Le 7 novembre, Microsoft a publié un document technique sur les systèmes d'exécution d'agents, incluant un ensemble de résultats de tests légèrement surprenants : en remplaçant uniquement le système Harness derrière Copilot Studio tout en conservant Claude Opus 4.8, le taux de réussite des tâches complexes a augmenté de 22,1 points de pourcentage. Le nouveau système appelle le modèle presque deux fois plus souvent par tâche, tout en réduisant la consommation de tokens d'entrée de 21 % une fois ajusté.
Il y a tout juste dix jours, Microsoft a annoncé la mise en œuvre de Copilot Harness sur plusieurs de ses produits et la vente de services hébergés via sa plateforme cloud aux développeurs.
Le 5 novembre, Moonshot a lancé Kimi Hosted Agents et a officiellement introduit Harness as a Service. En août, DeepSeek a open-sourcé son propre Harness ; OpenAI et Anthropic avaient déjà transformé leur système interne en un service accessible aux développeurs bien avant cela.
Le « système d'exploitation » derrière ce grand modèle devient une figure clé aux yeux des entreprises de modèles.
Image générée par IA
01 Profitez de Harness
Harness peut être compris comme un système d'exécution d'agents construit autour d'un grand modèle. Il permet au modèle d'utiliser des outils externes, d'exécuter des tâches en plusieurs étapes de manière continue et d'ajuster ses actions suivantes en fonction des résultats obtenus. Pour les agents nécessitant une exécution prolongée, Harness assure également la sauvegarde de l'état de la tâche, permettant ainsi de reprendre le travail après une interruption.
Il se situe à un niveau différent des applications d'IA. Des produits comme Claude Code et WorkBuddy s'adressent directement aux utilisateurs, tandis que le framework sous-jacent Harness peut être réutilisé par différentes applications ou offert en tant que service indépendant aux développeurs. À mesure que les tâches assumées par les Agents deviennent de plus en plus complexes, Harness devient un facteur crucial influençant le taux de réussite des tâches, l'efficacité d'exécution et les coûts opérationnels.
Anthropic est l'une des premières entreprises de modèles à avoir investi dans le développement de Harness, initialement pour résoudre les problèmes rencontrés par Claude Code lors de tâches de programmation prolongées.
À la fin de 2025, Anthropic a constaté que lorsque la fenêtre de contexte de Claude était épuisée, les nouvelles conversations ne pouvaient souvent pas reprendre le travail précédent. Les ingénieurs ont donc amélioré le Harness derrière Claude Code, permettant à l’agent de sauvegarder son avancement à la fin de chaque étape, puis de le reprendre lors de la session suivante pour continuer les tâches inachevées. Ainsi, même si une session de modèle se termine, la tâche de programmation peut continuer à progresser.
En avril de cette année, Anthropic a lancé Managed Agents, offrant cette capacité d'exécution d'agents comme un service cloud aux développeurs. Pour permettre aux entreprises de faire fonctionner les agents de manière durable et stable, Anthropic a ajusté l'architecture sous-jacente : Harness assure la promotion de l'exécution des tâches, les historiques peuvent être sauvegardés séparément, et l'environnement sandbox pour l'exécution de l'IA peut être remplacé à tout moment. Même en cas de défaillance du sandbox, l'agent peut reprendre son travail antérieur.
De son système interne Claude Code à ses services hébergés destinés aux développeurs externes, Anthropic transforme ses années d'expérience en produits indépendants.
OpenAI a également choisi d'ouvrir Harness, la plateforme sous-jacente à Codex, à un plus grand nombre de développeurs. En février de cette année, OpenAI a révélé que la version web de Codex, la ligne de commande et les extensions IDE partagent en réalité le même système d'exécution d'agent. En août, Codex a été positionné comme une plateforme Harness ouverte, permettant aux applications tierces de se connecter directement. L'API Agents lancée en septembre est hébergée et maintenue par OpenAI, permettant aux développeurs de se connecter directement à l'environnement d'exécution des agents.
Ce modèle permet à OpenAI de servir directement les utilisateurs via Codex, tout en offrant ses capacités d'exécution sous-jacentes à d'autres entreprises logicielles. Les développeurs peuvent conserver leurs propres interfaces produits et processus métier, tout en laissant Codex accomplir les tâches concrètes en arrière-plan.
