Agentic et harness engineering : conduire et poser les rails

En bref. Travailler avec des IA qui codent demande deux compétences : l’agentic engineering, qui consiste à piloter les agents (découper, déléguer, vérifier), et le harness engineering, qui consiste à construire l’environnement dans lequel ils travaillent (la boucle, les garde-fous, les capteurs). Ce ne sont pas deux sujets, mais les deux moitiés d’un même métier : piloter, c’est conduire ; construire l’environnement, c’est poser les rails. Chaque couche du système fixe le plafond de celle du dessus, l’humain garde la direction, et les deux moitiés se pratiquent ensemble, en boucle continue.

Sans prérequis technique. Article de synthèse : il relie les deux compétences qui ont émergé séparément autour des IA qui codent.

Deux compétences ont émergé séparément autour des IA qui codent. La première : savoir piloter ces IA, leur confier le bon travail au bon moment, et garder la main. La seconde : savoir construire l’environnement dans lequel elles travaillent, avec la boucle, les garde-fous, les capteurs.

On les a longtemps traitées comme deux sujets. Ce sont en fait deux moitiés d’un même métier. L’image : piloter, c’est conduire ; construire l’environnement, c’est poser les rails sur lesquels on roule. Un excellent conducteur sur de mauvais rails finit dans le décor. De beaux rails sans personne au volant ne mènent nulle part. Il faut les deux.

Le harnais, la dette cognitive, la spécification écrite avant le code, l’agent qu’on cadre avant et vérifie après, le cycle de vie d’un agent en production : chacune de ces notions décrit une pièce de ces deux moitiés. Ici, on les assemble.

Vibe coding, agentic engineering, harness engineering : quelle différence ?

Ce sont trois étapes qui se superposent, pas trois camps qui s’opposent. Le vibe coding fait avancer vite, à l’intuition ; l’agentic engineering met de la discipline sur la conduite des agents ; le harness engineering met de la discipline sous la conduite, en construisant une infrastructure fiable. Chaque étape a ajouté une couche à la précédente.

• Le vibe coding fait avancer vite, à l’intuition. Son risque : de la dette technique invisible, à vitesse IA.
• L’agentic engineering met de la discipline sur la conduite : on découpe, on délègue, on vérifie.
• Le harness engineering met de la discipline sous la conduite : on construit l’infrastructure fiable.

Les trois cohabitent.

La troisième étape ne fait pas l’unanimité. En septembre 2026, Martin Fowler relaie l’avis de Robert C. Martin (Uncle Bob), pour qui les agents progressent au point que les harnais, sauf les plus souples, pourraient devenir superflus. Le débat est ouvert ; cet article ne le tranche pas.

Quelles couches composent un système d’agents IA ?

Cinq couches s’empilent, du modèle à l’humain, et chacune fixe le plafond de celle du dessus : inutile de soigner le haut si le bas coince. Le modèle donne la puissance brute, les deux harnais la rendent utilisable puis fiable, l’orchestration la transforme en débit, et l’humain fixe la direction.

De bas en haut :

• Le modèle fixe le plafond brut. Mais à modèle égal, un meilleur harnais a fait passer un agent du Top 30 au Top 5 sur Terminal-Bench 2.0, selon LangChain. Le modèle est rarement le seul facteur qui limite.
• Le harnais du fabricant transforme la puissance brute en puissance utilisable. Vous ne le construisez pas, mais vous devez savoir le lire.
• Votre harnais transforme l’utilisable en fiable. C’est votre territoire de constructeur.
• L’orchestration transforme le fiable en débit : ce que vous arrivez réellement à produire. C’est votre territoire d’utilisateur.
• L’humain fixe la direction : ce qu’on construit, ce qu’on refuse d’automatiser, ce qui est « bon ».

