Voici la deuxième partie de notre série en cinq volets sur les agentic harnesses. Dans la première partie, nous avons défini le harness comme tout ce qui entoure le modèle et l'avons décomposé en quatre parties : la boucle d'agent, l'interface d'outils, la gestion du contexte et les mécanismes de contrôle. Cet article s'attaque aux deux premières, le cœur d'exécution qui transforme un modèle bavard en acteur.
La boucle d'agent (Agent Loop)
Un modèle de langage nu fait une seule chose : à partir d'un texte, il produit davantage de texte. C'est un unique aller-retour. La boucle d'agent est ce qui emballe cet aller-retour dans un cycle, afin que le modèle puisse poursuivre un objectif sur de nombreuses étapes.
Le motif dominant est la boucle ReAct : le modèle raisonne sur la suite, exécute une action via un outil, observe le résultat et recommence, le tout dans une simple boucle while qui tourne jusqu'à ce que l'objectif soit atteint.
Le principal motif d'exécution des agents aujourd'hui est une boucle ReAct, où un modèle raisonne, exécute une action via un appel d'outil, observe le résultat et répète dans une boucle while.
Cette idée a une lignée. Les boucles de raisonnement de type ReAct sont apparues en 2022 ; AutoGPT a popularisé l'autonomie de longue durée en 2023 ; le « Ralph loop », un one-liner bash qui relance un agent jusqu'à ce qu'il termine, a circulé en 2025 ; et en 2026, le motif a été intégré directement dans des outils comme Codex et Claude Code sous forme de commandes /loop et /goal.
La boucle paraît triviale, mais le savoir-faire est dans ses bords. Quand doit-elle continuer, quand s'arrêter ? Comment se remet-elle d'un outil qui renvoie une erreur ou d'une étape qui a déraillé ? Comment l'empêcher de s'acharner sur une tâche qu'elle ne peut pas accomplir ? Une bonne boucle a des conditions d'arrêt claires et une issue de secours hors de l'impasse : c'est la différence entre un agent qui termine et un agent qui tourne en rond.