DeepSeek a ouvert le code complet de son framework Harness sous licence MIT le 13 août, en proposant l'idée « Everything is a Plugin » : il a presque entièrement décomposé le système d'exécution de l'Agent en composants modulaires pouvant être combinés librement. Les développeurs peuvent non seulement remplacer le modèle et les outils externes, mais aussi modifier la manière dont l'Agent appelle le modèle et exécute les tâches, voire permettre à l'Agent de créer et d'installer lui-même de nouveaux plugins.
Cette architecture basée sur Cordis vise à permettre aux développeurs de créer différents types d'agents selon leurs besoins sans avoir à construire un système d'exécution depuis le début.
Le 5 novembre, Kimi a officiellement annoncé que Hosted Agents offre un environnement cloud 24/7, permettant aux entreprises d'intégrer les Agents dans leurs systèmes internes ou de les incorporer dans leurs produits destinés à la vente, en mentionnant explicitement Harness as a service.
02 Harness évolue
En réalité, la popularité de Harness n'a pas été initiée par les entreprises de modèles.
Au début de cette année, la popularité d'OpenClaw a montré à l'industrie qu'une entreprise sans modèle de base pouvait tout de même attirer un grand nombre d'utilisateurs grâce à son système d'exécution d'agents. En février, OpenAI a recruté Peter Steinberger, fondateur d'OpenClaw, pour participer au développement du prochain agent personnel.
Subsequently, Nous Research launched the Hermes Agent, attempting to enable the Agent to save the experience gained from its tasks as reusable Skills and continuously improve on subsequent tasks.
À la fin mars, des institutions telles que l'Université de Stanford ont proposé Meta-Harness, permettant à l'IA de modifier directement le code Harness à partir des enregistrements d'échec et de valider les résultats via des tests. Dans une expérience de classification de texte, la précision a augmenté de 7,7 % et la consommation de tokens de contexte a été réduite à un quart de la valeur initiale.
Pourquoi ces explorations méritent-elles que les entreprises de modèles y investissent ? En octobre, l'Université technologique de Nanyang à Singapour a testé 66 modèles avec Harness et a constaté que le changement de Harness pouvait même modifier le classement des performances entre les modèles.
FrontierHarness Eval a également constaté que, pour le même Kimi K3, le taux de réussite des tâches utilisant Codex était de 66,7 %, celui utilisant DeepSeek Harness Creator de 63,3 %, et celui utilisant Kimi Code de 56,7 %.
Pour les entreprises de modèles de base, améliorer les performances des modèles repose de plus en plus sur la conception et l'optimisation de Harness, en plus de l'amélioration des modèles eux-mêmes.
Les chercheurs continuent d'essayer d'appliquer l'expérience acquise avec Harness à l'entraînement des modèles. Co-Harness, introduit en juillet, améliore d'abord Harness à l'aide d'enregistrements d'échecs, puis utilise les données d'exécution optimisées pour entraîner le modèle. HarnessFlow, annoncé en novembre, cherche automatiquement de meilleures conceptions de Harness, augmentant la note moyenne de 10,89 points sur six types de tâches.
Cependant, l'optimisation automatique comporte des risques. Une étude début novembre a révélé que, dans un experiment spécifique, après optimisation pour une nouvelle tâche, les performances d'un Harness sur SWE-bench sont passées de 94 % à 32 %. Une mise à niveau du modèle peut également rendre obsolètes des conceptions précédemment efficaces.
Cela signifie que l'accumulation technologique de Harness est difficile à résoudre une fois pour toutes. Comment maintenir la stabilité des différentes tâches tout en continuant à les améliorer reste un problème non résolu.
Certains professionnels du secteur indiquent que c'est également l'un des principaux défis liés au déploiement de modèles open source. Ainsi, les entreprises de modèles ont commencé à vendre des services Harness. Bien que les frameworks open source soient disponibles gratuitement, les entreprises doivent toujours assumer les coûts de déploiement et de maintenance pour faire fonctionner de manière stable et durable les agents. Des entreprises comme Kimi et Anthropic ont saisi cette opportunité pour transformer Harness en activité indépendante, mais les approches varient considérablement d'une entreprise à l'autre.
La valeur cachée de 03 Harness
Harness devient un service facturé séparément, mais la table des prix actuelle indique que l'inférence de modèle reste la principale source de revenus.
Anthropic facture 0,08 $ par heure de session active pour ses agents gérés, avec des tokens supplémentaires facturés séparément. Selon l'exemple de tâche de programmation d'une heure publié officiellement, le coût total s'élève à 0,58 $, dont les frais d'exécution gérée représentent environ 14 %.
