Le harness engineering désigne tout ce qu’on construit autour d’un modèle d’IA pour qu’il travaille de façon fiable : le contexte qu’il reçoit, les outils auxquels il a droit, les étapes qu’il suit et les moments où il doit s’arrêter. En anglais, un harness est un harnais : il ne remplace pas la force du cheval, il la rend utile.
Pourquoi le modèle ne suffit pas
À modèle égal, deux équipes peuvent obtenir des résultats très différents. L’écart vient souvent de ce qui l’entoure : le modèle a-t-il les bonnes informations ? Peut-il vérifier son travail ? Sait-il quand demander de l’aide ?
Les pièces d’un bon harnais
- Du contexte, au bon moment : ni trop, ni trop peu.
- Des outils bornés : chaque rôle n’accède qu’à ce dont il a besoin.
- Des étapes : une méthode explicite plutôt qu’une conversation libre.
- Des arrêts humains : l’IA demande avant d’agir quand c’est important.
- Des vérifications : une relecture indépendante du travail produit.
- De la mesure : ce que ça coûte, et ce que ça donne.
Et pour une équipe ?
La plupart des harnais actuels sont pensés pour un développeur seul. Pour une équipe, il faut un élément de plus : le relais entre les métiers, pour que le travail d’un rôle serve de point de départ au suivant.