Pour aller plus loin : l’équation complète Agent = modèle + harnais, résume LangChain, pour qui « a raw model is not an agent ». Au-dessus de l’agent, il y a l’humain qui l’oriente, d’où la forme complète proposée ici : logiciel fiable = (modèle + harnais) × orchestration humaine disciplinée. Le harness engineering travaille la parenthèse ; l’agentic engineering travaille le facteur d’orchestration. Le produit n’existe que si les deux facteurs sont non nuls. Une étude empirique (arXiv 2609.20804, septembre 2026), qui compare 176 configurations, nuance l’idée d’un harnais roi : aucun composant n’a de valeur fixe, elle dépend du modèle, du type de tâche et du budget. Détail des couches : MCP, mémoire, sandbox, capteurs, permissions, sous-agents.

Pourquoi piloter des agents et construire leur harnais vont-ils ensemble ?

Parce que les deux moitiés se complètent et qu’enlever l’une ruine l’autre. Un pilotage brillant sur des fondations instables produit du mauvais code à grande vitesse ; une infrastructure soignée que personne ne sait exploiter ne produit rien. Ensemble, la conduite donne la direction et les rails évitent le déraillement.

Situation	Ce qui se passe
Piloter sans rails solides	Un découpage brillant sur des fondations instables. L’agent va vite et loin… dans la mauvaise direction. Du mauvais code, produit à grande vitesse.
De beaux rails sans pilote	Une infrastructure soignée que personne ne sait exploiter. Le meilleur capteur ne découpe pas un problème à votre place.
Les deux ensemble	La conduite donne la direction et le rythme, les rails garantissent qu’on ne déraille pas. L’humain reste sur les décisions, le répétitif est absorbé.

Où s’arrête le pilotage et où commence la construction du harnais ?

La frontière est poreuse : ce que vous faites en pilotant fabrique déjà des morceaux de harnais. Un fichier de consignes devient un guide, un test devient un capteur, une relecture par une IA séparée est à la fois un geste de pilotage et une boucle de harnais.

• Vous écrivez un fichier de consignes soigné pour l’IA : vous venez de construire un guide, une pièce du harnais.
• Vous ajoutez un test ou un correcteur automatique : vous venez d’installer un capteur qui vous sert directement à mieux piloter.
• Vous faites relire le travail par une IA séparée : c’est à la fois un geste de pilotage et une boucle de harnais.

L’ingénieur aguerri ne se dit pas « là je pilote, là je construis ». Il passe de l’un à l’autre en continu : il pilote, bute sur une erreur qui revient, ajoute un capteur, puis pilote de nouveau à un niveau plus haut. C’est une seule et même boucle.

Pour aller plus loin : exemples nommés Un CLAUDE.md est un guide (feedforward) ; un eval ou un linter en intégration continue est un capteur (feedback) ; un relecteur (Reviewer) isolé dans un sous-agent au contexte vierge est à la fois un pattern d’orchestration et une boucle evaluator-optimizer.

Quel rôle l’humain garde-t-il face aux agents IA ?

Celui qui ne se délègue pas : la direction. L’IA accélère, mais elle ne se surveille pas elle-même. À chaque tour de la boucle de pilotage, l’humain garde l’architecture, les arbitrages, la responsabilité et le sens de ce que « bon » veut dire ; le reste descend dans le harnais.

C’est la boucle de pilotage (steering loop), et elle unifie tout l’empilement :

Pour aller plus loin : DORA et « trust but verify » « Un bon harnais ne cherche pas forcément à éliminer toute intervention humaine, mais à la diriger là où elle compte le plus. » (Birgitta Böckeler) Le rapport DORA 2025 décrit l’IA comme un amplificateur, avec une hausse simultanée du débit et de l’instabilité. Dans sa synthèse du rapport pour Thoughtworks, Ken Mugrage note que 30 % des professionnels ont peu ou pas confiance dans le code produit par l’IA, mais que 95 % s’appuient dessus. Côté pratique, l’enquête State of Code 2026 de Sonar, reprise par le Culture and Methods Trends Report 2026 d’InfoQ, relève que 96 % des développeurs ne font pas entièrement confiance au code IA, mais que 48 % seulement le vérifient toujours avant de le valider.

