neirfy - stock.adobe.com
Agent DLC : Harness veut combler les trous dans la raquette du développement d’agents IA
Appliquer l’approche DevSecOps aux agents IA dépasse la simple revue de code, estime Harness. L’éditeur muscle ses contrôles de sécurité et de comportements et prépare son éventuelle entrée sur le marché de l’observabilité.
Les outils de développement permettant de créer des agents ne manquent pas. Tout comme les outils d’orchestration destinés à les gérer en production. En revanche, la transition entre ces deux étapes est moins bien définie.
Harness, l’éditeur d’une plateforme DevSecOps, a lancé cette semaine Agent DLC. Cette solution au nom inspiré des contenus téléchargeables des jeux vidéo (downlable content ou DLC) cible justement cette portion du cycle de développement agentique.
Elle intègre des outils afin d’évaluer et de tester les agents probabilistes, absents des pipelines CI/CD traditionnels.
Les équipes de développement doivent pouvoir observer et noter le comportement et les réponses des agents IA avec davantage de nuances que les tests traditionnels.
« Avec les logiciels traditionnels, en cas de crash, l’on peut consulter les logs, examiner les traces et corriger le problème », déclare Trevor Stuart, vice-président senior et directeur général chez Harness, lors d’un entretien avec Informa TechTarget [propriétaire du MagIT]. « Le mode de défaillance d’un agent, c’est l’hallucination. Il vous indique ce qui se passe, mais ce n’est peut-être pas tout à fait exact. Comment évaluer quelque chose de non déterministe ? ».
Pour Torsten Volk, analyste chez Omdia, une division d’Informa TechTarget, Harness Agent DLC a le potentiel de répondre à des questions importantes auxquelles sont confrontés les développeurs d’agents IA.
« Les équipes de développement tentent de comprendre comment intégrer à la fois du code déterministe traditionnel et de nouvelles fonctionnalités sophistiquées d’IA probabiliste dans le pipeline CI/CD », souligne l’analyste. « Je me souviens de conversations sur ce sujet précis, où les gens me demandaient : “Est-ce réaliste ? Cela arrivera-t-il un jour ?” ».
Une extension pour contrôler les agents IA en parallèle des pipelines CI/CD
Agent DLC ajoute cinq nouvelles fonctionnalités à la plateforme Harness DevSecOps existante :
- Harness AI Evals, pour effectuer des tests de qualité qui évaluent les performances des agents en fonction de modes de défaillance non déterministes, tels que les hallucinations.
- Agent deployments, pour déployer des agents dans des environnements cloud tels qu’Amazon Bedrock AgentCore et Google Agent Runtime, avec la prise en charge des déploiements canari, des validations et de la gouvernance policy as code géré par un agent (Open Policy Agent).
- AI Configs pour prendre en charge la gestion des prompts et des changements de LLM parallèlement aux agents, avec prise en charge du feature flagging.
- AI Asset Catalog pour associer les agents et leurs artefacts aux dépôts de code et aux propriétaires au sein d’une organisation.
- Harness AgentTrace, qui utilise la collecte de données OpenTelemetry pour observer l’exécution d’un agent individuel et résoudre les ralentissements de performances.
Selon Andrew Cornwall, analyste chez Forrester Research, cette capacité à gérer les agents parallèlement au code et de rendre les modèles « explicitement configurables », facilite le changement de LLM « en fonction des besoins et des budgets ».
« Les évaluations d’IA permettent d’évaluer les modèles de la même manière que d’autres actifs », constate-t-il. « Cela signifie que vous pouvez revenir à un état connu et fiable si vous découvrez qu’un modèle en production se met à insulter les utilisateurs ou à offrir des voitures gratuitement ».
Le catalogue d’actifs IA de Harness pourrait également contribuer à résoudre un problème de plus en plus pressant en entreprise : la gouvernance des actifs IA. Les API, les serveurs MCP, les outils déployés par les développeurs se multiplient.
« Nombreuses sont les entreprises qui ont encouragé l’expérimentation de l’IA, mais lorsque ces expériences commencent à intégrer la production, les entreprises ont besoin d’en connaître les fondements », explique-t-il. « Ce catalogue s’intègre à l’IDP (Internal Developer Portal) de Harness. Nous espérons donc que les développeurs pourront également découvrir ce qui existe déjà et réduire ainsi les doublons ».
