Google publie en open source Harness2, un framework récursif d'encadrement d'agents
Google Cloud AI Research a publié en open source Harness², un framework qui améliore le code et les fichiers entourant un modèle gelé, sans jamais toucher à ses poids. En version 0.1.0, il ne comporte aucun paramètre entraîné et expose huit composants modifiables, chacun monté sous forme de fichier : prompt système, garde-fous, mémoire, consignes d'outils, sous-agents, compétences, scripts et plugins (middleware). Il fonctionne sous Linux avec Python 3.12 ou 3.13 et uv, et appelle les modèles via Vertex AI. Le principe repose sur deux niveaux de récursion. Pour chaque tâche, l'agent s'exécute d'abord avec le harnais de base, puis un éditeur propose deux candidats : l'un « invariant », ciblant les défaillances générales comme la planification ou l'usage des outils, l'autre « de domaine », ciblant les connaissances et procédures du domaine concerné. Les deux sont testés sur la même tâche, et un compositeur compare leurs trajectoires à la référence pour ne conserver que les modifications étayées par un comportement observé. Après chaque tâche, un réflecteur archive le harnais retenu et un fichier EXPERIENCE.md de leçons, qui guide les propositions futures, chaque nouvelle tâche repartant toutefois du harnais de base. Un budget k règle l'ampleur de la recherche, en mode parallèle ou séquentiel. À k=1, cela représente une exécution de référence, deux sondages et une exécution finale par tâche.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Les résultats annoncés montrent qu'une seule étape de raffinement a amélioré les quatre configurations modèle-harnais testées sur les trois benchmarks. Le meilleur gain concerne GLM-5 sous OpenCode, qui passe de 64,2 à 75,7 sur WorkBuddy-Bench, soit 11,5 points. Le plus faible est celui de GLM-5 sous Codex, qui ne gagne que 1,2 point sur JobBench (23,6 à 24,8). Pour les développeurs, l'enjeu est concret : la performance d'un agent peut progresser sans changer de modèle, donc sans réentraînement ni accès aux poids. Cela intéresse surtout les équipes qui déploient des agents sur des modèles tiers ou figés, et qui peuvent désormais traiter le harnais comme une surface d'optimisation à part entière. Les besoins en GPU ne sont pas précisés, ce qui laisse ouverte la question du coût réel, puisque chaque tâche multiplie les exécutions en fonction du budget k.
Cette approche répond à une limite des méthodes d'auto-amélioration existantes, qui supposent la plupart du temps des étiquettes ou des tests unitaires pour juger une réponse. Harness² cible au contraire le monde ouvert, où les tâches arrivent sans être vues et où aucun vérificateur n'indique si le résultat est correct. Le framework prolonge les travaux antérieurs d'Agentic Harness Engineering, dont la découpe en sept fichiers gagne ici un composant supplémentaire. Il se compare aussi à Meta-Harness, optimisé hors ligne sur des tâches d'entraînement distinctes, dans des évaluations menées avec Gemini 3.5 Flash comme exécutant. Le code est disponible sur le dépôt google-research/harness2 et la méthode est décrite dans un article arXiv. La suite dépendra de la reproductibilité des gains hors des benchmarks de l'équipe, de leur stabilité avec des budgets k plus élevés et de l'adoption du format par les écosystèmes d'agents de code.
Pas d'impact direct sur la France/UE