La notion de harnais agentique est fondamentale pour la création d’agents IA.
Pourquoi créer un harnais agentique ?
L’enjeu du “harness engineering” est d’équiper un modèle d’intelligence artificielle avec un certain nombre de fonctionnalités pour le fiabiliser et étendre ses capacités.
Un harnais agentique permet par exemple de transformer un modèle LLM, qui est conçu initialement pour générer du texte en réponse à un prompt, en agent de codage, assistant bureautique, ingénieur R&D ou consultant senior.
Si vous utilisez une plateforme IA en mode desktop comme Goose ou Claude, vous avez pu constater que l’agent IA peut manipuler des fichiers, générer des scripts Python à la volée pour résoudre des tâches : on peut donc dire qu’il est équipé d’un harnais agentique pour la bureautique et la génération de code informatique.
Définition du harnais agentique : du code informatique pour équiper les agents IA
Les équipes de LangChain définissent le harnais agentique dans l’article The Anatomy of an Agent Harness comme une composante des agents : Agent = modèle + harnais.
Mais cette définition mérite quelques précisions. On parle ici plus spécifiquement d’agents de type boucle agentique, composés d’un LLM, d’une boucle “while” et d’outils. La boucle agentique est une architecture a priori très simple, c’est donc le harnais agentique qui fait toute sa puissance.
Cet article de LangChain décrit justement l’impact du harness engineering (création de harnais agentiques) sur les performances de Deep Agents.
L’image du harnais est relativement explicite, j’aime aussi le penser comme une selle de cheval. Si l’on voit une boucle agentique comme un jeune cheval fougueux, plein d’énergie mais totalement imprévisible, le harnais est la couche logicielle qui permet de le domestiquer ! Une analogie aussi courante est celle de la voiture : le LLM est le moteur, le harnais agentique tout le reste, des airbags jusqu’aux pneus.
Que contient un harnais agentique et comment l’implémenter ?
Le harnais agentique va être constitué de beaucoup de code informatique : outils à disposition de l’agent, guardrails pour sécuriser les entrées et les sorties, middlewares qui altèrent son comportement…
Les outils d’auto-évaluation de l’agent jouent notamment un rôle clé, ils lui permettent d’améliorer sa production automatiquement. Dans le contexte de l’IA pour le code, il s’agit par exemple de fournir à l’agent des outils de détection de failles de sécurité, et le laisser les exploiter pour corriger ses propres erreurs. Pour la création de documents professionnels, il peut s’agir d’analyser la qualité des documentations produites au regard d’un référentiel légal ou de qualité.
Le harnais prend la forme de code informatique, mais aussi d’éléments de contexte : configuration de l’agent IA, “skills” structurées en plugins, accès à des sources d’information fiables.
Les composants du harnais peuvent eux-mêmes faire appel à d’autres systèmes IA, typiquement pour analyser les prompts des utilisateurs ou le contenu généré par l’IA.
Concrètement, il s’agit par exemple de fournir à un agent les fonctionnalités de base pour lire et modifier des fichiers en toute sécurité, ou encore d’exécuter du code informatique généré par l’IA.
En termes d’implémentation, la technologie Deep Agents est un harnais open source intégré à l’écosystème LangChain.
Il s’agit d’une alternative parfaite au SDK proposé par les grands fournisseurs comme OpenAI et Anthropic, qui sont certes puissants mais dépendent entièrement de modèles IA privés hébergés en cloud, sans possibilité d’auto-hébergement.
On peut aussi apprendre à créer son propre harnais agentique avec LangChain, c’est ce que nous faisons lors de la formation LangChain - agents IA en Python proposée par LBKE.
Qui a inventé le terme harnais agentique ?
Le terme harness engineering est un terme popularisé par OpenAI dans le contexte des agents de code comme Codex, et qui s’est répandu comme une traînée de poudre dans l’écosystème IA.
L’article de LangChain cité précédemment introduit quant à lui le terme de harnais agentique et est aussi considéré comme précurseur de cette notion.
Pour approfondir l’historique autour de ce terme, Addy Osmani retrace les origines du harness engineering dans un article détaillé.
Le blog de Martin Fowler propose aussi une définition du harness engineering (la discipline visant à créer des harnais agentiques).
Harness engineering : un sous-domaine de l’IA agentique qui implique les développeurs informatiques
Le harness engineering est donc un sous-domaine de l’intelligence artificielle agentique, et il joue un rôle clé dans l’adoption des agents IA par les entreprises.
Les développeurs en intelligence artificielle agentique sont typiquement les personnes en charge de la création et de la configuration du harnais.
Il ne s’agit pas vraiment d’un problème de data science ou deep learning, mais bien d’un problème d’informatique pur qui appelle des compétences en gestion des systèmes, en développement web backend ou encore en cybersécurité.
Au-delà du buzz word, le harnais agentique est un concept clé pour des agents IA fiables
Le harness engineering est donc bel et bien une pratique centrale en IA agentique. Implémenter un harnais agentique permet de passer d’une boucle agentique basique à de véritables systèmes d’intelligence artificielle complexes créant de la valeur pour les professionnels.
