Harness engineering

« Agent = Model + Harness. Si vous n'êtes pas le modèle, vous êtes le harness. » L'équation de Viv Trivedy, citée par Addy Osmani (Google) le 19 avril 2026, constitue la définition opérationnelle : le harness regroupe tout ce qu'on ajoute autour du modèle pour améliorer ce qu'il produit. Osmani appuie son propos sur Terminal Bench 2.0, où Claude Opus 4.6 exécuté dans Claude Code obtient un score nettement inférieur à celui du même modèle placé dans un harness personnalisé, et où l'équipe de Trivedy a fait passer un agent de codage de la 30e place à la 5e en ne changeant que le harness.

OpenAI a rapporté en février 2026 que trois ingénieurs (sept par la suite) avaient produit environ un million de lignes d'un produit bêta interne en cinq mois sans écrire une seule ligne à la main, à travers environ 1 500 pull requests Codex. Leur conclusion était que le goulot d'étranglement de la performance des agents se situe en général dans la conception de l'environnement plutôt que dans l'intelligence du modèle, et leurs trois piliers étaient le Context Engineering, des contraintes architecturales imposées mécaniquement, et des tâches récurrentes de nettoyage ("garbage collection"). Birgitta Böckeler a découpé le même objet en guides (feedforward : conventions, spécifications, skills, serveurs MCP) et capteurs (feedback : linters, tests, analyse statique), chacun étant soit computationnel, soit inférentiel. Rémi Jacquet, de Cast Software, a daté ce basculement : prompt engineering en 2024, Context Engineering en 2025, harness engineering en 2026.

Dorra Bartaguiz apporte la contre-mesure. Un code généré à partir d'un seul prompt avait été annoncé avec une couverture de 100% ; elle a mesuré 33% au total et un score de mutation de 13,82%. La catégorie la plus difficile identifiée par Böckeler reste ouverte : vérifier qu'une application fait bien ce qu'elle est censée faire.