Un modèle de langage seul ne fait que produire du texte. Le « harness » est tout ce qu’on construit autour de lui pour qu’il agisse : la boucle qui le relance, les outils qu’il peut appeler, la gestion de sa mémoire, les fichiers qui gardent la trace de son travail. Le terme s’est imposé dans le vocabulaire des agents IA, notamment chez Anthropic, qui décrit son Claude Agent SDK comme un « harness d’agent généraliste ».
Derrière ce mot technique se cache une idée simple et souvent sous-estimée : la structure qui entoure un modèle compte autant que le modèle lui-même.
Du harnais au « test harness » du logiciel
En anglais, harness désigne le harnais, l’équipement qui permet d’atteler et de diriger un cheval. En développement logiciel, le terme existe depuis longtemps sous la forme « test harness ». TechTarget le définit comme un ensemble de logiciels et de données de test qui sert à tester un programme pendant son développement.
Un test harness comprend des pilotes (drivers), qui appellent le code à tester, et des bouchons (stubs), qui simulent les modules dont il dépend. L’idée est la même que pour les agents : du code auxiliaire, distinct du composant central, qui le fait fonctionner dans un environnement contrôlé.
Ce que contient le harness d’un agent IA
La documentation d’Anthropic définit un agent comme une application qui accomplit une tâche en planifiant ses propres étapes et en appelant des outils : lire des fichiers, lancer des commandes, modifier du code. Le modèle décide quoi faire. Le harness fournit tout ce qui lui permet de le faire.
Le Claude Agent SDK, qui reprend le harness de Claude Code, en donne un inventaire concret.
| Composant | Rôle |
|---|---|
| Boucle d’agent | Relance le modèle après chaque action jusqu’à ce que la tâche soit terminée |
| Outils intégrés | Lire, écrire et modifier des fichiers, exécuter des commandes, chercher sur le web |
| Gestion du contexte | Notamment la compaction, qui résume l’historique pour ne pas saturer la fenêtre de contexte |
| Permissions | Décident quels outils s’exécutent automatiquement et lesquels demandent une approbation |
| Hooks | Exécutent du code personnalisé à des moments clés du cycle de vie de l’agent |
| Sous-agents | Lancent des agents spécialisés pour des sous-tâches |
| MCP | Connecte des outils et des sources de données externes via le Model Context Protocol |
| Sessions | Conservent le contexte entre les échanges et permettent de reprendre plus tard |
| Skills et mémoire | Chargent automatiquement des instructions et une mémoire propres au projet |
Plusieurs de ces briques recoupent directement les règles de sécurité d’un agent en entreprise : les permissions décident de ce que l’agent peut faire sans validation humaine, et MCP de ce à quoi il peut se connecter. C’est aussi par MCP que des outils marketing comme Klaviyo s’ouvrent aux agents.
Anthropic propose également une version hébergée, Managed Agents, qu’elle présente comme un harness d’agent hébergé. Anthropic fait alors tourner la boucle, avec des sessions isolées dans un bac à sable, dans son cloud ou sur l’infrastructure du client.
Même modèle, résultats opposés : le harness fait la différence
Pour Anthropic, la conception du harness est déterminante pour les performances des agents de programmation les plus avancés. Deux expériences publiées par ses équipes le montrent.
Novembre 2025 : tenir sur plusieurs sessions
Un agent travaille par sessions, et chaque nouvelle session démarre sans mémoire de la précédente. Anthropic a constaté qu’Opus 4.5, lancé en boucle sur le Claude Agent SDK avec une consigne générale, ne parvenait pas à construire une application web de qualité production. Il voulait tout faire d’un coup, puis déclarait le travail fini trop tôt.
La solution a porté sur le harness, pas sur le modèle. Un premier agent prépare l’environnement : une liste de plus de 200 fonctionnalités, toutes marquées « échouées » au départ, un fichier de progression et un dépôt git. Les sessions suivantes avancent une fonctionnalité à la fois, valident leur travail dans git et mettent à jour le fichier de progression. L’agent teste aussi dans un navigateur, comme le ferait un utilisateur. Selon Anthropic, ce dernier point a nettement amélioré les résultats.
Détail révélateur : ces « deux agents » n’en sont pas vraiment. Seul leur premier prompt diffère. Le prompt système, les outils et le harness sont identiques.
Mars 2026 : 9 dollars contre 200
Une équipe d’Anthropic a demandé à Opus 4.5 de créer un outil de création de jeux vidéo rétro. Seul, l’agent a travaillé 20 minutes pour 9 dollars, et le jeu produit ne fonctionnait pas. Avec un harness à trois agents (planificateur, générateur, évaluateur), le travail a duré 6 heures pour 200 dollars, et le jeu était jouable. Le coût est plus de 20 fois supérieur, mais l’écart de qualité est immédiatement visible, selon l’auteur.
Le même article formule un principe utile : chaque composant d’un harness traduit une hypothèse sur ce que le modèle ne sait pas faire seul. Ces hypothèses vieillissent vite. Avec Opus 4.6, l’auteur a pu retirer le découpage en sprints, devenu inutile. À chaque nouveau modèle, il recommande de réexaminer le harness : retirer ce qui ne sert plus, ajouter ce qui devient possible.
L’autre sens : le harness d’évaluation
Dans la recherche sur les modèles, « harness » désigne aussi l’outillage qui sert à les mesurer. L’exemple le plus connu est le Language Model Evaluation Harness d’EleutherAI, un outil open source. Il fait passer les mêmes tests de référence (benchmarks) à différents modèles, dans les mêmes conditions. Selon son dépôt GitHub, il a servi de moteur au classement Open LLM Leaderboard de Hugging Face et a été utilisé dans des centaines d’articles de recherche.
Ce sens est plus proche du test harness d’origine. Le harness d’évaluation fait tourner le modèle pour le noter. Le harness d’agent le fait tourner pour qu’il accomplisse une tâche. Dans un article sur les agents, c’est presque toujours le second sens qui est visé.
Choisir un agent, c’est aussi choisir un harness
Les comparatifs d’IA opposent presque toujours des modèles. Les expériences d’Anthropic montrent que la question est incomplète. Un même modèle échoue ou réussit selon la façon dont on organise son travail : ce qu’il garde en mémoire, ce qu’il note dans ses fichiers de progression, ce qu’il vérifie avant de déclarer une tâche terminée. Et comme chaque nouveau modèle rend une partie du harness inutile, cette structure se réécrit en permanence. Reste à savoir si les entreprises qui déploient des agents auront les compétences pour concevoir ce harness, ou si elles le délégueront entièrement aux éditeurs.
Sources
- Anthropic — Effective harnesses for long-running agents, 26 novembre 2025
- Anthropic — Harness design for long-running application development, 24 mars 2026
- Anthropic — Agent SDK overview
- TechTarget — Definition: test harness
- EleutherAI — Language Model Evaluation Harness (GitHub)