fr.wedoany.com Rapport : Le 30 juin 2026, Harness (entreprise de plateforme de livraison de logiciels basée sur l’IA) a lancé un agent Worker autonome destiné à la livraison de logiciels. Les entreprises peuvent utiliser cette plateforme pour construire et exécuter en toute sécurité des agents d’IA, chargés de gérer toutes les tâches allant de l’écriture du code à la mise en production.
La livraison de logiciels a traversé plusieurs étapes. Dans les premières phases, le travail était entièrement manuel ; ensuite, les équipes ont écrit des scripts pour des tâches uniques comme le déploiement ; récemment, ces tâches ont été connectées en pipelines automatisés suivant des instructions fixes. C’est le modèle qu’Harness a utilisé pendant des années pour les grandes entreprises. L’agent Worker représente l’étape suivante : chaque étape du pipeline peut fonctionner sous forme d’agent capable de raisonner, plutôt que de scripts fixes, avec le contexte, la gouvernance, le bac à sable et la piste d’audit nécessaires aux entreprises. Les agents gérés par Harness sont désormais disponibles, et les équipes peuvent les personnaliser ou en construire. Le nouveau Harness Agent Marketplace facilite la recherche, l’utilisation et le partage d’agents.
Jyoti Bansal, cofondateur et PDG d’Harness, a déclaré que l’IA écrit désormais le code, tandis qu’Harness assure la livraison. L’agent Worker autonome est la manière dont les entreprises construisent et exécutent l’IA en toute sécurité, couvrant toutes les étapes après le code : construction, test, sécurité, déploiement et exploitation. Ces tâches s’exécutent sur les pipelines de livraison de logiciels existants des clients, à l’intérieur de leur périmètre réseau, avec une gouvernance, une piste d’audit et une posture de sécurité déjà en place.
L’agent Worker autonome s’exécute en tant qu’étape native du pipeline dans Harness, soumis aux mêmes contrôles que ceux utilisés pour les déploiements manuels. Lorsque l’agent appelle un LLM (Large Language Model), les invites et le contexte sont transmis via la passerelle LLM, qui valide les requêtes selon les politiques et maintient une piste d’audit. Les contrôles incluent : bac à sable, l’agent s’exécute dans un conteneur restreint, incapable d’envoyer des données de commandes malveillantes ; identifiants à portée limitée, chaque agent possède une identité unique et des autorisations spécifiques ; application des politiques, les politiques pour les agents sont les mêmes que pour les déploiements manuels, pouvant bloquer l’utilisation de modèles non approuvés ; piste d’audit, chaque opération est enregistrée sous une identité IA unique, incluant la source, l’action et le résultat ; suivi des coûts, affichant la consommation de jetons par agent et par pipeline ; liens, les agents peuvent être combinés en workflows multi-étapes, transmettant leurs sorties.
La construction d’un agent Worker autonome utilise un format de fichier standard de l’industrie. Une fois le fichier sauvegardé et soumis au dépôt, l’agent devient actif, gouverné et disponible au sein de l’organisation. Les équipes qui ne souhaitent pas écrire de fichiers peuvent utiliser l’IA d’Harness pour générer des agents. Les agents s’exécutent en tant qu’étapes de pipeline gouvernées, avec les mêmes contrôles. John Jones, directeur de l’infrastructure cloud chez Verint Systems, a déclaré que l’agent de dépannage Kubernetes construit par l’entreprise est passé de la simple lecture de journaux à la résolution rapide de problèmes, bénéficiant à plus de 200 membres de l’équipe d’exploitation et à environ 1 000 développeurs. L’équipe n’a mis que quatre jours pour apprendre et construire un agent d’IA prêt pour la production, destiné à une tâche courante et chronophage : le dépannage des pipelines. Lors de l’exécution, l’agent dispose du contexte complet de l’organisation, utilisant le graphe de connaissances de livraison de logiciels d’Harness pour raisonner. Ce graphe relie services, pipelines, déploiements, infrastructures, incidents et découvertes de sécurité, garantissant que les réponses sont adaptées à l’environnement spécifique plutôt que des correctifs génériques. Via le serveur MCP d’Harness, les développeurs peuvent, dans Cursor, Claude Code ou d’autres outils, attribuer des tâches à l’agent Worker, et les résultats sont renvoyés à l’endroit du déclenchement ; quel que soit l’endroit où l’agent s’exécute, il est gouverné sous les politiques de l’organisation, de la même manière que les autres étapes.
Harness a pré-construit des agents Worker autonomes pour traiter les tâches répétitives du cycle de vie de la livraison. Les agents actuellement disponibles incluent : Autofix, qui lit les journaux de construction, identifie la cause racine des échecs, soumet un correctif et relance la construction ; Code Review, qui examine les différences des PR, vérifie la qualité du code, les problèmes de sécurité et la couverture des tests ; Code Coverage, qui identifie les lignes de code non testées et génère des tests ; Feature Flag Cleanup, qui détecte les indicateurs de fonctionnalités obsolètes et vérifie leur suppression sécurisée ; Manifest Remediator, qui analyse les déploiements Kubernetes échoués et corrige les problèmes de manifeste ; IaCM Remediation, qui corrige les dérives de configuration, les problèmes de sécurité et les coûts cloud en modifiant la configuration de l’infrastructure. Le Harness Agent Marketplace est un catalogue partagé où les agents Worker peuvent être publiés et réutilisés au sein de l’organisation et de la communauté. Le Marketplace comprend trois niveaux : Harness Managed, construit et maintenu par Harness avec support SLA ; Harness Certified, construit par des partenaires, audité et certifié par Harness ; Community, publié par la communauté. Les organisations peuvent contrôler via des politiques quels agents peuvent être exécutés en production. Chaque agent du Marketplace peut être forké, et les équipes peuvent cloner un agent existant pour ajuster les invites, les outils ou les déclencheurs à leur environnement.
Ratna Devarapalli, directeur IT chez United Airlines, a déclaré que l’équipe a construit l’agent Worker autonome RiskSentinel pour prouver qu’une IA gouvernée peut identifier et corriger en toute sécurité les problèmes de sécurité, tout en maintenant le contrôle, l’auditabilité et la conformité de l’entreprise. L’équipe est passée d’une idée initiale à un agent prêt pour la production en seulement quatre jours, avec une expérience intuitive. L’agent Worker autonome prend en charge plusieurs fournisseurs de LLM, notamment Anthropic via AWS Bedrock et une intégration directe avec Anthropic et OpenAI ; les clients peuvent changer de modèle par agent, environnement ou pipeline sans réécrire l’agent. L’agent Worker autonome et le Harness Agent Marketplace sont désormais entièrement disponibles pour tous les clients d’Harness. Harness est une entreprise de plateforme de livraison de logiciels basée sur l’IA, soutenue par Goldman Sachs, Menlo Ventures, IVP, Unusual Ventures et Citi Ventures, dont le siège est à San Francisco. Des entreprises comme United Airlines, Morningstar et Choice Hotels utilisent Harness pour accélérer les mises en production jusqu’à 75 %, réduire les coûts cloud de 60 % et réaliser un gain d’efficacité de 10 fois dans le DevOps.
