Dans l’automobile, le faisceau de câbles ne fournit ni puissance ni allure : il relie le calculateur aux capteurs, ceux-ci aux actionneurs, l’ensemble au tableau de bord. Le constructeur qui en dessine les connecteurs décide pourtant quels équipementiers pourront s’y brancher, à quel prix et selon quel protocole. La pièce la moins spectaculaire de la chaîne distribue le pouvoir de négociation.
Le logiciel qui entoure un grand modèle de langage occupe la même place. Seul, un modèle produit du texte. Pour qu’il modifie un fichier, lance une commande, interroge une base ou délègue une sous-tâche, il faut une couche intermédiaire qui expose des outils, arbitre les autorisations, mémorise l’état d’une session et reprend un travail interrompu. Le métier a emprunté son nom à la mécanique : le harnais, harness en anglais.
Le 13 août 2026, DeepSeek a mis en ligne DeepSeek Harness, abrégé dsh, un environnement d’exécution d’agents sous licence MIT, qui porte son offre au-delà du modèle jusqu’au logiciel reliant celui-ci aux outils, aux données et aux interfaces. Le dépôt franchissait vingt mille étoiles en un peu plus d’une heure, et 95 386 deux jours plus tard. Restent l’architecture de cette pile, le patron d’exécution qu’elle emprunte, le journal qu’elle produit, le périmètre de confiance qu’elle dessine et la carte où elle s’inscrit.
Ce que DeepSeek a mis en ligne le 13 août
Un environnement d’agents et quatre modes
Le harnais fournit de quoi bâtir et faire tourner des agents qui éditent des fichiers, pilotent un terminal, cherchent de l’information, mobilisent des compétences spécialisées et confient des tâches à d’autres agents. Quatre modes existent : Standard rassemble tous les outils ; Code les expose par un kit TypeScript, le modèle enchaînant plusieurs appels dans un même programme ; Minimal se réduit à un terminal persistant et à un éditeur de fichiers, dispositif voué au benchmarking ; Creator sert à composer de nouvelles configurations d’agents.
Ce qu’une préversion pour développeurs n’est pas
L’éditeur annonce lui-même des interfaces mouvantes et des ruptures de compatibilité. Le logiciel s’installe depuis npm ou depuis ses sources, et les démonstrations branchées sur le modèle exigent une clé d’API. À ce degré de maturité, le projet ne se range pas au niveau d’un service industrialisé, exploité et couvert par des engagements envers les entreprises ; la Safe Use Policy publiée avec la préversion conseille d’ailleurs la machine virtuelle isolée à privilèges limités.
Le modèle réduit au rang de module
Cordis, un noyau qui n’est pas de DeepSeek
Tout repose sur Cordis, un noyau qui se borne à charger des extensions et à résoudre leurs dépendances : le modèle, les outils, les compétences, les sessions, le bac à sable, le stockage, la boucle d’agent, la planification et l’interface arrivent en modules interchangeables, la configuration désignant les briques actives sans toucher au code principal. Le produit devient un point d’assemblage plutôt qu’un accès à un modèle. Le noyau n’est pourtant pas de DeepSeek : écrit par Yifan Shi, Cordis sert depuis quatre ans au framework de chatbots Koishi, et son dépôt prévient que l’interface peut changer sans préavis.
La couche d’exécution, centre de la concurrence
La qualité du modèle ne fait pas à elle seule un agent exploitable en entreprise : c’est la couche d’exécution qui arbitre l’accès aux outils, la demande d’autorisation, la persistance de l’état et la reprise d’une tâche interrompue. OpenAI présente cette boucle comme le cœur de Codex CLI ; Anthropic loge les mêmes fonctions de contexte, de permissions et d’outils dans son Agent SDK. DeepSeek vise cette couche qui convertit une aptitude au raisonnement en travail logiciel vérifiable, et le routage de modèle y est lui-même un plugin, ouvert à Anthropic, OpenAI, Bedrock, Vertex et Azure autant qu’au modèle maison.
Le patron d’exécution et l’instrument de mesure
Écrire un script plutôt qu’enchaîner des appels
Le mode Code applique un patron qui n’a rien d’une invention chinoise : Cloudflare l’a formulé le 26 septembre 2025, en observant que les modèles ont vu passer d’immenses quantités de code et très peu d’appels d’outils. Le modèle écrit un programme qui enchaîne les appels et ne rend que l’issue finale, au lieu d’en faire remonter chaque étape dans le contexte. Les 2 500 points de terminaison de l’interface de Cloudflare, en outils MCP classiques, pèseraient 1,17 million de tokens de définitions, contre un millier une fois ramenés à deux fonctions.
Le harnais, variable cachée des classements
Le mode Minimal, voué au benchmarking, est l’aveu le plus intéressant du dépôt. La recherche de 2026 a établi que le harnais déplace les résultats à modèle constant : dans « The Scaffold Effect in Coding Agents », Naman Vats et Oleg Golev mesurent jusqu’à quarante fois d’écart de tokens par tâche résolue selon le harnais, pour des écarts de réussite de zéro à huit points. Livrer le harnais minimal de référence, c’est proposer l’instrument de mesure.
