Qu'est-ce qui rend un agent IA fiable quand il travaille seul ?

C'est concevoir la boucle qui fait travailler un agent IA sans intervention humaine à chaque tour : ce qui le déclenche, ce qui vérifie son travail, ce qui garde sa mémoire et ce qui l'arrête. Un système écrit les consignes, contrôle le résultat et décide de la suite.

Un agent IA travaille en cycle : il raisonne, agit, observe le résultat, puis recommence. Ce cycle, décrit depuis l'article ReAct (2022), l'agent le mène seul. Ce qui change, c'est la boucle du dessus, qui restait à l'humain : écrire la consigne, lire la réponse, relancer.

Cette définition ouvre le billet d'Addy Osmani, ingénieur longtemps chez Google, aujourd'hui chez Anthropic. Elle dit le déplacement : on arrête d'écrire soi-même les consignes de l'agent, et on construit le système qui les écrit à sa place. Osmani y reprend une formule de Peter Steinberger et de Boris Cherny, responsable de Claude Code chez Anthropic. Towards Data Science présente ce billet comme le texte qui a nommé et structuré le terme ; MarkTechPost date pourtant son entrée dans le vocabulaire de fin 2025.

Un étage au-dessus du harness

Osmani situe le loop engineering « un étage au-dessus du harness ». Le harness, le harnais, c'est l'environnement dans lequel un agent travaille : ses outils, sa mémoire, ses garde-fous. Nous le lisons ainsi : le harness règle comment l'agent travaille, la boucle décide quand le lancer, sur quoi, comment vérifier son travail et quoi faire ensuite.

Six briques

Osmani décompose une boucle en cinq briques, plus une sixième, la mémoire :

• des automations, qui la déclenchent ;
• des espaces de travail isolés (des copies séparées du code), pour faire tourner plusieurs agents en parallèle sans qu'ils se gênent ;
• des skills, des fichiers qui codifient la connaissance du projet ;
• des connecteurs vers les outils existants ;
• des sous-agents, qui séparent celui qui produit de celui qui vérifie ;
• une mémoire, qui garde l'état du travail d'un passage à l'autre.

En partie. À l'été 2026, des briques de la boucle arrivent dans des produits présentés comme des harness : AWS a passé le sien en disponibilité générale, Databricks a publié en open source un poste de contrôle au-dessus de plusieurs agents de code, GitHub laisse l'agent de VS Code vérifier son travail dans le navigateur.

Les annonces d'AWS, de Databricks et de GitHub parlent de harness, sans le mot loop engineering. Nous y voyons le signe que cette mécanique passe des billets de pionniers aux produits ; c'est notre lecture, sans mesure à l'appui.

Un harness qu'on configure

AWS a passé son AgentCore Harness en disponibilité générale le 18/06/2026. Deux appels d'API suffisent à faire tourner un agent dans un environnement isolé, avec une mémoire gérée par défaut et la trace de ce qu'il fait. Le message d'AWS : le harness devient quelque chose qu'on configure plutôt qu'on ne le construit.

Un poste de contrôle au-dessus des agents

Databricks a publié en open source Omnigent le 13/06/2026, en version alpha. C'est un « méta-harness » : il donne la même interface à Claude Code, Codex ou Pi, qui deviennent interchangeables, et leur applique des règles qui suivent ce qui se passe dans la session, par exemple :

• l'accord d'un humain avant d'envoyer du code (git push) juste après l'installation d'un paquet ;
• une pause après chaque tranche de 100 dollars dépensés, en attendant une confirmation.

La boucle dans l'outil du développeur

Dans VS Code, GitHub a passé en disponibilité générale, début juillet 2026, les outils qui laissent l'agent vérifier visuellement son travail dans le navigateur ; plusieurs sessions d'agents tournent en parallèle, et une modification importante se découpe en fils dédiés (implémentation, revue, tests, documentation). Tech Times y voit GitHub « fermer la boucle ».

Le 17/07/2026, IBM a consacré au loop engineering une page de son site IBM Think, qui le définit comme la conception de boucles qui mènent un agent, par itérations, vers un but fixé par l'utilisateur avec peu d'intervention humaine.

