Connexion
Soutenir sur Patreon
Retour aux news
IA

Actualités IA du 17 septembre 2026

À la une : Architecture des Agents : Harness vs Framework vs MCP (Clarification technique critique)

Publié le 17 septembre 2026

Veille IA - 17/09/2026

Architecture des Agents : Harness vs Framework vs MCP (Clarification technique critique)

  • Date : 17/09/2026
  • Catégorie : méthode / conseil d’usage / agent IA
  • Résumé technique : Cet article décompose les trois couches souvent confondues dans le développement d'agents : l'Agent Harness (boucle d'exécution, état, permissions, sandbox), l'Agent Framework (primitives de composition, graphes, memory interfaces) et le MCP (Model Context Protocol, seul responsable du transport des outils via JSON-RPC). Le harness possède une boucle fermée et gère la persistance/session, tandis que le framework fournit une structure que le développeur configure. Le MCP, devenu stateless depuis juillet 2026, ne gère ni boucle ni état : il standardise uniquement le contrat hôte/client pour les outils, ressources et prompts.
  • Pourquoi c’est intéressant : Crucial pour les équipes techniques qui construisent des agents en production. Comprendre cette répartition évite les erreurs d'architecture (ex: tenter de gérer l'état dans MCP ou contourner les guardrails du harness). Cela guide le choix entre une solution clé-en-main (harness) et un développement sur mesure (framework + MCP).
  • Angle possible pour une vidéo YouTube : "Pourquoi votre agent IA plante en prod : La différence fatale entre Harness, Framework et MCP expliquée en 10 minutes"
  • Source originale : Article technique spécialisé / Blog de référence architecture IA 30
  • URL directe : 30

Webagent par Agent-net : Harness open-source pour agents métier connectés à Slack, WhatsApp & MCP

  • Date : 17/09/2026
  • Catégorie : outil / agent IA / automatisation
  • Résumé technique : Release d'un harness open-source (Apache 2.0) écrit en Go qui permet de déployer des agents métier via un seul fichier JSON déclaratif. L'architecture repose sur 9 slots modulaires (Brain, Retrieval, Memory, Guardrail, Channel, Secrets, Presenter, Modele, Action, Observability) avec un système de providers interchangeables. Point fort : chaque appel d'outil passe obligatoirement par action.Guard avant exécution, imposant la sécurité au niveau du code et non des prompts. Compatible MCP, OpenRouter, Slack, WhatsApp et HTTP dès le v0.
  • Pourquoi c’est intéressant : Permet aux PME ou équipes produit de monter un agent connecté sans réécrire l'orchestration. La séparation stricte entre spécification JSON et exécution, couplée à un guardrail codé en dur, répond directement aux problématiques de sécurité et de maintenance des agents automatisés.
  • Angle possible pour une vidéo YouTube : "Déployer un agent IA sur Slack & WhatsApp en 15 min sans coder (Guide Webagent MCP)"
  • Source originale : Agent-net / MarkTechPost 29
  • URL directe : 29

OWASP Top 10 LLM Applications 2026 : "Excessive Agency" devient la vulnérabilité #3

  • Date : 16/09/2026
  • Catégorie : conseil d’usage / méthode / automatisation
  • Résumé technique : Le rapport OWASP met en lumière un shift majeur : le risque n'est plus seulement dans le prompt ou la sortie brute, mais dans l'autorisation contextuelle des actions de l'agent. "Excessive Agency" (trop d'autonomie/permissions) monte à la 3e place, tandis que "Unbounded Consumption" (boucles infinies/coûts débridés) passe en 6e. La recommandation technique est claire : placer les Policy Enforcement Points (PEP), les limites de tokens/temps/recursion et les validations HITL en dehors du modèle. L'architecture définit le rayon d'explosion, pas l'alignement du LLM.
  • Pourquoi c’est intéressant : Change la donne pour toute stack agentic en production. Prouve qu'il faut arrêter de compter sur la "sécurité des prompts" et passer à des garde-fous déterministes (sandbox, scopes OAuth, middleware d'autorisation, hard limits). Essentiel pour les CTOs et lead devs IA.
  • Angle possible pour une vidéo YouTube : "Pourquoi vos agents IA sont vulnérables : Ce que le top 10 OWASP 2026 dit vraiment sur l'Excessive Agency"
  • Source originale : Unite.ai / Analyse sécurité LLM 35
  • URL directe : 35

Paper2Agent : Transformer n'importe quel papier scientifique & repo en serveur MCP exécutable

  • Date : 16/09/2026
  • Catégorie : nouvel outil / méthode / agent IA
  • Résumé technique : Projet Stanford publié dans Nature qui convertit automatiquement des articles de recherche et leurs codebases en serveurs MCP validés. Un orchestrateur clone le repo, isole l'environnement, exécute les tutoriels, extrait les méthodes en outils paramétrés et valide les outputs (matching à 3% près + hash perceptuel pour les figures). Les résultats sont exposés via des prompts MCP, ressources et outils structurés, permettant à des agents comme Claude Code d'exécuter des pipelines de bio-informatique ou ML en langage naturel.
  • Pourquoi c’est intéressant : Réduit drastiquement le temps de mise en œuvre de méthodes de recherche dans des workflows IA. Ouvrir la boîte noire des publications académiques aux agents tout en garantissant la reproductibilité via validation automatique est un saut technique majeur pour la R&D assistée par IA.
  • Angle possible pour une vidéo YouTube : "L'IA qui transforme les papiers scientifiques en outils MCP prêts à l'emploi (Paper2Agent démo)"
  • Source originale : Stanford / Nature 31
  • URL directe : 31

GLiFormer : Extraction d'information structurée sans génération de tokens (plus rapide que les LLMs)

  • Date : 16/09/2026
  • Catégorie : nouveau modèle / outil / gain de productivité
  • Résumé technique : Framework encodeur conditionné par schéma (NER, classification, relations, structuration JSON imbriqué) développé par Knowledgator. Contrairement aux LLM qui génèrent mot par mot, GLiFormer encode le texte une fois et score la compatibilité avec les labels/schema passés à l'inférence. Latence médiane de 69 ms en GPU pour la structuration JSON, contre des secondes/minutes pour un LLM équivalent. Les checkpoints (Base 264M / Large 575M) sont Apache 2.0 et s'exécutent CPU/GPU.
  • Pourquoi c’est intéressant : Alternative ultra-rapide et économique aux grands modèles pour l'extraction de données, la parsing de documents ou le remplissage de bases. Idéal pour les workflows où la latence et le coût d'inférence sont critiques, sans sacrifier la précision sur des schemas complexes.
  • Angle possible pour une vidéo YouTube : "Extraire du JSON complexe en 69ms sans LLM : Test technique de GLiFormer vs GPT"
  • Source originale : Knowledgator Engineering / Hugging Face 32
  • URL directe : 32

Google Home MCP : Contrôle physique du smart home par des agents IA via protocole standardisé

  • Date : 16/09/2026
  • Catégorie : agent IA / automatisation / nouvelle tendance
  • Résumé technique : Ouverture en early access d'un serveur MCP officiel pour l'écosystème Google Home. Il expose 4 capacités : énumération des entités, monitoring temps réel, contrôle paramétré des dispositifs et analyse historique des événements (caméras, thermostats, lumières). Compatible avec Claude, OpenClaw, Google Antigravity. Sécurisé par design : pas d'actions sensibles (ex: déverrouillage portes) sans consentement explicite, rate limiting, et isolation des scopes OAuth.
  • Pourquoi c’est intéressant : Preuve de maturité du MCP au-delà des APIs web. Intégrer le contrôle physique réel dans une boucle agentic standardisée ouvre la voie à des assistants domestiques véritablement autonomes et auditables, avec un cadre de sécurité clair pour les développeurs tiers.
  • Angle possible pour une vidéo YouTube : "Piloter toute votre maison connecté avec un agent IA (Google Home MCP en pratique)"
  • Source originale : Google Home & Nest Community / Unite.ai 33
  • URL directe : 33

OpenAI GPT-5.2 & GPT-5.3 Codex : Records benchmarks et premier modèle agentic de codage auto-construit

  • Date : 16/09/2026
  • Catégorie : nouveau LLM / agent IA
  • Résumé technique : Déploiement de GPT-5.2 (records sur GPQA-Diamond, AIME 2025, ARC-AGI-2) et de GPT-5.3 Codex, fusionnant performance de codage et raisonnement avec une accélération de 25%. Formés sur infrastructure NVIDIA GB200 NVL72, ces modèles repoussent les limites du test-time scaling et de l'agentic coding. GPT-5.3 Codex est le premier modèle capable d'auto-amélioration et d'exécution de tâches SWE-Bench Pro/Terminal-Bench à haut niveau sans intervention humaine constante.
  • Pourquoi c’est intéressant : Marque un tournant dans les agents de développement. La combinaison raisonnement + exécution autonome avec une latence réduite change la donne pour l'automatisation du cycle de vie logiciel (CI/CD, refactoring, débogage). Indique aussi que le scaling d'infrastructure GPU reste le vrai multiplicateur de capacités.
  • Angle possible pour une vidéo YouTube : "GPT-5.3 Codex vs Développeurs : Quand l'IA écrit et debug son propre code en prod"
  • Source originale : OpenAI Blog / NVIDIA AI 28
  • URL directe : 28

NVIDIA Nemotron 3 Ultra + LangChain Deep Agents : Ingénierie du harness > Fine-tuning

  • Date : 16/09/2026
  • Catégorie : méthode / conseil d’usage / automatisation
  • Résumé technique : Partenariat LangChain/NVIDIA démontrant qu'il est plus efficace d'optimiser le système autour du modèle (prompts systémiques, descriptions d'outils, middleware, boucle de reasoning) que de fine-tuner le LLM. Le profil optimisé pour Nemotron 3 Ultra atteint la parité business avec les meilleurs modèles fermés, à 10x moins cher en inférence, sans reentraînement. Blueprint open-source NemoClaw fourni pour reproduire la stack (harness + runtime sécurisé).
  • Pourquoi c’est intéressant : Validations concrètes d'une thèse de plus en plus portée par les équipes IA : le ROI sur les agents se gagne dans l'orchestration, la gestion du contexte et l'intégration des outils, pas dans le poids des paramètres. Réduit drastiquement les coûts d'expérimentation et accélère le time-to-market pour les agents métier.
  • Angle possible pour une vidéo YouTube : "Arrêtez de fine-tuner : Comment LangChain & NVIDIA prouvent que l'ingénierie du Harness bat le training"
  • Source originale : NVIDIA AI Blog / LangChain 25
  • URL directe : 25