Le harness en une phrase
Harness signifie harnais en anglais. Pour les agents IA, le mot désigne tout ce qui entoure le modèle pour lui faire accomplir une tâche. OpenAI le formule ainsi : un agent capable a besoin de comprendre une tâche, de garder le contexte, d’appeler des outils, de gérer les erreurs, de demander une validation humaine quand il le faut et de rendre un résultat utile. Ce système d’exécution qui entoure le modèle, c’est le harness.
L’image la plus simple : le modèle est le moteur, le harness est la voiture construite autour. Un excellent moteur seul ne vous emmène nulle part : il lui faut un châssis, des freins et un volant. Le terme vient des équipes techniques, et Anthropic comme OpenAI l’emploient dans leurs publications sur les agents.
Ce qu’il y a dans un harness
Les noms changent d’un outil à l’autre, mais on retrouve presque toujours les mêmes pièces.
- Les instructions : ce que l’agent doit faire, sur quel ton, ce qu’il ne fait jamais.
- Les outils et leurs droits : lire un mail, chercher un client, créer un brouillon de devis. Et pour chacun, ce qui est permis ou interdit.
- Le contexte et la mémoire : ce qu’on remet sous les yeux du modèle à chaque étape, car le modèle lui-même ne retient rien d’une conversation à l’autre.
- La boucle d’exécution : quand recommencer une étape, quand s’arrêter, quoi faire en cas d’erreur.
- Les garde-fous : des contrôles écrits en code, qui ne dépendent pas de la bonne volonté du modèle.
- L’accès aux données : les requêtes autorisées sur vos logiciels (clients, tarifs, historique), souvent en lecture seule.
- La validation humaine : les actions qui attendent votre accord avant de partir.
- Les journaux : la trace de ce que l’agent a lu, décidé et fait.
- L’évaluation : des cas de test rejoués pour vérifier que l’agent fait toujours juste.
Un garde-fou, concrètement
Si le montant d’une proposition dépasse le seuil fixé avec vous, le programme bloque l’envoi et la soumet au dirigeant, quoi que le modèle ait conclu. Ce contrôle ne se négocie pas avec le modèle : il est écrit dans le harness.
Modèle, harness, framework, plateforme : quatre mots à ne pas confondre
- Le modèle : le moteur qui lit et rédige. GPT chez OpenAI, Claude chez Anthropic, les modèles de Mistral. Seul, il produit du texte.
- Le harness : le dispositif autour du modèle, réglé pour des tâches précises. Claude Code chez Anthropic ou Codex chez OpenAI en sont des exemples généralistes, fournis par les éditeurs.
- Le framework : une bibliothèque de code qui sert à construire un harness. LangChain en est un exemple.
- La plateforme : un service qui héberge et fait tourner les agents pour vous. Anthropic propose par exemple Managed Agents, un harness hébergé qui fait tourner la boucle de l’agent pour vous.
Les frontières sont floues, et les éditeurs eux-mêmes le reconnaissent. Anthropic présente son Claude Agent SDK comme un harness généraliste, alors qu’il sert aussi de bibliothèque pour construire le vôtre. LangChain écrit qu’il n’existe pas encore de définitions admises par tous. Retenez l’essentiel : le modèle rédige, le harness organise le travail autour.
Même modèle, résultats différents
C’est le point qui compte pour un dirigeant. OpenAI en donne un exemple chiffré : sur un test de raisonnement appelé ARC-AGI-3, un de ses modèles est passé de 13,3 % à 38,3 % de réussite, en consommant six fois moins de texte en sortie, grâce à deux réglages du harness : conserver son raisonnement d’une étape à l’autre et compacter le contexte. Le modèle, lui, n’avait pas changé.
Dans une entreprise, l’écart est encore plus concret. Prenez deux bureaux d’études qui utilisent le même modèle pour préparer leurs propositions. Le premier le laisse répondre de mémoire : il invente des honoraires plausibles. Le second l’oblige à lire la grille en vigueur dans le logiciel avant de chiffrer, vérifie le total par le programme et soumet la proposition au gérant. Même moteur, deux voitures. Anthropic le dit à sa façon : chaque pièce d’un harness repose sur une hypothèse, ce que le modèle ne sait pas faire seul.
