Tous les guides
Guide pratique6 min de lectureMis à jour le 8 novembre 2026

Ce que vous achetez vraiment quand vous achetez un agent IA

Le modèle attire toute l’attention, mais c’est le logiciel qui l’entoure qui décide ce qu’un agent peut atteindre, quand il s’arrête et comment savoir ce qu’il a fait. Voici à quoi sert cette couche, et huit questions à poser à son sujet.

Publié le 8 novembre 2026. Sources vérifiées à cette date.

En avril 2026, le fondateur de PocketOS, une jeune entreprise qui édite un logiciel pour loueurs de voitures, a raconté qu’un agent de programmation avait supprimé sa base de données de production et ses sauvegardes de volume en neuf secondes environ. L’agent, Cursor avec Claude Opus 4.6, s’était heurté à un problème d’identifiants dans un environnement de préproduction et avait cherché un jeton d’accès. Il en a trouvé un dans un fichier sans rapport avec sa tâche. Ce jeton avait été créé pour gérer des domaines personnalisés, mais il autorisait, selon le fondateur, n’importe quelle opération. Le récit de The Register

Les données ont été récupérées, et les responsabilités restent contestées. L’hébergeur, Railway, explique qu’il exécute les demandes de suppression authentifiées et que l’appel a visé un ancien point d’accès dépourvu de suppression différée, depuis corrigé. Ce récit repose pour l’essentiel sur les déclarations du fondateur et de Railway. La fiche de l’incident

Regardez sur quoi porte le débat. Personne ne discute de l’intelligence du modèle. On se demande ce qu’il pouvait atteindre, si une action destructrice exigeait une confirmation et où se trouvaient les sauvegardes. Cette couche qui entoure le modèle porte un nom : le harnais (harness en anglais).

Qu’est-ce qu’un harnais ?

LangChain le résume ainsi : agent = modèle + harnais. Le harnais regroupe tout le code, la configuration et la logique d’exécution qui ne relèvent pas du modèle. L’anatomie d’un harnais selon LangChain

Imaginez que le modèle soit une nouvelle recrue très compétente. Le harnais, c’est sa fiche de poste, ses accès aux systèmes, ses listes de contrôle, le responsable qui valide et la trace de ce qui a été fait. Concrètement, il comprend :

  • Les instructions : ce qu’on dit à l’agent de sa mission et de ses règles.
  • Les outils et les droits : les systèmes qu’il peut utiliser, en lecture seule ou en modification.
  • La mémoire et le contexte : ce qu’il voit à chaque étape et ce qu’il conserve d’une session à l’autre.
  • Les contrôles : tests, règles de validation et relectures.
  • Les garde-fous : budgets, limites d’étapes, validations humaines et procédures d’escalade.
  • Les journaux : la trace de chaque action, pour reconstituer ce qui s’est passé.

Birgitta Böckeler, sur le site de Martin Fowler, propose une distinction utile. Les guides orientent l’agent avant qu’il n’agisse, tandis que les capteurs observent le résultat pour lui permettre de se corriger. Certains de ces contrôles sont des logiciels classiques et déterministes, comme les tests et les linters. D’autres font appel au jugement d’une IA, plus lent et moins prévisible. Le harness engineering expliqué

Pourquoi tout le monde en parle

Cet intérêt vient en grande partie des retours publiés par les laboratoires eux-mêmes. En février, OpenAI a décrit la création d’un produit interne sans aucune ligne de code écrite à la main : environ un million de lignes et 1 500 pull requests fusionnées en cinq mois, avec trois ingénieurs au départ. L’entreprise explique que les débuts ont été lents parce que l’environnement était insuffisamment défini, et non parce que le modèle en était incapable. Elle précise aussi que ce résultat dépend de la structure de ce dépôt et ne se généralise pas forcément. Le retour d’OpenAI

Anthropic a décrit des difficultés comparables sur les tâches longues. Ses agents voulaient en faire trop à la fois, manquaient de contexte en pleine fonctionnalité et déclaraient le travail terminé trop tôt. Les remèdes n’ont rien de spectaculaire : un fichier de suivi, une liste de fonctionnalités, une seule fonctionnalité par session et des tests de bout en bout. L’article d’Anthropic

Le chiffre le plus cité vient de SWE-Bench Mobile, un banc d’essai construit à partir du code d’une application iOS en production. Sur 22 combinaisons d’agents et de modèles, les performances d’un même modèle pouvaient varier jusqu’à un facteur 6 selon l’agent qui l’entourait. On oublie souvent l’autre résultat : même la meilleure configuration n’a réussi que 12 % des tâches. L’étude SWE-Bench Mobile

Ce facteur 6 est souvent attribué à une étude de Stanford. L’article Meta-Harness, mené par Stanford, le reprend bien, mais il cite le banc d’essai ci-dessus comme source. Son propre apport consiste à automatiser la recherche de meilleurs harnais, avec de bons résultats en programmation, même si l’optimisation et l’évaluation portent sur les mêmes 89 tâches, comme le reconnaissent ses auteurs. L’article Meta-Harness

