Vous demandez à un assistant IA, dans une conversation, la marge par client du dernier trimestre. Il vous répond par un tableau bien présenté, que vous recopiez à la main dans votre classeur. Le même modèle, installé dans votre tableur, lit le classeur, écrit une formule dans la colonne F, crée un graphique et vous demande de vérifier le résultat. Le modèle n'a pas changé. Ce qui l'entoure, si.
Un même modèle, deux produits : dans une conversation, un tableau recopié à la main ; dans le tableur, une formule, un graphique et une demande de vérification.
Ce qui entoure le modèle
Un LLM ne fait qu'une chose : produire du texte à partir de ce qu'on lui envoie. Lire un fichier, modifier une cellule, envoyer un e-mail ou vérifier un calcul, ce n'est pas le modèle qui s'en charge, c'est l'application qui l'entoure. Les équipes techniques appellent cet entourage le harnais (harness). L'image vient du cheval de trait : l'animal fournit la force ; le harnais la dirige.
Concept clé
Le harnais est tout ce qui entoure le modèle dans un produit : les instructions, les fichiers qu'il peut lire, les outils qu'il peut utiliser, ses permissions, sa mémoire, les vérifications et la boucle qui le fait travailler. Le modèle propose ; le harnais décide de ce qu'il voit, de ce qu'il peut faire et de ce qui est vérifié avant que le résultat compte.
Les sept pièces d'un harnais
Au centre, le modèle ne fait qu'une chose : produire du texte à partir de ce qu'on lui envoie. Le reste, c'est l'application qui l'entoure qui s'en charge.
Les instructions. L'éditeur de l'outil écrit les siennes, que vous ne voyez pas. Vous ajoutez souvent les vôtres. En octobre 2026, Claude for Excel, le module d'Anthropic pour Excel, propose un champ d'instructions qui s'applique à chaque conversation. À la même date, chez Intercom, l'assistant de support Fin suit les consignes écrites par les administrateurs : ton de la marque, politiques de l'entreprise. La page Le prompting : bien briefer un modèle explique à quel niveau ranger chaque consigne.
Ce qu'il peut lire. Le classeur ouvert, un dossier partagé, la base de connaissances de votre service client. Ce qui n'entre pas dans sa fenêtre de contexte, le texte qu'il a sous les yeux à un instant donné, n'existe pas pour lui. Sur une tâche floue qui touche plusieurs applications, l'information utile se cache souvent là où la demande ne pointe pas : une règle dans un vieux fil d'e-mails, un onglet oublié, une note sur une fiche client. En octobre 2026, Anthropic indique que demander à l'outil de parcourir les sources pertinentes avant d'agir améliore nettement ses résultats sur ce type de tâche. Mais l'outil agit alors sur ce qu'il trouve : laissez hors de ses recherches tout contenu dont vous ne connaissez pas l'origine.
Les outils. Écrire une formule, créer une diapositive, consulter une commande, lancer des tests. Chaque outil est une action que l'application exécute à la demande du modèle. Le modèle formule sa demande dans un format fixé d'avance : c'est la même idée que les sorties structurées.
Les permissions. Ce que l'outil fait seul, et ce qui attend votre accord. En octobre 2026, Gemini dans Google Sheets montre une carte d'aperçu de l'action proposée avant de modifier la feuille.
La mémoire. Des notes gardées d'une conversation à l'autre, puis remises dans la fenêtre de contexte. Le modèle, lui, ne retient rien.
Les vérifications. Un recalcul, des tests, une règle qui bloque un montant, un passage de relais à un humain. Ce sont les garde-fous placés dans le harnais.
La boucle. L'outil agit, regarde le résultat, corrige et recommence, jusqu'à ce que la tâche soit finie ou qu'une limite l'arrête. C'est elle qui transforme une réponse en travail fait. C'est aussi elle qui peut répéter une erreur cent fois.
Le même modèle, deux produits
En octobre 2026, Microsoft indique que Copilot dans Excel fonctionne avec les derniers modèles d'Anthropic et d'OpenAI. Un modèle Claude peut donc travailler dans Copilot dans Excel comme dans Claude for Excel. Les deux produits n'ont pas les mêmes instructions cachées, pas les mêmes outils, pas les mêmes demandes de confirmation. Sur le même classeur, leurs résultats peuvent donc différer.