Les frais de Kimi sont répartis entre les tokens du modèle, l'exécution dans l'environnement sandbox et les plugins payants. Une tâche d'analyse juridique d'investissement publiée a été estimée à environ 30 yuans, avec des frais d'environ 0,1 yuan pour l'environnement sandbox. OpenAI ne facture pas de frais supplémentaires pendant la phase bêta de son API Agents, en se basant principalement sur l'utilisation du modèle et des outils. DeepSeek a open-sourcé Harness sous licence MIT et n'a pas de logique de facturation directe.
Ainsi, les revenus directs générés par les modèles d'entreprise actuellement grâce à harness sont probablement minimes.
Alors, pourquoi investir autant de ressources en recherche et développement ?
Une raison importante est que, une fois que les entreprises déployent réellement des agents, la demande pour Harness peut être plus stable que celle pour un modèle spécifique.
La société de services juridiques américaine ABC Legal avait initialement déployé des agents sur les ordinateurs des employés, en les exécutant via des tâches planifiées. À mesure que l'utilisation s'est étendue, le CTO Brandon Fuller a commencé à chercher une plateforme permettant de gérer uniformément ces agents. Il a comparé plusieurs solutions et a finalement choisi les Managed Agents d'Anthropic, car l'entreprise ne souhaitait plus maintenir des environnements d'exécution dispersés.
Selon Anthropic, ABC Legal a mis en production plus de 50 agents en un seul mois, et environ 310 employés utilisent quotidiennement Claude. Les employés peuvent créer de nouveaux agents par configuration, sans avoir besoin de connaissances en développement logiciel.
Cela montre que l'attrait du service hébergé Harness provient des besoins réels des entreprises. Plutôt que de développer, déployer et maintenir à long terme leurs propres systèmes, les entreprises préfèrent souvent acheter des services tout faits afin de dédier leurs ressources techniques à leur activité principale.
Mais les entreprises ne souhaitent pas nécessairement s'engager avec une seule entreprise de modèles.
En août de cette année, VentureBeat a publié les résultats d'une enquête menée auprès de 107 entreprises. 85 % des entreprises interrogées utilisent simultanément deux plateformes d'orchestration d'agents ou plus. Lors du choix d'une plateforme, 29 % des entreprises accordent la priorité à la flexibilité des modèles et des outils, contre seulement 10 % qui privilégient l'adaptation native à un modèle leader. Bien que l'échantillon soit biaisé vers les grandes entreprises technologiques, il reflète déjà une tendance d'achat : les clients souhaitent conserver la liberté de changer de modèle.
Cela offre précisément une autre logique commerciale pour la concurrence de Harness. Si une entreprise est disposée à utiliser à long terme un système d'exploitation, le fournisseur peut continuer à générer des revenus provenant de l'hébergement, de la maintenance et des services de développement entreprise, même s'il ne détient pas l'exclusivité des appels de modèle, et établir une relation plus stable avec ses clients.
Ainsi, Harness peut accéder aux processus d'exécution réels des entreprises. Contrairement aux API de modèles simples, Harness peut enregistrer le parcours d'une tâche depuis son début jusqu'à son achèvement, incluant les appels de modèle, l'exécution des outils, les réessais en cas d'échec et le résultat final. Ces enregistrements aident les entreprises à diagnostiquer les pannes et fournissent des retours précieux pour le développement des modèles.
Si les entreprises de modèles peuvent obtenir en continu des retours vérifiés et authentiques sur les tâches, elles ont la possibilité de détecter plus rapidement les problèmes des modèles en environnement de production. Toutefois, cet avantage est clairement limité par les droits sur les données.
Cela pose également une nouvelle question aux entreprises de modèles : si les entreprises peuvent librement changer de modèle sous-jacent tout en conservant le contrôle de leurs données, quel avantage à long terme Harness peut-il encore établir ?
Pour les entreprises de modèles, Harness pourrait apporter une valeur à plus long terme que des frais directs. Lorsque les entreprises confient de plus en plus de tâches aux agents, celui qui fournit un système d'exécution fiable aura l'opportunité d'influencer le choix des modèles et la manière dont l'IA participe aux opérations réelles.
Un mot familier et banal : entrée.
Cependant, ce mot profondément ancré à l'ère d'Internet suscite toujours une réaction sensible face à la concurrence à l'ère de l'IA. Désormais, Harness assume, dans une certaine mesure, ces attentes et cette imagination.
Twitter : https://twitter.com/BitpushNewsCN
Groupe de discussion BitPush sur Telegram : https://t.me/BitPushCommunity
Abonnez-vous à BitPush sur Telegram : https://t.me/bitpush