Explication
Qu'est-ce qu'un agent harness et pourquoi votre support WhatsApp en a besoin
Dans la messagerie client, la plupart des IA fonctionnent sur le mode une question, une réponse. Un agent harness transforme un modèle de langage en quelque chose qui peut traiter un dossier : planifier, utiliser des outils, vérifier son travail et se souvenir. Voici ce que cela signifie, quels harness existent aujourd’hui et comment en exécuter un dans MonoChat dès maintenant.
Ou démarrez avec $150 de crédit, de quoi couvrir un premier mois de Growth
Publié le:
En un an, le débat autour de l'IA s'est discrètement déplacé des modèles vers ce qui les entoure. Un même modèle peut être un chatbot qui répond à un message, ou un agent qui règle un problème de livraison en passant par trois systèmes et sur deux jours. La différence ne tient pas au modèle, mais au harness, c'est-à-dire l'infrastructure d'exécution qui l'encadre.
Cet article explique l’idée en termes simples, compare les harness que vous pouvez utiliser aujourd’hui et montre comment MonoChat permet désormais aux entreprises d’en exécuter un sur WhatsApp, Instagram, le chat web et tous les autres canaux de leur boîte de réception.
Qu'est-ce qu'un agent harness ?
Un agent harness est la couche logicielle qui enveloppe un grand modèle de langage et lui permet d'agir, et pas seulement de répondre. Le modèle raisonne et décide de la prochaine étape. Le harness exécute cette décision, renvoie le résultat au modèle et recommence jusqu'à ce que la tâche soit accomplie. En résumé : agent = modèle + harness.
Le terme s'est imposé lorsque les équipes ont constaté que des agents de code comme Claude Code et Codex devaient une grande part de leur fiabilité à cette couche périphérique plutôt qu'au modèle seul. Anthropic, OpenAI, Google et Microsoft proposent désormais leurs harnesses sous forme de produits sur lesquels les développeurs peuvent bâtir.
Les composants d'un harness
- La boucle: Raisonner, agir, observer, recommencer. Le harness poursuit jusqu'à ce que la tâche soit terminée ou qu'il ait besoin d'un humain.
- Les outils: Les fonctions que le modèle peut appeler : vérifier une commande, consulter une réservation, effectuer un remboursement, interroger une base de connaissances. Souvent connectées via MCP.
- Mémoire et état: Ce qui s'est passé plus tôt dans le dossier, les préférences du client et ce qui a déjà été tenté, conservés d'un message et d'une session à l'autre.
- Gestion du contexte: Décider de ce que le modèle voit à chaque étape et résumer (compacter) les longs historiques pour garder l'essentiel en vue.
- Garde-fous et validations: Autorisations, règles et points de contrôle humains pour les actions qui coûtent de l'argent ou sont irréversibles.
- Sandbox et fichiers: Un espace de travail isolé où l'agent peut exécuter du code, préparer un document ou calculer un devis sans toucher aux systèmes en production.
- Traçabilité et évaluation: Un journal de chaque étape et de chaque appel d'outil, pour comprendre pourquoi l'agent a agi ainsi et mesurer ses performances sur de nombreuses exécutions.
Inférence ou harness : quelle différence ?
L'inférence, c'est un appel unique à un modèle : vous envoyez un prompt, le modèle renvoie du texte, et l'échange s'arrête là. C'est rapide, peu coûteux et prévisible, et c'est exactement ce qu'il faut pour de nombreuses tâches, comme classer un message, rédiger une réponse ou résumer une conversation.
Un harness enchaîne de nombreux appels d'inférence dans une boucle et ajoute tout ce qui les entoure : outils, mémoire, vérifications et limites. Il est plus lent et consomme plus de tokens par tâche, mais il peut mener à bien un travail qui exige plusieurs étapes, des données externes ou une décision en cours de route.
| Inférence IA | Agent harness | |
|---|---|---|
| Principe | Une requête au modèle, une réponse | Une boucle autour du modèle qui planifie, agit et vérifie |
| Étapes par tâche | Une seule | Autant que nécessaire, dans les limites que vous fixez |
| Outils et systèmes | Facultatifs, généralement un seul appel de fonction | De nombreux outils, appelés et enchaînés selon le dossier |
| Mémoire | Uniquement le contenu du prompt | Historique du dossier et état conservés entre les étapes et les sessions |
| En cas d'échec | Renvoie ce qu'il a produit | Détecte l'erreur, réessaie ou sollicite un humain |
| Idéal pour | Classer, rédiger, résumer, répondre ponctuellement | Résoudre des dossiers, traiter des demandes en plusieurs étapes, assurer un suivi sur plusieurs jours |
| Coût et rapidité | Coût minimal, quasi instantané | Consommation de tokens plus élevée, de quelques secondes à quelques minutes par tâche |
En pratique, les équipes les plus avancées utilisent les deux : l'inférence pour les étapes rapides et bien définies, un harness lorsque le travail exige réellement plusieurs étapes.