La conséquence est double. Un classement des modèles ne vous dit pas quel produit fera le mieux votre travail. Et quand l'éditeur change son harnais, le comportement de l'outil change aussi, même si le modèle reste le même. Testez l'outil sur vos tâches, avec vos fichiers, et refaites ces tests après une mise à jour importante.
Ce que vous réglez, ce que l'éditeur règle
Vous réglez une partie du harnais : vos instructions, les fichiers et les connecteurs (les accès à vos autres logiciels) que vous ouvrez, les permissions que vous accordez, les étapes de relecture que vous imposez. L'éditeur règle le reste : ses propres instructions, la liste des outils, la façon dont la mémoire est gérée, les limites de la boucle et, souvent, le modèle.
Vos instructions guident l'outil sans le contraindre. En octobre 2026, la documentation de Claude Code, l'agent de code d'Anthropic, le dit de ses fichiers d'instructions : le modèle les lit comme du contexte, pas comme une configuration imposée. Une règle qui doit toujours s'appliquer passe par une permission ou une vérification, pas par une phrase dans les instructions.
Où les erreurs se cachent
Un harnais qui agit produit des erreurs qui se voient moins qu'une phrase fausse dans une conversation.
Dans un tableur, une formule qui couvre la mauvaise plage donne un chiffre plausible. Ce chiffre faux se recalcule en silence et se propage dans les autres onglets. Lisez la formule, pas seulement le résultat.
Dans une présentation, un chiffre du mauvais trimestre prend l'air sérieux d'un graphique soigné. Remontez chaque chiffre de la diapositive jusqu'à sa source.
Dans un e-mail ou une réponse de support, l'erreur part chez le client. Une fois envoyée, elle ne se corrige plus.
Les éditeurs le disent eux-mêmes. En octobre 2026, Anthropic demande de toujours relire les modifications de Claude for Excel, et Google prévient que Gemini peut proposer des informations inexactes.
Ce que l'outil peut modifier ou envoyer
Il envoie ou agit hors de vos fichiers : un e-mail, une réponse client, une écriture dans un autre logiciel. Ses actions ne s'annulent pas : c'est la catégorie qui demande le plus de prudence.
Rangez chaque outil dans l'une des trois catégories suivantes. Il suggère, et vous décidez. Il modifie vos fichiers, et vous pouvez revenir en arrière. Il envoie ou agit hors de vos fichiers : un e-mail, une réponse client, une écriture dans un autre logiciel. La troisième catégorie demande le plus de prudence, parce que ses actions ne s'annulent pas.
En octobre 2026, Fin, chez Intercom, peut lire des données en direct dans des applications connectées comme Shopify ou Stripe, et passer la main à un membre de l'équipe. À la même date, chez Zendesk, les agents IA peuvent modifier des données hors de Zendesk par une API que vous désignez, c'est-à-dire une porte d'accès qu'un logiciel ouvre à un autre. Dans les deux cas, ce sont les administrateurs qui ouvrent ces droits. Ouvrez-les un par un, en commençant par la lecture seule.
Choisir un outil par son harnais
Le nom du modèle ne suffit pas à comparer deux outils. Posez plutôt ces questions. Que lit-il, et qui choisit ce qu'il lit ? Que peut-il modifier ou envoyer sans demander ? Peut-on annuler ce qu'il fait ? Garde-t-il une mémoire, et pouvez-vous la voir ? Que vérifie-t-il avant de rendre la main ? Un outil dont la documentation répond clairement à ces questions vaut souvent mieux que celui qui affiche le modèle le plus récent.
Ce que ça change pour vous
Pour les fondateurs
Avant de payer un outil IA pour votre équipe, interrogez l'éditeur sur le harnais, pas seulement sur le modèle : ce qu'il lit, ce qu'il peut envoyer, ce qui demande une confirmation. Ces réponses disent mieux que le nom du modèle si l'outil est sûr pour vos clients et pour vos données.