Une étude plus modeste aborde la question sous un autre angle. Dans un agent de planification conçu pour un jeu de type bataille navale, une couche de planification déclarative a ajouté 24,1 points de pourcentage au taux de victoire sans le moindre appel au modèle. Un jeu ne prouve pas grand-chose pour votre entreprise, mais il rappelle qu’un logiciel classique peut accomplir une bonne part du travail. L’étude sur l’agent de planification

Un harnais n’est pas une amélioration gratuite

Ajouter du harnais ne garantit pas de meilleurs résultats. Dans une expérience d’Anthropic, un harnais multi-agents complet a tourné pendant six heures pour 200 dollars, contre 20 minutes et 9 dollars pour le modèle seul. Il s’agit d’une seule consigne, pas d’un tarif général, mais l’exemple montre que la coordination a un prix. L’expérience d’Anthropic

Certaines parties d’un harnais deviennent aussi obsolètes. Anthropic a abandonné les réinitialisations de contexte, puis d’autres éléments, lorsque de nouveaux modèles n’en avaient plus besoin : chaque composant, explique l’entreprise, repose sur une hypothèse quant à ce que le modèle ne sait pas faire seul. LangChain s’attend lui aussi à ce que les modèles absorbent certaines fonctions, sans que le travail sur le harnais perde son utilité. Anthropic sur le retrait de composants L’avis de LangChain

Le harnais s’entretient donc dans la durée. À chaque changement de modèle, vérifiez à nouveau ce qu’il apporte et retirez ce qui ne justifie plus son coût.

À quoi cela ressemble en pratique

Exemple fictif : voici une politique imaginaire pour un agent de relance d’impayés, et non la configuration d’un produit réel.

{
  "agent": "relance-factures",
  "tools": {
    "accounting.read_invoices": "allow",
    "email.draft_reminder": "allow",
    "email.send_reminder": "require_approval",
    "accounting.delete_invoice": "deny"
  },
  "limits": {
    "max_steps_per_run": 20,
    "max_cost_per_run_usd": 2
  },
  "escalate_to_human": [
    "amount_over_5000",
    "customer_disputes_invoice"
  ],
  "log": "every_tool_call"
}

L’essentiel est de savoir où ces règles sont appliquées. Une consigne dans une instruction est une demande que le modèle peut mal comprendre ou ignorer. Une règle imposée par le système s’applique quoi que décide le modèle. Encore faut-il que l’identifiant utilisé corresponde à cette règle. Dans le récit de PocketOS, le danger venait d’un jeton capable de bien plus que sa fonction déclarée. Le récit de The Register

Huit questions à poser avant d’acheter ou de construire

  • À quoi a-t-il accès, et avec quels identifiants ? Demandez la portée de chacun. Une clé d’administration partagée doit vous alerter.
  • Quelles actions exigent une personne, et où est-ce imposé ? « Nous lui avons demandé de vérifier d’abord » vaut moins qu’un blocage dans le logiciel.
  • Comment vérifie-t-on qu’une tâche est terminée ? Le compte rendu de l’agent ne constitue pas une preuve. Anthropic a vu des fonctionnalités marquées comme finies trop tôt.
  • Que se passe-t-il en cas de problème ? Renseignez-vous sur les nouvelles tentatives, le retour en arrière et la séparation entre les sauvegardes et ce qu’elles protègent.
  • Puis-je voir ce qu’il a fait ? Chaque exécution doit pouvoir être retracée : entrées, appels d’outils, sorties et validations.
  • Comment a-t-il été testé sur un travail comparable au nôtre ? Demandez des résultats sur des cas représentatifs, pas un classement fourni par le vendeur. La meilleure configuration de SWE-Bench Mobile plafonnait à 12 %.
  • Combien coûte une tâche réellement terminée ? Comptez les nouvelles tentatives, le temps de relecture et les échecs, pas seulement le prix au token.
  • Que se passe-t-il quand le modèle change ? Peut-on le remplacer, qui relance les tests et qui retire les éléments devenus inutiles ?

Ce qu’il faut en retenir

Lorsqu’on vous présente un agent, le nom du modèle en dit peu sur son comportement dans votre entreprise. Un modèle se remplace généralement. Les règles d’accès, les contrôles et les traces sont ce avec quoi vous vivrez au quotidien.

Il n’est pas non plus nécessaire de disposer d’un harnais sophistiqué dès le premier jour. Un agent au périmètre étroit, en lecture seule, avec quelques limites strictes et un bon journal constitue une première version raisonnable. Ses droits pourront s’élargir à mesure qu’il fait ses preuves.

Si vous souhaitez tester un processus dans de bonnes conditions avant de vous engager davantage, parlons-en.