Ce qu'un harness change pour le support client sur WhatsApp
C'est dans la messagerie client que l'écart entre répondre et résoudre se voit le plus. Un client écrit « ma commande n'est pas arrivée » et attend que le problème soit réglé, pas qu'on le lui explique.
Les dossiers sont résolus, pas seulement traités
L'agent peut retrouver la commande, interroger le transporteur, constater que le colis est bloqué, ouvrir une réclamation et proposer un renvoi, le tout dans la même conversation.
Il vérifie avant de promettre
Stocks, prix, créneaux de rendez-vous et règles sont vérifiés dans vos systèmes au moment de répondre, au lieu d'être devinés à partir des données d'entraînement.
Il se souvient du dossier
Si le client revient le lendemain, l'agent sait ce qui a déjà été tenté et ce qui a été promis, même après la fermeture de la fenêtre de 24 heures de WhatsApp.
Il assure le suivi dans la durée
Les tâches longues, comme attendre la validation d'un remboursement ou l'arrivée d'une pièce, peuvent se poursuivre et envoyer un message au client dès que la situation évolue, avec des modèles approuvés lorsque WhatsApp l'exige.
Les humains gardent la main
Les remboursements au-delà d'un seuil, les annulations ou toute opération sensible attendent la validation d'un membre de l'équipe, et le transfert vers un conseiller conserve l'historique complet.
Chaque étape est visible
Appels d'outils et décisions sont journalisés : les superviseurs peuvent comprendre pourquoi l'agent a agi ainsi et améliorer les instructions.
Exemple : un retour produit sur WhatsApp
- Le client envoie la photo d'un article endommagé et demande un retour.
- L'agent retrouve la commande, vérifie qu'elle est dans le délai de retour et analyse la photo.
- Il crée le retour dans votre système e-commerce et réserve un enlèvement par coursier pour le lendemain.
- Le remboursement dépasse le seuil automatique : il demande donc à un membre de l'équipe de le valider directement dans la boîte de réception.
- Après validation, il confirme au client, puis deux jours plus tard, lorsque le coursier scanne le colis, il envoie la confirmation du remboursement.
Avec la seule inférence, c'est un chatbot qui explique la politique de retour. Avec un harness, c'est le retour lui-même.
Les agent harnesses disponibles aujourd'hui
Plusieurs entreprises et projets open source proposent désormais un harness sur lequel bâtir. Ils se distinguent par leur mode d'hébergement, les modèles qu'ils prennent en charge et ce qu'ils offrent clés en main.
| Harness | Éditeur | Hébergement et licence | Modèles | Points forts |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | Bibliothèque (Python, TypeScript) | Claude | Le harness de Claude Code : outils, MCP, sous-agents, skills, compactage du contexte, autorisations |
| Claude Managed Agents | Anthropic | API hébergée (bêta publique depuis avril 2026) | Claude | Anthropic gère la boucle : exécution en sandbox, sessions longues, travail multi-agents, traçabilité |
| OpenAI Agents SDK | OpenAI | Open source, MIT (Python en priorité) | Modèles OpenAI, autres via adaptateurs | Sandboxes de plusieurs fournisseurs, mémoire, MCP, skills, AGENTS.md, exécutions reprenables |
| Codex | OpenAI | CLI open source (Apache 2.0) et cloud | Modèles OpenAI | Harness d'agent de code, avec un SDK pour l'exécuter depuis vos propres services |
| Agent Development Kit (ADK) | Open source, Apache 2.0 (Python, Java, Go, TypeScript) | Gemini par défaut, agnostique vis-à-vis du modèle | Arborescences multi-agents, MCP, protocole Agent2Agent (A2A), évaluation intégrée | |
| Agent Framework | Microsoft | Open source, MIT (Python, .NET) | Azure OpenAI, OpenAI, Anthropic et d'autres | Harness stable depuis juillet 2026 : boucle d'outils, historique, compactage, skills, validations, OpenTelemetry |
| Deep Agents | LangChain | Open source, MIT | Agnostique vis-à-vis du modèle | Planification, sous-agents, système de fichiers et ingénierie du contexte sur LangGraph |
| Pi | Earendil Works | Open source, MIT | Tout fournisseur, avec votre propre clé | Noyau volontairement minimal (lecture, écriture, édition, shell) enrichi de skills partageables |
| Mastra | Mastra | Open source (TypeScript) | Agnostique vis-à-vis du modèle | Agents avec fils de discussion persistants, validation des outils et studio local |
| OpenCode | OpenCode | Open source, MIT | Agnostique vis-à-vis du modèle | Agents de planification et de développement, SDK, terminal et application de bureau |
Ces informations évoluent vite ; consultez la documentation de chaque projet pour connaître son état actuel. Les noms de produits et logos appartiennent à leurs propriétaires respectifs.