Comment monter en compétence sur l’agentic et le harness engineering ?

En quatre marches : demander, orchestrer, instrumenter, faire évoluer. On apprend d’abord à formuler et à sentir les limites du modèle, puis à découper et déléguer, puis à poser guides et capteurs, et enfin à faire tourner la boucle de pilotage en continu.

Marche	Ce que vous apprenez	Moitié dominante
1. Demander	Formuler, itérer, sentir les limites du modèle	(vibe coding)
2. Orchestrer	Découper, déléguer à des sous-agents, superviser	Conduite
3. Instrumenter	Poser guides et capteurs, permissions, observabilité	Rails
4. Faire évoluer	La boucle de pilotage en continu ; à terme, le harnais qui s’améliore tout seul	Les deux, fusionnées

On ne « termine » pas la marche 2 avant d’attaquer la 3 : on monte les deux ensemble, précisément parce que la frontière entre pilotage et construction est poreuse.

Conduire et poser les rails : une seule discipline

En deux ans, on est passés de « l’humain tape le code » à « l’humain oriente, l’agent implémente, le harnais garantit ».

L’agentic engineering a appris au métier à conduire des agents. Le harness engineering lui apprend à poser les rails. Pris séparément, chacun n’est qu’une demi-réponse. Réunis, ils forment la discipline complète : une boucle où l’humain garde la direction, l’orchestration donne le rythme, et le harnais, avec ses guides en amont et ses capteurs en aval, transforme un modèle brut en système fiable.

Le modèle est la plus petite partie de votre système. Tout le reste, la conduite et les rails, relève de l’ingénierie. Elle se gagne en trimestres de pratique sérieuse des deux moitiés, pas en quelques semaines.

Sources

• Birgitta Böckeler, Harness engineering for coding agent users, martinfowler.com : https://martinfowler.com/articles/harness-engineering.html
• Birgitta Böckeler, Maintainability sensors for coding agents, martinfowler.com : https://martinfowler.com/articles/sensors-for-coding-agents.html
• Birgitta Böckeler et Chris Ford, Harness engineering and agent feedback: Exploring AI coding sensors, Thoughtworks : https://www.thoughtworks.com/insights/blog/generative-ai/harness-engineering-agent-feedback-exploring-ai-coding-sensors
• Thoughtworks, Technology Radar Vol. 34 (avril 2026) : https://www.thoughtworks.com/radar
• Vivek Trivedy, The Anatomy of an Agent Harness, LangChain (mars 2026) : https://www.langchain.com/blog/the-anatomy-of-an-agent-harness
• Ken Mugrage, The future of software development: AI speed, human judgment (synthèse DORA 2025), Thoughtworks : https://www.thoughtworks.com/insights/articles/the-future-of-software-development-AI-speed-human-judgment
• Lin, Liu, Pan et al., Agentic Harness Engineering, arXiv:2604.25850 : https://arxiv.org/abs/2604.25850
• Fan, Zhang, Ma et al., An Empirical Study of Harness Design for Coding Agents, arXiv:2609.20804 (septembre 2026) : https://arxiv.org/abs/2609.20804
• Martin Fowler, Fragments: September 16 (2026) : https://martinfowler.com/fragments/2026-09-16.html

Et chez vous ?

Vos équipes utilisent déjà l’IA pour développer. La vraie question n’est plus de savoir si, mais avec quel harnais : quelles consignes, quels capteurs, quels garde-fous, et qui les fait évoluer.

Chez Atecna, nous accompagnons les équipes de développement sur ce terrain précis : diagnostic de maturité, mise en place des guides et des capteurs, industrialisation multi-projets avec notre offre de développement IA, et montée en compétence des équipes.