Quel modèle d'IA est utilisé ? Cela ne dit pas encore tout ce que l'IA peut faire

Une application d'IA peut utiliser Claude, Gemini ou un modèle d'OpenAI. Cela ne vous dit pas encore tout ce que cette IA peut faire. Le logiciel autour du modèle détermine quelles informations l'IA peut voir, quels « outils » elle reçoit et quelles actions elle a le droit d'exécuter.

Claude Code montre bien la différence

Qui utilise Claude connaît la conversation ordinaire. Vous posez une question et Claude répond.

Claude Code utilise lui aussi un modèle Claude comme partie pensante. Autour de ce modèle se trouve un logiciel qui lui donne bien plus de possibilités. Claude Code peut par exemple chercher et lire des fichiers, modifier des fichiers, exécuter des commandes et examiner le résultat.

Imaginez que vous demandiez :

Cherche pourquoi ce site web renvoie une erreur et corrige le problème.

Le modèle Claude détermine où chercher. Le logiciel qui l'entoure ouvre les fichiers et exécute les commandes. Le modèle reçoit les résultats et détermine ensuite quelle doit être l'étape suivante.

Cette couche logicielle autour du modèle d'IA, nous l'appelons un agentic harness.

Vous rencontrerez aussi les termes agent harness et, en abrégé, harness.

Codex d'OpenAI fonctionne selon le même principe : un modèle d'IA constitue la partie pensante et le logiciel qui l'entoure lui donne les moyens d'exécuter réellement quelque chose.

Quand cela devient-il un agent IA ?

Grâce à un tel harness, l'IA peut exécuter plusieurs étapes à la suite.

Elle peut chercher quelque chose, exécuter une action, examiner le résultat et déterminer ensuite quelle doit être l'étape suivante.

On parle alors d'un agent IA.

Un agent ne se contente donc pas de vous dire ce que vous pourriez faire. Dans les limites des droits qui lui ont été accordés, il peut aussi exécuter des actions.

C'est précisément pour cela que le logiciel autour du modèle est si important.

1. Le harness donne des « outils » à l'IA

Imaginez que vous disiez à une IA :

Modifie l'adresse de ce client.

Le modèle d'IA comprend parfaitement ce que vous voulez dire. Sans accès au système clients, il ne peut rien modifier.

Si l'agentic harness donne accès à ce système clients, l'IA pourra peut-être retrouver le client et modifier l'adresse.

Si elle obtient aussi accès à la messagerie, elle pourra peut-être ensuite envoyer une confirmation.

Un même modèle d'IA peut donc faire des choses totalement différentes selon les « outils » qu'il reçoit.

Il peut s'agir d'un accès à :

2. Le harness détermine quelles informations l'IA reçoit

Le harness peut aussi fournir des informations au modèle au moment où elles sont nécessaires.

Pour une question portant sur une commande, le bon dossier client peut par exemple être récupéré d'abord. Le modèle ne voit ensuite que les données pertinentes.

Les règles de l'organisation peuvent également être transmises :

Les remises supérieures à 10 pour cent doivent d'abord être approuvées.

Ou :

Ces données ne peuvent pas être partagées avec des services externes.

Le modèle détermine quelle est l'étape suivante logique. Les informations et les règles qu'il reçoit contribuent à déterminer la décision qu'il prend.

3. Le harness laisse l'IA poursuivre son travail

Un chat ordinaire fonctionne généralement ainsi :

question → réponse

Un agent IA peut poursuivre :

déterminer l'étape → exécuter → examiner le résultat → déterminer l'étape suivante

Cela peut se répéter plusieurs fois de suite.

C'est là que réside une grande partie de la force des agents IA. Vous ne devez pas redonner une instruction après chaque étape.

C'est là aussi que réside une partie du risque.

Une réponse erronée n'est pas la même chose qu'une action erronée

Si un chatbot donne une réponse erronée, vous pouvez la lire et l'ignorer.

Si un agent IA exécute une action erronée, l'adresse peut déjà avoir été modifiée, le courriel déjà envoyé ou le rendez-vous déjà pris.

C'est pourquoi, avec des agents IA, vous ne devez pas seulement savoir à quel point le modèle est performant.

Vous devez aussi savoir :

Ce ne sont pas des détails techniques. Ces questions déterminent la part de responsabilité que vous confiez réellement à l'IA.

Demandez donc plus que : quel modèle est utilisé ?

Un fournisseur peut vous dire que son application utilise un modèle d'IA connu et puissant.

Très bien.

Demandez ensuite aussi :

Que peut faire cette IA avec nos données, nos fichiers et nos programmes ?

Et :

Quelles actions a-t-elle le droit d'exécuter sans qu'un collaborateur donne d'abord son autorisation ?

Vous saurez alors bien mieux ce que vous faites réellement entrer dans votre organisation.

C'est aussi la raison pour laquelle AIAdopt distingue le travail courant avec l'IA du travail avec des agents IA.

Avec Maîtriser les agents IA, les collaborateurs et les responsables apprennent à reconnaître quand l'IA agit seule, ce qu'ils confient à d'autres, où un contrôle s'impose et quand ils doivent intervenir.

Vous voulez d'abord savoir quelles applications d'IA sont utilisées au sein de votre organisation et où se situent les principaux risques ? L'AI Adoption Assessment cartographie alors l'usage actuel de l'IA, le shadow-AI et les principaux points d'attention.

Le contexte d'utilisation est par ailleurs pertinent pour la littératie en IA au titre de l'article 4 de l'EU AI Act. Une personne qui fait seulement améliorer des textes travaille dans un autre contexte qu'une personne qui autorise un agent IA à exécuter des actions de manière autonome.

Si vous souhaitez en savoir plus sur les risques d'une IA qui agit seule, consultez aussi notre article Un agent IA sûr ne fait pas un système IA sûr.

Maîtriser ce que l'IA a le droit de faire seule

Les agents IA peuvent décharger de beaucoup de travail. Il est d'autant plus important que les collaborateurs comprennent ce que l'agent peut voir, ce qu'il a le droit de faire et où un contrôle humain reste nécessaire.

Découvrez Maîtriser les agents IA, découvrez l'AI Adoption Assessment ou prenez contact avec AIAdopt si vous voulez d'abord déterminer ce qui est judicieux pour votre organisation.

Sources

AI Model vs Agentic Harness: What Actually Drives AI, IBM Technology.

What is an agent harness?, Google Cloud.

Unlocking the Codex harness: how we built the App Server, OpenAI.

Scaling Managed Agents: Decoupling the brain from the hands, Anthropic.

Rédigé par Rob Ummels en collaboration avec Claude (Anthropic). Responsabilité éditoriale : AIAdopt.