Les harness comparés dans cet article
Et le Business Agent de Meta ?
En 2026, Meta a lancé Meta Business Agent, son propre agent IA pour WhatsApp, Instagram et Messenger. Il s'agit en fait d'un harness conçu et exploité par Meta : il répond à partir de vos contenus, appelle les systèmes connectés et passe la main à votre équipe.
C'est une bonne option pour de nombreuses petites entreprises. Mais c'est aussi un système fermé : vous ne pouvez pas choisir le modèle, les données de conversation restent chez Meta, certains secteurs comme la finance et la santé sont exclus, et depuis août 2026 il est facturé au token, soit environ 4 à 5 cents US par message selon les propres estimations de Meta.
Comparatif des approches
| Agent IA intégré d'une plateforme de messagerie | Meta Business Agent | Agent Harness dans MonoChat | |
|---|---|---|---|
| Choix du modèle | Généralement imposé ou liste restreinte | Non | Oui, n'importe quel modèle connecté |
| Apporter votre propre harness | Non | Non | Oui : Claude Agent SDK, OpenAI Agents SDK, Pi, agents Claude et OpenAI hébergés, ou le vôtre (ADK, LangGraph et autres via un endpoint personnalisé) |
| Option hébergée, sans code | Oui | Oui | Oui |
| Vos propres outils et API | Intégrations limitées | Connecteurs | Outils de fonctions IA, MCP, base de connaissances et fonctions personnalisées |
| Au sein de vos flows et apps | Créateur de bots séparé | Séparé de vos flows | Un nœud Agent IA dans les parcours et une API d’exécution d’agent, à côté de l’inférence IA |
| Transfert vers votre équipe | Oui | Oui, avec contrôle du fil de discussion | Boîte de réception d'équipe avec historique complet et validations |
| Emplacement des données | Plateforme de l'éditeur | Meta | MonoChat et les fournisseurs de votre choix |
Sur la base des informations publiques disponibles en octobre 2026. La plupart des plateformes de messagerie que nous avons étudiées proposent un agent IA intégré ; aucune ne permet à une entreprise, à notre connaissance, d'utiliser un harness hébergé ou de connecter son propre harness au sein d'une même boîte de réception et des mêmes flows.
Agent harness dans MonoChat, désormais disponibles
MonoChat vous permet déjà de choisir votre modèle de langage et votre base de données vectorielle : utilisez ceux que nous fournissons, ou connectez les vôtres. Il en va désormais de même pour les harness.
À côté de l’inférence IA que vous utilisez aujourd’hui, MonoChat propose désormais l’AI Harness : une définition de service que vous ajoutez une seule fois et que vous utilisez depuis le nœud Agent IA de n’importe quel parcours, ou depuis l’API d’exécution d’agent. Placez le nœud dans un parcours, et la conversation est confiée à un agent capable de planifier, d’utiliser vos outils et de passer le relais à votre équipe.
- Utilisez le harness intégré de MonoChat, sans code, avec les modèles IA que vous avez déjà dans MonoChat
- Ou choisissez le Claude Agent SDK, l’OpenAI Agents SDK ou Pi, exécutés par MonoChat sur vos modèles IA sans rien de plus à configurer
- Utilisez un agent hébergé, l’OpenAI Agents API ou Claude Managed Agents, avec votre propre clé OpenAI ou Anthropic
- Ou connectez votre propre harness, construit sur Google ADK, Microsoft Agent Framework, Deep Agents, LangGraph, CrewAI ou votre propre code, avec une URL d’endpoint et un secret partagé
- Donnez-lui vos outils : outils de fonctions IA, serveurs MCP, base de connaissances et fonctions personnalisées
- Exécutez-le dans des parcours sur WhatsApp, Instagram, Messenger, Telegram, TikTok, le chat web, les SMS et la voix
- Choisissez un modèle principal, un modèle de secours et un modèle rapide, définissez un budget par exécution et passez le relais à votre équipe dans la boîte de réception d'équipe avec tout l’historique
- Combinez-le avec l'inférence : les étapes rapides en un seul appel, les dossiers complexes sur le harness
Quand utiliser l'inférence, quand utiliser un harness
- Utilisez l'inférence pour les tâches en une étape : étiquetage, routage, traduction, rédaction d'une réponse, résumé d'une conversation.
- Utilisez un harness lorsque la demande du client exige plusieurs étapes, des données issues de vos systèmes ou une décision en cours de route.
- Commencez petit : confiez au harness deux ou trois outils et une règle de validation, mesurez les résultats, puis élargissez son champ d'action.
Désormais disponible dans MonoChat
Agent Harness est désormais disponible dans MonoChat. Créez un compte gratuit, connectez vos canaux, ajoutez un AI Harness et placez un nœud Agent IA dans un parcours pour mettre votre premier agent au travail.
Exécutez un agent harness sur WhatsApp
Sources et pour aller plus loin
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing