Un vendredi de juin, chez Thiga, un consultant reçoit une question toute simple de sa hiérarchie : combien coûte l’application que tu es en train de construire ? Matthias n’a pas de réponse. Cinq jours plus tôt, il codait encore son projet à la main ; depuis, il a délégué l’essentiel du travail à un agent IA, et la facture a grimpé sans qu’il s’en aperçoive. Ce vertige porte un nom, apparu depuis quelques mois à peine dans les cercles d’ingénierie : le harness engineering.
Matthias est ce que l’on appelle désormais un product builder, un profil hybride qui conçoit un produit et le code lui-même à l’aide d’agents IA (des programmes capables d’enchaîner seuls plusieurs actions, écrire une fonction, la tester, la corriger, sans qu’un humain valide chaque étape), sans dépendre entièrement d’une équipe d’ingénierie. Il pilotait le sien via l’interface de programmation du modèle Claude, d’Anthropic, où la facture se calcule au token (l’unité qui mesure ce qu’un modèle de langage lit et écrit, un peu comme les minutes d’une carte téléphonique prépayée), sans plafond ni alerte. En cinq jours, sans le savoir, il avait dépensé 500 euros de tokens.
Son histoire, racontée sur le média de Thiga, est devenue un cas d’école. Elle illustre à petite échelle un vertige que des entreprises bien plus grandes découvrent en ce moment à leur dépens. Selon des tableaux de bord internes obtenus par le média américain 404 Media et relayés début juillet par le consultant britannique Martin Fowler, une entreprise a vu sa facture de tokens grimper de 5 millions de dollars en août 2025 à 15 millions en mai 2026, avec une trajectoire annuelle projetée à plus de 120 millions. Accenture a dû, de son côté, prendre des mesures pour limiter la consommation de ses équipes. Le problème, notent ces mêmes documents, ne venait pas d’abord du code : c’étaient des collaborateurs utilisant l’IA pour des tâches anodines, transformer un PDF en présentation, qui faisaient exploser les compteurs.
Le harness engineering, un mot qui n’existait pas en février
Martin Fowler raconte l’accélération avec précision. En février 2026, à Deer Valley, dans l’Utah, Thoughtworks réunissait des équipes pionnières pour une première retraite sur l’avenir du développement logiciel : le mot n’existait pas encore, et l’ambiance, selon l’un des participants, Giles Edwards-Alexander, tenait de l’hésitation, la conviction qu’il y avait quelque chose là, même si personne ne savait encore quoi. Fin juin, à Engelberg, en Suisse, pour la deuxième édition de la même retraite, le ton avait changé : la valeur est là, désormais, et le terme sur toutes les lèvres. Un autre participant, Greg Herlein, résume le basculement : en février, tout le monde théorisait ; cette fois, tout le monde le faisait, le livrait, plus de simples présentations, de la vraie production.
Le concept vient d’un mémo publié en février par Birgitta Böckeler, ingénieure chez Thoughtworks, puis développé dans un article complet début avril. Sa définition tient en une phrase : un harnais, traduction littérale de harness, c’est tout ce qui entoure un modèle de langage pour le rendre utilisable en confiance, autrement dit tout, sauf le modèle lui-même. L’image est empruntée à l’escalade : un harnais ne dicte pas où grimper, il retient la chute et guide le geste. Böckeler distingue deux familles d’éléments. Les guides orientent l’agent avant qu’il n’agisse : une règle écrite, une documentation de référence, un exemple à suivre. Les sensors, ou capteurs, vérifient après coup ce qu’il a produit : un test automatique, la relecture par un autre agent, un tableau de bord de coûts. Sans le nommer, c’est exactement ce que Matthias, chez Thiga, a fini par bricoler seul : un tableau de bord répartissant les dépenses par fonctionnalité, décortiquant chaque échange avec l’IA, projetant la consommation à venir. Un capteur artisanal, construit après le choc plutôt qu’avant.
Illustration : schéma des trois familles de harnais (maintenabilité, cohérence architecturale, comportement fonctionnel), guides et capteurs superposés (Birgitta Böckeler, Thoughtworks, martinfowler.com).
Ce qui bascule pour les équipes produit
L’enjeu dépasse la seule discipline d’ingénierie. Pendant des mois, le débat sur l’IA générative s’est concentré sur une question : quel modèle choisir, GPT, Claude, Gemini ? Le harness engineering déplace la question ailleurs : quel système construire autour du modèle pour le rendre fiable, prévisible, et dont le coût reste sous contrôle ? Pour Thiga, qui vient de publier son propre guide à destination des équipes produit francophones, c’est précisément sur ce terrain que se construit un avantage durable : sur une tâche longue, c’est le harnais, pas le modèle, qui fait la différence entre un projet qui tient et un projet qui déraille.