Pour les product managers
Quand vous concevez une fonctionnalité IA, vous concevez un harnais. Écrivez-le dans la spécification : les instructions, les sources que le modèle lit, les outils qu'il appelle, ce qui demande une confirmation et ce qui passe à un humain. La qualité perçue par l'utilisateur en dépend souvent plus que du choix du modèle.
Pour les tech leads
Traitez le harnais comme du code. Versionnez le prompt système, les fichiers d'instructions et la configuration des permissions. Placez les règles impératives dans des vérifications déterministes, pas dans les instructions. Relancez vos évals (pour « évaluations ») quand vous changez de modèle, mais aussi quand vous ou l'éditeur changez le harnais.
Pour les dirigeants
Déployer l'IA dans les tableurs et les présentations, c'est fixer des règles d'équipe sur le harnais : quels fichiers l'outil peut ouvrir, ce qu'il peut envoyer hors de l'entreprise, et qui vérifie les chiffres avant qu'ils sortent. Ces règles comptent plus que le choix entre deux modèles.
L'erreur classique
fAIling RÈGLE III
Le piège : Automatisez avant de comprendre
Donner à un outil le droit de modifier et d'envoyer avant de savoir ce qu'il lit et ce qu'il vérifie, c'est automatiser à l'aveugle. Une formule fausse appliquée à dix mille lignes, ou une réponse fausse envoyée à cent clients, part aussi vite qu'une bonne. Commencez en lecture seule, regardez ce que fait l'outil sur vos cas réels, puis ouvrez les droits un par un.
Lire la règle III du manifesteÀ essayer
Prenez un outil IA que vous utilisez déjà dans un tableur, une présentation ou votre messagerie. Répondez par écrit à sept questions : quelles instructions suit-il, que peut-il lire, quels outils a-t-il, que fait-il sans demander, garde-t-il une mémoire, que vérifie-t-il, et quand s'arrête-t-il ? Cherchez chaque réponse dans les réglages ou la documentation de l'outil. Les questions restées sans réponse sont vos risques : traitez-les avant d'élargir ses droits.
Autour du sujet
Pour aller plus loinLes agents de code, un harnais parmi d'autres
Les agents de code rendent le harnais très visible. En octobre 2026, Claude Code lit un fichier d'instructions, CLAUDE.md. Dans son mode par défaut, il demande votre accord avant la plupart des modifications de fichiers et des commandes. Codex, chez OpenAI, lit un fichier AGENTS.md avant tout travail et suit une politique d'approbation que vous réglez. Chez GitHub, l'agent cloud de Copilot travaille dans un environnement temporaire, lance les tests et ouvre une demande de fusion (pull request), c'est-à-dire une proposition de modification du code, que GitHub demande de relire. On retrouve les mêmes pièces que dans un assistant de tableur : instructions, outils, permissions, vérifications et boucle.
Pour aller plus loinLa mémoire, une pièce que vous pouvez voir
La mémoire des assistants est une pièce du harnais, pas du modèle : l'application garde des notes et les remet dans la fenêtre de contexte. En octobre 2026, Claude et ChatGPT permettent tous les deux de consulter, de modifier ou de supprimer ce qui a été retenu, et de désactiver la mémoire. Chez Anthropic, la mémoire est activée par défaut sur les offres Free, Pro et Max. Vérifiez ce réglage avant de traiter des données sensibles.
Pour aller plus loinD'où vient le mot
Le terme vient des équipes qui construisent des agents. En janvier 2026, un article d'ingénierie d'Anthropic définit le harnais d'un agent comme le système qui permet à un modèle d'agir comme un agent. Le même modèle, dans deux harnais, forme donc deux systèmes différents, à évaluer séparément.
Quoi en faire
Comparez les outils sur leur harnais, pas sur le nom du modèle : ce qu'il lit, ce qu'il peut faire et ce qui est vérifié peuvent changer le résultat.
Une règle qui doit toujours s'appliquer va dans une permission ou une vérification, pas dans une phrase des instructions.
Commencez en lecture seule, regardez ce que fait l'outil sur vos cas réels, puis ouvrez un à un les droits de modifier ou d'envoyer.