L’observabilité et la sécurité, les futurs DLC d’Agent DLC
AgentTrace n’est pas un produit d’observabilité autonome pour Harness. Il s’agit plutôt d’un moyen pour intégrer les données de performance des agents à sa plateforme. Trevor Stuart n’a pas exclu une future extension des outils d’observabilité de Harness.
« Harness ne se positionne pas encore sur l’observabilité – ce qui sera une étape majeure le moment venu, vu l’expérience de notre fondateur Jyoti Bansal chez AppDynamics », insiste-t-il. « Mais nous commençons à collecter des traces via AgentTrace, qui capture l’ensemble des appels d’outils et actions des agents. Ces données alimenteront nos évaluations IA et certains de nos produits de sécurité en tant que capacité transversale de la plateforme ».
Harness intégrera également des fonctionnalités pour renforcer le DevSecOps appliqué aux agents IA : l’analyse des LLM dans les modules SAST et d’orchestration des tests de sécurité, la gestion des nomenclatures IA (AI BOM) dans la sécurité de la chaîne d’approvisionnement, ainsi que des tests de sécurité et prédéploiement spécifiques aux agents.
Après le déploiement, « Agent Discovery » détectera les agents et cartographiera leurs connexions. AgentTrace fournira une piste d’audit des prompts, du raisonnement, des appels d’outils et des résultats. Une fonctionnalité d’application, en cours de développement par Harness, renforcera la gestion de la posture de sécurité des agents IA en production.
Trevor Stuart a toutefois écarté la possibilité de développer sa propre suite d’outils de développement d’agents IA.
« Ils sont proches des outils de programmation traditionnels », compare-t-il. « Notre objectif est d’aider [nos clients] à déployer ce code en production en toute sécurité ».
Selon Katie Norton, analyste chez IDC, les concurrents de Harness n’offrent qu’une partie des fonctionnalités qu’Agent DLC regroupe. Le marché des outils de développement d’agents IA compte d’abord plusieurs acteurs directs proposant des frameworks agentiques : n8n, Gumloop, CrewAI, ou encore la plateforme Gemini Enterprise Agent de Google.
JFrog, en partenariat avec GitHub, fournit des fonctionnalités similaires pour sécuriser la chaîne d’approvisionnement et les agents. GitHub et GitLab intègrent dans leurs plateformes DevSecOps des capacités de gouvernance et d’observabilité dédiées à ces mêmes actifs. Côté cyber, de nombreux éditeurs IT vantent leurs services de sécurisation des agents IA.
Par ailleurs, Palo Alto Networks construit actuellement une plateforme d’observabilité. Pour ce faire, il a acquis Chronosphere en novembre et Embrace, le 21 juillet 2026. Enfin, OpenAI vient de lancer Presence, sa plateforme de développement d’agents IA, en disponibilité générale limitée. Elle se concentre sur le déploiement d’agents vocaux et conversationnels pour les applications clients et internes. Sans oublier les solutions dédiées au red teaming, dont celles de Giskard et d’Aikido Security.
« Les fonctionnalités prises isolément ne sont pas vraiment différenciantes. Beaucoup d’éditeurs proposent déjà la découverte d’agents, le red teaming, les pare-feu d’exécution, le traçage, l’analyse de modèles ou la gouvernance des outils », explique-t-elle dans un courriel adressé à Informa TechTarget. « Ce qui distingue vraiment Harness, c’est d’avoir réuni toutes ces fonctions au sein d’une plateforme commune – et surtout, dans la plateforme même utilisée pour le développement ».
Article initialement publié en anglais sur SearchITOperations.
Pour approfondir sur IA appliquée, GenAI, IA infusée
-
IA : les équipes de dev vont diminuer en taille, mais gare aux fausses économies prévient Gartner
-
DevSecOps : face à un GitHub en difficulté, AWS aiguise ses agents IA
-
L’harness engineering, une architecture critique de l’IA agentique
-
Sécurité des identités pour les agents IA : le défi de la prolifération
