Google Antigravity lance les Dynamic Workflows : l'agent écrit un script Python pour coordonner les sous-agents

Google a commencé à déployer le 13 novembre 2026 les Dynamic Workflows dans Antigravity, son environnement de développement avec agents IA. La fonction arrive via la commande /run-workflow : au lieu de coordonner une longue tâche uniquement par la conversation, l'agent écrit un court script Python qui répartit le travail entre des sous-agents — en parallèle ou en séquence — et le développeur relit le script avant son exécution.

Ce lancement fait partie de la même semaine de nouveautés Antigravity qui a apporté l'Orchestrator, qui alterne entre les modèles Gemini 4 Carbon (ou Argon) et Hydrogen au sein d'une même conversation. La différence tient à l'objectif : l'Orchestrator répartit le travail entre modèles, tandis que les Dynamic Workflows le répartissent entre agents, avec un flux contrôlé par du code.

Que sont les Dynamic Workflows

Selon la documentation officielle de Google Antigravity, les Dynamic Workflows servent aux tâches qui se divisent en de nombreuses parties indépendantes — une révision par fichier modifié, un audit par paquet — ou en étapes enchaînées, comme écrire un test qui échoue puis corriger le code. L'idée est de remplacer une longue conversation, qui peut se perdre dans l'interprétation des prompts, par un contrôle déterministe en script.

  • Phases parallèles et séquentielles : le script exécute les agents en même temps avec parallel() ou l'un après l'autre avec pipeline(), organisés en phases nommées que l'on peut suivre en direct.
  • Conversation principale propre : chaque agent du flux travaille dans sa propre conversation et renvoie un résultat structuré, validé par un JSON Schema. Lectures de fichiers, recherches et journaux de tests restent hors du contexte principal.
  • Agents à usage unique ou persistants : le flux peut créer des agents jetables — un réviseur par fichier — ou garder le même agent d'une phase à l'autre, pour que le réviseur qui a trouvé les bogues confirme ensuite leur correction.
  • Scripts réutilisables : un script qui fonctionne peut être enregistré comme fichier .py dans le projet et réexécuté plus tard.

Comment fonctionne /run-workflow

En tapant /run-workflow suivi de la tâche — ou en demandant le flux avec vos propres mots —, l'agent lit la compétence interne run-workflow et écrit le script Python. Avant l'exécution, Antigravity affiche le script et demande une approbation, sauf si un préréglage d'autorisation, comme Turbo, l'autorise déjà. Pour modifier le plan, il suffit de refuser et d'indiquer à l'agent quoi ajuster.

Le flux s'exécute en arrière-plan, dans un processus séparé qui utilise le runtime Python intégré à Antigravity — inutile d'avoir Python installé sur la machine, et il est possible de désigner son propre interpréteur (Python 3.8 ou supérieur) via la variable ANTIGRAVITY_PYTHON. À la fin, l'agent principal reçoit les journaux et les résultats et les résume dans la conversation.

Exemples d'utilisation

La documentation de Google présente trois modèles prêts à l'emploi :

  • Révision en parallèle : lister les fichiers Python modifiés depuis la branche principale et réviser chacun en parallèle à la recherche d'exceptions non gérées, avec un verdict d'une ligne par fichier.
  • Réviser, corriger et vérifier : un agent Réviseur persistant liste les bogues d'un répertoire, un agent Correcteur est créé par bogue en parallèle et, à la fin, le même Réviseur confirme que tout a été corrigé.
  • Édition dans des espaces de travail isolés : chaque agent parallèle travaille dans un worktree Git isolé pour remplacer un helper obsolète et lancer les tests du paquet sans conflit.

Il est aussi possible de choisir le niveau de modèle des agents du flux — flash_lite ou flash pour des vérifications rapides en volume, pro pour un raisonnement plus approfondi — et le type d'espace de travail : hériter de l'actuel, créer une branche isolée par agent ou une copie partagée du dépôt.

Disponibilité

Les Dynamic Workflows sont disponibles dans l'application Antigravity et dans Antigravity CLI, pour les abonnés Google AI Pro et Google AI Ultra. Il n'y a pas de prix séparé : la fonction consomme les crédits de modèle déjà inclus dans le forfait.

Dynamic Workflows, Orchestrator et /swarm : lequel utiliser

La documentation elle-même compare les façons de répartir le travail dans Antigravity : l'Orchestrator est fait pour une conversation unique où un modèle de pointe planifie et Hydrogen exécute ; les sous-agents servent à déléguer une tâche pendant que le développeur continue de travailler ; les Dynamic Workflows sont faits pour un flux contrôlé par script — la même vérification sur une liste de fichiers, des étapes en séquence ou une boucle réviseur-correcteur ; et /swarm est fait pour des agents qui collaborent sur un tableau de messages partagé.

Limites à garder à l'esprit

Les agents créés par un flux ne voient ni le script ni les autres agents : le script doit donner à chaque agent tout ce dont il a besoin dans son prompt, avec un résultat court et bien défini. Et, dans une phase parallèle, si un agent échoue, les autres sont annulés. Google précise aussi que le développeur n'a pas besoin de connaître Python pour utiliser la fonction — mais relire le script avant de l'approuver fait partie du flux.

Sources

Image : capture de la documentation officielle de Google Antigravity, montrant l'écran d'approbation du script d'un Dynamic Workflow. Crédit : Google.

Transparence : cet article a été produit avec l'aide de l'intelligence artificielle, en croisant des publications publiques sur X et des sources internet. Les informations ont été vérifiées dans la documentation officielle de Google Antigravity et dans les annonces officielles ; consultez les sources originales pour confirmer les détails.

Par Muse