Harness générique ou harness personnalisé : ce qui change
Les applications ChatGPT et Claude enveloppent déjà le modèle dans un harness, conçu pour tout le monde. Un harness personnalisé est construit pour vos tâches. Voici la différence, point par point.
| Point | Le modèle seul | Harness générique de l’éditeur | Harness personnalisé |
|---|---|---|---|
| Ce qu’il connaît de vous | Ce que vous tapez dans la conversation | Les fichiers que vous lui donnez et vos applis connectées | Vos règles écrites dans la mémoire d’entreprise et les données lues dans vos logiciels par des requêtes contrôlées |
| Ce qu’il peut faire dans vos logiciels | Rien, il produit du texte | Agir dans les applis pour lesquelles un connecteur existe | Agir dans vos outils, y compris un logiciel métier, avec des actions pensées pour vos tâches |
| Qui contrôle les droits | Sans objet | Les réglages prévus par l’éditeur, par appli et par organisation | Vous : chaque outil, chaque rôle, chaque seuil de validation est défini avec vous |
| Changement de modèle | Vous changez d’outil | Vous restez sur les modèles de l’éditeur | Possible : vos règles, vos outils et vos tests restent, seul le moteur change |
| Traçabilité | L’historique de la conversation | Ce que l’offre de l’éditeur prévoit | Un journal de chaque action : ce que l’agent a lu, fait, et qui a validé |
| Tests sur vos cas | Aucun | À votre charge | Vos vrais cas rejoués à chaque modification |
Ce que les éditeurs intègrent, et ce qu’ils ne feront pas à votre place
Les éditeurs ajoutent de plus en plus de harness dans leurs produits. Claude se connecte par exemple à Gmail, Google Drive et Google Agenda, et un administrateur peut l’autoriser à lire et résumer les mails sans pouvoir en envoyer. Le protocole ouvert MCP permet à Claude, à ChatGPT et à d’autres assistants de se brancher sur de nouveaux outils. Pour beaucoup d’usages, cela suffit.
Mais ces réglages restent génériques. Ils ne savent pas que votre remise maximale dépend du client, qu’un devis au-dessus d’un certain montant passe par vous, ou que votre logiciel de gestion n’a pas de connecteur. Ils ne testent pas l’agent sur vos derniers devis. Et un agent qui lit des mails et peut agir s’expose à des consignes piégées cachées dans un message : la parade passe par des droits limités et une validation humaine, réglés selon vos risques. Ces décisions restent les vôtres, quel que soit l’outil. Si vous voulez savoir ce qui conviendrait à vos propres usages, vous pouvez réserver 30 minutes avec Théo.
Quand un harness générique suffit, et quoi demander à un prestataire
Un harness générique suffit souvent : rédiger, résumer, chercher dans quelques documents, préparer un mail que vous relisez. Claude ou ChatGPT, avec vos fichiers et quelques connecteurs, font très bien ce travail. Un harness personnalisé devient utile quand l’agent doit appliquer vos règles, agir dans vos logiciels ou engager l’entreprise. Si on vous en propose un, cinq questions permettent de juger le sérieux de l’offre.
- Quels outils l’agent aura-t-il, et quelles actions lui seront interdites ?
- Où sont écrites mes règles, et puis-je les lire et les corriger sans vous ?
- Quelles actions attendront ma validation avant de partir ?
- Sur quels cas réels de mon entreprise l’agent sera-t-il testé, et ces tests seront-ils rejoués à chaque modification ?
- Si demain je veux changer de modèle, que faut-il refaire ?
Sources
- OpenAI : Codex as a platform, build on the open agent harness
- Anthropic : Effective harnesses for long-running agents
- Anthropic : Harness design for long-running application development
- Anthropic : Building effective agents
- Claude Code Docs : Agent SDK overview
- LangChain : Agent Frameworks, Runtimes, and Harnesses
- Claude Help Center : Use Google Workspace connectors
- Claude Help Center : Use connectors to extend Claude’s capabilities
- Model Context Protocol : What is MCP?