Les premières mesures publiées vont dans ce sens. À modèle égal, NVIDIA ne mesure qu'environ quatre points de mieux avec son propre harness. Dans une simulation, une boucle sans IA isole chaque blocage et termine 3,3 branches sur 10,3, contre 0,4 pour une chaîne linéaire. Renvoyer à l'agent ses erreurs répare une partie de ce qui casse.

À modèle égal, quelques points de mieux

NVIDIA a présenté le 27/07/2026 son harness de recherche NOOA, qui isole six capacités de l'interface entre le modèle et son harness, dont des entrées et sorties typées, le code comme moyen d'agir, un état explicite et une boucle programmable.

Le harness de NVIDIA consomme environ 1,1 million de tokens par tâche, contre 2,2 millions et 1,3 million pour les deux autres, et son score dépassait le meilleur résultat publié au moment de la soumission (79,2 %). Selon la légende de NVIDIA, les points de sa figure sont des résultats publiés au moment de la soumission. C'est NVIDIA qui mesure son propre outil, encore en préversion de recherche, et le gain tient en quelques points.

Sur un autre test, ARC-AGI-3, fait de jeux de logique, la même équipe compare des façons de garder la mémoire. Avec le même modèle, l'agent doté d'un modèle du monde et d'une mémoire conçue pour lui atteint 50,2 %, contre 38,4 % avec de simples notes dans des fichiers : NVIDIA attribue ces 11,8 points à la mémoire.

Une boucle sans aucune IA

L'expérience la plus contre-intuitive est parue sur Towards Data Science le 17/07/2026. Son autrice fait tourner un contrôleur sans aucun appel à un modèle d'IA, de simples règles qui observent, exécutent et révisent, face à une chaîne linéaire qui s'arrête à son premier obstacle.

Sur 300 tirages, la boucle termine 47,7 % des tâches, contre 2,1 %. C'est une simulation, sur des tâches fabriquées dont un quart sont bloquées par construction, et l'autrice écrit que l'écart tient en partie à ses scénarios. Ce qu'elle montre : la boucle isole chaque blocage dans sa branche au lieu de tout arrêter, et cette mécanique se travaille sans toucher à l'intelligence qui fait le travail.

Renvoyer l'erreur, mieux placer la demande

Le centre informatique de l'université des Nations unies a fait analyser des données par un modèle plus faible installé en local, comparé à un grand modèle du marché. Il en tire deux leçons distinctes :

• renvoyer au modèle l'erreur produite par son code, pour qu'il retente, répare ce qui fait planter le programme (un nom de colonne faux, une fonction inconnue) ; un code qui tourne et se trompe en silence lui échappe ;
• pour obtenir les graphiques voulus, placer la demande dans le message de l'utilisateur et donner au modèle un outil dédié a marché, après l'échec d'une consigne générale durcie.

Des règles écrites avant de lancer la boucle. Dans nos sources, Santander est la seule entreprise à publier les siennes en détail : quand s'arrêter ou passer la main à un humain, combien d'itérations au plus, un retour régulier aux sources de vérité, des limites par outil. Sans publier de résultats.

Santander a publié ses principes en juillet 2026. Sa thèse : le comportement d'un agent dépend moins du modèle au centre de la boucle que du harness qui l'entoure. Ses règles :

• toute boucle a des règles explicites pour s'arrêter, escalader ou passer la main à un humain ;
• des plafonds d'itérations, contre les coûts inutiles et les actions non voulues ;
• l'agent revient régulièrement à des sources de vérité vérifiées, plutôt que de raisonner sur son seul historique de conversation, pour réduire le risque que les petites erreurs s'additionnent en grandes ;
• une évaluation à chaque étape : la boucle doit savoir si la tâche est finie, s'il reste du travail ou s'il faut un humain ;
• des limites par outil, qui distinguent les actions en lecture seule, réversibles ou soumises à l'accord explicite d'un humain ;
• une trace de chaque étape utile, pour pouvoir reconstituer et contrôler ce qui s'est passé.

Santander cite un exemple, son projet open source Autoguardrails, qui ne garde une nouvelle règle de protection que si elle protège mieux sans réduire sensiblement les réponses légitimes. La banque dit étendre l'IA au service client, au développement logiciel, aux opérations et à la productivité interne, mais ne décrit aucun de ses agents en production ni ce que ces règles ont évité. C'est une doctrine ; le bilan reste à publier.

