Harness engineering : chaque erreur resserre le harnais

Quand un agent IA se trompe, vous pouvez réagir de deux façons. Corriger le résultat et passer à autre chose. Ou vous demander pourquoi c’est arrivé et modifier l’environnement de l’agent pour que cela ne se reproduise pas. La seconde façon s’appelle le harness engineering.

Le terme s’est imposé début 2026. Le 11 février, OpenAI a décrit comment une petite équipe a construit un produit avec des agents de programmation, sans écrire de code à la main selon ses propres dires. Le travail des ingénieurs s’est déplacé vers la conception de l’environnement, des instructions et des contrôles. Le 2 avril, Birgitta Böckeler, de Thoughtworks, a publié un cadre pour cette pratique sur martinfowler.com. Les deux parlent de logiciel. La méthode vaut pour toute équipe.

Guides et capteurs

Böckeler range chaque contrôle d’un harnais dans l’une de deux catégories.

• Les guides agissent avant l’agent : instructions, conventions, modèles, méthodes et exemples. Ils visent un bon premier essai.
• Les capteurs agissent après : tests, vérifications, une seconde relecture. Ils disent à l’agent ce qui n’a pas marché, pour qu’il se corrige.

Il faut les deux. Avec seulement des capteurs, l’agent refait la même erreur et se fait corriger à chaque fois. Avec seulement des guides, vous ne savez jamais si vos règles fonctionnent.

Chaque contrôle est aussi soit calculatoire, soit inférentiel. Un contrôle calculatoire est exact, rapide et bon marché : un chiffre est juste ou il ne l’est pas. Un contrôle inférentiel s’appuie sur le jugement d’un modèle, par exemple une seconde IA qui compare un texte à votre ton. Il repère des problèmes plus subtils, mais il est plus lent, plus coûteux et moins prévisible. Les contrôles exacts et bon marché passent donc en premier.

Guides et capteurs hors du code

Dans une équipe marketing, commerciale ou opérationnelle, ces deux catégories prennent cette forme.

• Guides : règles de marque, ton, modèles de rapport, une méthode écrite, la liste de ce que l’agent ne doit jamais faire.
• Capteurs : chaque ratio recalculé à partir des chiffres bruts, le résultat comparé à un niveau d’exigence, une seconde relecture, une personne qui valide avant tout envoi ou publication.

Un exemple réel : un nom à bien prononcer

Pour zaela.com, soixante courts films ont été réalisés avec des voix de synthèse. Zaela se prononce za-YÉ-la, et un modèle vocal ne le sait pas. Voilà l’erreur.

• Le guide : une orthographe phonétique du nom pour chaque langue, consignée dans la mémoire, pour que chaque voix parte de la bonne graphie.
• Le capteur : chaque phrase contenant le nom a été vérifiée par reconnaissance vocale. Quand le nom n’était pas entendu, un extrait vérifié dans la même voix le remplaçait, puis la phrase était vérifiée à nouveau.

L’erreur fait désormais partie du harnais : le film suivant part avec les deux. Découvrez comment les films ont été faits.

Six habitudes du harness engineering

1. Écrivez-le là où l’IA peut le lire. Des règles dans les têtes ou dans de vieux chats n’existent pas pour un agent. Dans l’expérience d’OpenAI, le dépôt de code était la source de vérité. Pour une équipe, c’est la mémoire partagée.
2. Découpez le travail en petites étapes vérifiables. Une étape avec une définition claire de « terminé » se vérifie plus facilement qu’une grosse tâche.
3. Placez d’abord les contrôles exacts et bon marché. Recalculez, comptez, comparez à une liste. Gardez la relecture par une seconde IA pour ce qu’un contrôle exact ne voit pas.
4. Faites dire à chaque contrôle comment corriger. « Le total ne correspond pas à la somme des canaux » aide un agent à se corriger. « Faux » n’aide pas.
5. Resserrez le harnais après chaque erreur. Corrigez une fois, dans les instructions, plutôt que sans cesse dans le chat. L’équipe développeurs de Google conseille de commencer par une seule erreur récurrente.
6. Limitez ce que l’agent peut toucher, et gardez les journaux. L’accès par personne et la validation des actions risquées font partie du harnais. Les journaux montrent ce qui s’est passé, et c’est d’eux que vous apprenez.

Les limites

Le harness engineering n’est pas une garantie. Böckeler est claire sur ce que les capteurs ne voient pas : un problème mal diagnostiqué, une solution plus complexe que nécessaire, une instruction mal comprise par l’agent. Et l’expérience d’OpenAI est un cas unique, rapporté par l’entreprise elle-même, sur un produit neuf sans code ancien. Gardez une personne à la porte là où le goût et la responsabilité comptent.

Le harness engineering dans Zaela

Zaela est un harnais IA d’entreprise, conçu pour qu’une équipe fasse ce travail sans coder. Les guides vivent dans la mémoire, dans les méthodes et dans les instructions de chaque agent. Les capteurs font partie des méthodes : calcul exact, niveau d’exigence, liste de ce qu’un agent ne fait jamais, validation avant toute mise en ligne. Chaque action est enregistrée. Et tout ce que l’IA utilise, vous pouvez le voir, l’ajuster et le compléter dans l’application web, si bien qu’une leçon entre dans le harnais le jour même.

La règle est la même que pour les agents. Vous demandez deux fois la même chose ? Faites-en un agent. Vous corrigez deux fois la même chose ? Faites-en une règle. Pour tout le contexte, lisez le guide du harness engineering sur i-scoop.eu (en anglais), également publié par Edge.