C’est quoi un harnais (harness) IA, au juste ?

Ce matin-là, j’ouvre une session avec mon assistant IA pour la troisième fois de la semaine sur le même genre de tâche — trier une erreur technique, comprendre d’où elle vient, décider si ça vaut la peine de la corriger. Et pour la troisième fois, je réexplique tout depuis le début : où regarder, ce que je veux qu’il fasse, ce que je ne veux surtout pas qu’il touche. À un moment, je me suis dit : je ne suis pas en train de parler à une IA, je suis en train de retaper le même mode d’emploi. C’est exactement le problème que décrit Claire Vo, fondatrice de ChatPRD, dans un épisode de son podcast How I AI — et sa réponse tient en un mot qu’on entend de plus en plus souvent sans qu’on t’explique ce qu’il veut dire : un harnais, ou harness.

« C’est plus le modèle, c’est le harnais » — d’accord, mais c’est quoi ?

Tu as peut-être déjà croisé cette phrase qui circule dans le milieu : ce qui fait la différence entre un agent IA qui rend service et un agent IA qui rend fou, ce n’est plus tellement le modèle — Claude, GPT ou un autre, ils se valent de plus en plus. C’est le harnais (ou harness, en anglais) qu’on construit autour. Le problème, c’est que tout le monde répète cette phrase et presque personne ne prend le temps de dire ce qu’est réellement un harnais.

Voici la définition la plus simple que j’ai trouvée, et elle tient en une phrase : un harnais, c’est du code autour d’un agent IA qui le rend plus efficace pour un travail précis. Ce code n’a pas besoin de contenir de l’IA lui-même. Son seul but est de rendre l’IA meilleure à un job donné, plutôt que vaguement bonne à tout.

Trois ingrédients : un contexte, des actions, un résultat

Un harnais, quel qu’il soit, se résume à trois éléments. Un contexte spécifique — l’IA sait déjà où elle travaille, sans que tu doives le lui répéter. Des actions précises — elle a accès à des outils définis à l’avance, pas à un buffet libre-service. Et un résultat attendu — un format de sortie fixé d’avance, pas une improvisation à chaque fois.

Dans son exemple, Claire Vo a construit un harnais pour trier les bugs remontés par Sentry (l’outil de suivi d’erreurs) dans son entreprise. Plutôt que d’ouvrir un outil de codage IA généraliste et de réexpliquer à chaque fois « voici le bug, va voir dans Sentry, ne touche pas au code, écris un rapport, ouvre un ticket dans Linear si nécessaire », elle colle simplement le lien du bug — et l’agent sait déjà quoi faire, où chercher, et jusqu’où il a le droit d’aller. Le harnais est construit avec le Claude Agent SDK et connecté à des outils précis : Sentry pour les erreurs, Vercel pour les journaux de déploiement, Linear et GitHub pour le suivi. Chaque connexion est volontairement étroite : plutôt que de donner à l’agent un accès générique à Sentry avec toutes ses fonctions, elle ne lui ouvre que les quelques actions dont ce travail précis a besoin. Moins de surface, plus de fiabilité.

Quand ça vaut la peine (et quand non)

Tu n’as pas besoin d’un harnais pour une question posée une fois. Construire un harnais devient intéressant quand un même travail revient, avec le même déroulement et le même type de résultat attendu — trier des bugs, préparer des demandes de fusion de code, gérer des demandes de support, ou même des tâches non techniques comme faire de la recherche selon une méthode fixe. Dans ces cas-là, tu gagnes trois choses : tu n’as plus besoin d’expliquer l’intention à chaque fois, tu peux décider précisément ce que l’agent a le droit de faire (par exemple : enquêter, mais ne jamais modifier le code lui-même), et le même processus se répète fidèlement, sans que la qualité dépende de ton humeur du jour ou de ta mémoire.

Autrement dit, un harnais est utile quand tu remarques que tu répètes toujours les mêmes instructions à ton IA pour la même famille de tâches. Si c’est un cas isolé, garde le champ de discussion ouvert — c’est justement fait pour ça.

Ce n’est pas magique, c’est de la structure

Ce qui m’a le plus frappé dans cet exemple, ce n’est pas la technique — c’est le changement de posture. On s’est habitués à l’idée qu’un bon usage de l’IA, c’est un champ de discussion ouvert où l’on tape ce qu’on veut et l’agent se débrouille. Un harnais fait l’inverse : il contraint volontairement ce que l’agent peut faire, pour qu’il le fasse mieux dans ce cadre précis. Moins de liberté, mais plus de résultat.

Ça ne veut pas dire qu’il faut tout enfermer. Contraindre a un coût : construire un harnais prend du temps, et un harnais mal pensé devient aussi rigide qu’inutile dès que la tâche change un peu. La bonne question n’est jamais « est-ce que je dois construire un harnais ? » mais « est-ce que ce travail précis revient assez souvent pour que ça en vaille la peine ? ». Pour un usage occasionnel, le champ de discussion ouvert reste le bon outil.

Ce que tu peux essayer cette semaine

Repère une tâche que tu refais avec ton IA — pas une conversation différente à chaque fois, mais un vrai travail qui revient. Note trois choses sur papier, sans écrire une ligne de code : quel contexte l’agent devrait déjà connaître pour ne plus avoir à le lui répéter, quelles actions précises il devrait pouvoir faire (et surtout, ne pas faire), et à quoi devrait ressembler le résultat à la fin. Si les trois réponses te semblent stables d’une fois à l’autre, tu tiens peut-être ton premier harnais. Sinon, tu viens quand même de clarifier ce que tu attends réellement de ton IA — et ça, ça sert toujours.

En résumé

• Un harnais (harness), c’est du code autour d’un agent IA qui le rend plus efficace pour un travail précis — pas besoin que ce code contienne de l’IA lui-même.
• Trois ingrédients : un contexte déjà connu, des actions précises autorisées, un résultat au format fixé d’avance.
• Utile quand un même travail revient souvent avec le même déroulement — inutile pour une question posée une fois.
• Contraindre volontairement ce qu’un agent peut faire donne, dans ce cadre précis, de meilleurs résultats qu’un champ de discussion ouvert.

Cet article s’inspire d’un épisode du podcast How I AI de Claire Vo (ChatPRD), dans lequel elle construit en direct un harnais de triage de bugs avec le Claude Agent SDK. Abonne-toi au blog pour la suite.