C’est un déplacement de responsabilité qui concerne directement les chefs de produit, à mesure qu’ils deviennent eux-mêmes des product builders capables de faire tourner des agents sans détour par l’ingénierie. Un product manager qui prototype avec Claude Code ou Cursor n’a plus le luxe de laisser ce sujet à d’autres : les règles qu’il écrit avant de lancer son agent, la façon dont il vérifie ce qui en sort, la visibilité qu’il se donne sur les coûts, deviennent une compétence produit à part entière, au même titre que savoir cadrer un besoin ou prioriser un backlog, cette liste de tâches et de fonctionnalités restant à traiter. C’est un rappel utile : l’intelligence artificielle n’est jamais une fin en soi, mais un accélérateur au service d’un système dont la culture et les habitudes pèsent autant que l’outil.
Les limites d’un chantier encore jeune
Le tableau n’est pas si net qu’il y paraît. Böckeler elle-même reconnaît qu’un pan entier du sujet reste largement irrésolu : vérifier qu’un agent produit un comportement fonctionnellement correct, et pas seulement du code qui compile. « Nous avons encore beaucoup à faire, écrit-elle, pour élaborer de bons harnais permettant de réduire la supervision et les tests manuels. » Les catalogues de pratiques recensés lors de la retraite d’Engelberg restent, de l’aveu même des participants, émergents : personne ne peut encore dire avec certitude ce qui fonctionne, et dans quel contexte.
Il existe aussi un risque de récupération du discours. L’essayiste produit John Cutler a publié fin juin une mise en garde qui mérite d’être lue en contrepoint : il conteste l’idée, très en vogue, que l’IA aurait tout simplement supprimé le goulot d’étranglement de l’ingénierie logicielle. Pour lui, un système de développement de produit n’est jamais bloqué par un seul point physique ; la contrainte réelle tient le plus souvent à des politiques internes, des habitudes ou des défauts de coordination, pas à un outil. Il pointe un agenda moins avouable derrière certains discours : des cabinets de conseil comme McKinsey, BCG ou Deloitte vendent à leurs clients des réductions d’effectifs de 30 %, justifiées par la productivité que l’IA apporterait. Une promesse commerciale, pas une démonstration. Le harnais est un outil réel et déjà utile ; il n’est pas, à lui seul, la preuve que l’organisation du travail a changé de nature.
Par où commencer lundi matin
Concrètement, un chef de produit ou un manager qui pilote déjà un agent IA pour prototyper, écrire une spécification ou explorer une idée peut agir sans attendre que la discipline se stabilise. Trois réflexes, empruntés aux praticiens cités plus haut, sont à portée immédiate : écrire ses règles avant de lancer l’agent plutôt qu’après, sous la forme d’un document de référence court, réutilisable d’un projet à l’autre ; installer, dès le premier jour, un minimum de visibilité sur la consommation, un tableau de bord même sommaire vaut mieux qu’une facture découverte en fin de mois ; et distinguer, dans ce qu’on vérifie, ce qui est mécanique et rapide, un script, un test automatisé, de ce qui exige un jugement humain ou un second regard IA, plus lent et plus coûteux, à réserver aux décisions qui comptent vraiment. C’est une discipline que l’on retrouve, sous d’autres mots, dans le bilan de la première phase de test d’Impact Factories : mesurer avant de généraliser, quel que soit l’outil.
C’est tout l’objet du harnais, rappelle Böckeler en conclusion de son article : non pas éliminer l’humain de la boucle, mais diriger son attention là où elle compte le plus. Chez Thiga, Matthias n’a plus 500 euros de surprise à justifier : à 2,1 % de son quota mensuel, il dispose d’une marge pour multiplier par près de cinquante son usage avant d’atteindre le plafond. L’énergie qu’il consacrait à surveiller sa facture, il la redirige désormais vers ce que ses utilisateurs attendent vraiment, pouvoir travailler à plusieurs sur un même document. Le harnais n’a pas ralenti son travail. Il lui a simplement rendu la main.
Sources
- Birgitta Böckeler, « Harness engineering for coding agent users » · martinfowler.com, Thoughtworks (17 février et 2 avril 2026)
- Martin Fowler, « Fragments: July 6 » · martinfowler.com (6 juillet 2026)
- Thiga, « Harness engineering : le guide pour vos agents IA » · media.thiga.co
- Thiga, « 500 euros de tokens en cinq jours : piloter les coûts d’une app IA » · media.thiga.co
- John Cutler, « TBM 427: The Bottleneck Strike Again! » · cutlefish.substack.com (26 juin 2026)
Lire l’article complet de Birgitta Böckeler sur martinfowler.com.