Attaquer le plan avant de le valider

En contrepoint, Nick Maletsky raconte sur HackerNoon pourquoi il a refait son harness d'agents de code. Lancer un planificateur, un codeur et un relecteur en espérant que ça converge se rattrape mal en route. Sa refonte s'inspire du red teaming militaire : un rôle attaque le plan avant la première ligne de code, un autre attaque l'implémentation après.

Il s'empile au-dessus. Un prompt contrôle une réponse du modèle, une boucle contrôle le cycle d'un agent, un graphe contrôle l'organisation de plusieurs agents. Le terme est apparu à l'été 2026, et la technique l'a précédé : on le suit sans s'emballer.

La taxonomie de MarkTechPost, publiée le 29/07/2026, empile trois unités de contrôle, un prompt, une boucle, un graphe, chacune gardant celle du dessous. Selon MarkTechPost, le loop engineering est entré dans le vocabulaire fin 2025 et a dominé les discussions de développeurs jusqu'en juin 2026 ; le graph engineering a suivi environ six semaines plus tard.

MarkTechPost juge lui-même fondé le scepticisme sur le mot : des sous-agents qui ont chacun leur rôle forment déjà un graphe, l'outil LangGraph avait son interface de graphe bien avant le terme, et Anthropic décrivait dès décembre 2024 des façons d'organiser plusieurs appels au modèle. Le mot est neuf, la pratique l'est moins.

MarkTechPost décrit aussi l'empilement complet : le prompt, puis le contexte, le harness, la boucle et le graphe. Notre schéma le reprend sans la marche du harness, présentée plus haut ; ce que contrôle le contexte (une session) est notre ajout.

Ce que vaut une boucle en conditions réelles, hors des tests d'éditeurs et des simulations ; ce qu'elle coûte une fois tout compté ; et ce qu'elle donne hors du développement logiciel.

• Dans nos sources, aucune mesure indépendante ne compare des harness en production. Les chiffres de ce carnet viennent d'éditeurs qui mesurent leurs propres outils (NVIDIA, Anthropic) ou d'une simulation.
• Le coût complet d'une boucle n'est pas publié. Nos sources parlent de tokens consommés ; aucune ne chiffre ce que coûtent sa conception, sa surveillance et sa maintenance dans une entreprise.
• Les retours d'expérience décrivent des règles, sans résultats chiffrés. Santander dit comment il encadre ses boucles, sans chiffrer ce que ces règles ont évité ; le témoignage publié sur HackerNoon est celui d'un développeur, sur son propre projet.
• Hors du code, on sait peu de chose. Presque tous les exemples de ce carnet portent sur des agents qui écrivent, corrigent ou exécutent du code ; les jeux de logique d'ARC-AGI-3 et la recherche documentaire d'Anthropic font exception.
• Le graph engineering a peu de mesures. La seule que cite MarkTechPost vient d'Anthropic, en 2025 : sur son évaluation interne de recherche, un système de plusieurs agents faisait 90,2 % de mieux qu'un agent seul, pour environ quinze fois les tokens d'une conversation.

Regarder qui mesure quoi : un éditeur qui teste son propre outil, une simulation, un témoignage. Et dater : les outils et les scores cités décrivent l'été 2026 et n'ont pas été actualisés.

• NVIDIA mesure son propre harness, en préversion de recherche, sur des tests publics ; l'écart change avec le modèle et le réglage.
• L'expérience publiée sur Towards Data Science est une simulation sur des tâches fabriquées : elle montre un principe, sans dire le gain à attendre dans une entreprise. Son encadré attribue les 3,3 branches à 300 tirages, son tableau à neuf configurations ; nous suivons le tableau.
• Les annonces d'AWS, de Databricks et de GitHub sont des annonces d'éditeurs, parfois lues à travers un média qui les reprend (Tech Times) ; nous n'avons pas testé ces produits.
• Le nombre d'étoiles d'Everything Claude Code, dans le paysage plus bas, compte des marques d'intérêt sur GitHub ; il ne mesure aucun usage.
• Cette édition corrige la précédente : le nombre de configurations de l'expérience de Towards Data Science, ce que montre le retour de l'université des Nations unies, la nature du texte de Santander (des principes, sans retour d'expérience), et un exemple de Cloudflare retiré du paysage, que sa source ne soutenait pas.