langdock | Étage 3 · plateforme | Équipe toute l'organisation. Un accès IA multi-modèles unique, gouverné, hébergé en Europe. Chat, workflows, agents, droits centralisés. | SaaS (allemand, EU) | ETI / grand compte qui déploie à l'échelle |
| Langfuse | Hors pile · observabilité | Mesure. Il ne fait pas tourner les agents : il trace chaque appel (coût, latence), évalue les réponses, gère les prompts. Le tableau de bord, pas l'atelier. | Open source, cloud ou self-host | L'équipe technique qui veut comprendre et améliorer ses agents |
Positionnements à fin octobre 2026. Ces outils open source ou source-available évoluent vite : vérifiez l'état réel du projet et de ses tarifs avant de vous engager.
Le mot sur Langfuse, parce que c’est le faux intrus de la liste : il n’est pas un concurrent de Multica, c’est son complément. Multica fait agir une équipe d’agents ; Langfuse vous dit ce qu’elle a fait, combien ça a coûté, et si c’était bon. Dans un montage mûr, on utilise les deux : l’un orchestre, l’autre observe. Notre postmortem à 50 euros, justement, aurait sauté aux yeux plus tôt avec une couche d’observabilité branchée dès le départ.
Et le verdict Multica contre Paperclip, puisque c’est le seul vrai face-à-face de la liste : Paperclip si votre premier réflexe est “combien ça coûte et qui a le droit de faire quoi” ; Multica si c’est “comment je leur donne du travail et je suis ce qui se passe”. Les deux sont jeunes et presupposent des agents déjà fonctionnels.
Notre position d’intégrateur
On nous demande souvent “lequel on installe”. Réponse honnête, et c’est toute notre méthode : l’outil est la dernière étape, pas la première. Branchez le meilleur orchestrateur du monde sur un contexte vide et des agents sans garde-fous, vous obtenez une facture et du bruit - on l’a vécu. Ce qui produit la valeur, c’est le travail d’avant : structurer le contexte, poser les filtres, border les déclencheurs, décider où partent les données.
C’est exactement ce qu’on fait pour nos clients, et sur nous-mêmes d’abord :
- On cadre avant d’outiller - le niveau de confidentialité des données (cloud, Zero Data Retention, ou 100 % local), les cas d’usage qui reviennent vraiment, les garde-fous. Avant de choisir Multica, Paperclip ou autre.
- On pose le socle de contexte - un cerveau documentaire que vous possédez, lisible par vous et par l’IA, comme celui décrit plus haut.
- On installe l’orchestration quand elle est justifiée - pas pour la démo, mais quand vous avez des agents qui marchent et du travail récurrent à leur confier.
Vous voulez faire travailler des agents, pas juste en installer un de plus ?
On pose le cadre avec vous - contexte, garde-fous, données - avant de brancher le moindre outil. C'est le plus sûr moyen d'éviter la facture surprise et la mémoire pleine de bruit.
On transmet cette façon de faire en formation, et on l’installe en clé en main pour qui veut le résultat sans le montage.
L’essentiel à retenir
- Multica, c’est l’atelier des agents - la couche de management où vous assignez du travail à des IA comme à des collègues, et où vous suivez ce qu’elles font. Pas un agent de plus : la couche au-dessus.
- Son jumeau, c’est Paperclip ; les autres jouent ailleurs. OpenClaw exécute (étage 2), Hermes apprend (étage 1), Dust et Langdock équipent des équipes (étage 3), et Langfuse ne fait qu’observer - il complète Multica, il ne le remplace pas.
- On s’en sert vraiment : le cerveau documentaire de Nefia tourne dessus, mails et réunions transformés en mémoire reliée et enrichie en continu.
- La leçon qui vaut de l’or : le portier avant la puissance. Un agent qui se déclenche sur tout facture sur du bruit. Le filtre, le bornage et l’observabilité comptent plus que le choix de l’orchestrateur.
- L’outil vient en dernier. 80 % de la valeur est dans le contexte structuré et les garde-fous ; l’orchestrateur, c’est les 20 % restants.
Envie de savoir si l’orchestration est pour vous maintenant, ou si c’est l’étage d’en dessous qu’il faut d’abord poser ? Le diagnostic de maturité IA prend dix minutes, ou passez directement par un échange de 30 minutes.