Le journal de session, entre ressource d’audit et passif
Tout ce que le modèle a sous les yeux part dans un journal tenu en ajout seul : instructions système, raisonnements, appels d’outils et retours de ces appels, tâches confiées aux sous-agents, injections de contexte. Une vue nommée Trajectory rattache chaque événement à sa provenance, et la reprise, la bifurcation et la relecture puisent dans le même flux. Pour une direction des systèmes d’information, il y a là de quoi reconstituer le comportement d’un agent et instruire un incident.
La contrepartie porte sur la gouvernance des traces. Une trace aussi fine charrie du code, des secrets glissés par inadvertance, des données personnelles, des sorties d’applications internes ; l’exploiter suppose des règles de durée de vie, de chiffrement, de cloisonnement des accès et d’effacement, que l’ajout seul rend malaisées. Le cadre existe : les articles 12 et 19 du règlement européen sur l’intelligence artificielle imposent l’enregistrement automatique des événements des systèmes à haut risque et leur conservation six mois au moins. GitGuardian mesurait en mars 2026 un taux de fuite de 3,2 % sur les commits assistés par un agent, contre 1,5 %.
Le périmètre de confiance d’une pile modulaire
Ce que relève le premier audit indépendant
Une préversion ne vaut ni certification ni garantie de conformité, et l’ouverture du code, qui autorise l’inspection, ne dispense pas d’évaluer la chaîne de dépendances et les modules installés. L’audit publié le 15 août 2026 par Magnus Hedemark ne trouve ni maliciel ni exfiltration déguisée, mais relève un bac à sable qui restreint les écritures sans restreindre les lectures ni la sortie réseau, et des extensions démarrées avec l’autorité de l’hôte.
La doctrine française et la ligne entre le code et le service
L’architecture modulaire abaisse le coût de remplacement d’une brique, la licence MIT celui des dérivations : une équipe peut écrire son mode d’exécution, sa politique d’outils ou son interface, puis faire évoluer le reste séparément, sans qu’un fournisseur unique tienne le modèle, l’orchestration, les extensions et la tarification. La même propriété dessine le périmètre de confiance : l’annuaire Oh-My-DSH recensait 1 117 plugins issus de 1 521 dépôts dès le 15 août, et juin 2026 avait vu quinze plugins JetBrains malveillants exfiltrer des clés d’API.
Le CERT-FR avait publié quatre mois plus tôt le bulletin CERTFR-2026-ACT-016 sur l’IA agentique : pas de production tant que le produit n’est pas éprouvé, expérimentation cantonnée à un environnement isolé sans données sensibles, validation humaine de toute action à effet de bord. Une ligne reste rarement tracée : les mesures visant DeepSeek, du blocage italien de janvier 2025 à la proscription texane, portent sur le service hébergé.
Une carte concurrentielle qui s’est déplacée
Le marché était déjà occupé. Gemini CLI paraît sous licence Apache 2.0 et accueille extensions et serveurs MCP ; Qwen Code, issu de l’écosystème Alibaba, offre également une architecture ouverte, des sous-agents, des compétences, un bac à sable et plusieurs protocoles de modèles ; Codex adosse un logiciel local ouvert à une offre en nuage, tandis que Claude Code relie son interface à un kit de développement. Ce que dsh revendique en propre est le principe « tout est un module » étendu à l’environnement entier, dont la stabilité et la profondeur du catalogue restent à prouver.
Cette carte a bougé d’un trimestre. Google a annoncé le 19 mai 2026 le remplacement de Gemini CLI par Antigravity CLI, écrit en Go et fermé, avec arrêt du service au 18 juin pour les comptes AI Pro, Ultra et Gemini Code Assist gratuit ; le dépôt reste public sous Apache 2.0, mais un fork ne vaut que si l’on fournit son propre service de modèle. Côté chinois, le palier gratuit Qwen OAuth a disparu le 15 avril. Le mouvement de fond de 2026 n’est pas l’ouverture mais le reflux, et dsh remonte le courant.
La licence mérite l’examen que l’enthousiasme escamote : la MIT est muette sur les brevets, quand l’Apache 2.0 comporte une concession explicite des contributeurs et une clause de rétorsion. Un adoptant industriel n’en tire donc aucune couverture brevet. Et la couche visée est déjà gouvernée ailleurs, Anthropic ayant confié le Model Context Protocol à l’Agentic AI Foundation.
Ouvrir le logiciel, vendre les jetons
Le calendrier dit l’intention économique. Le harnais paraît le 13 août, en même temps que V4-Pro et ses repères agentiques, 87,9 sur Terminal Bench 2.1, avec un support natif du format Responses API « adapté à Codex » ; le 16 août, une tarification heures pleines et heures creuses entre en vigueur. Les flux agentiques consommant cinq à trente fois plus de jetons par tâche qu’en 2024, un harnais gratuit sous licence MIT est d’abord un canal de distribution. Une revue du 15 août mesure d’ailleurs une consommation dix fois supérieure à celle de harnais minimalistes et 19 % de compatibilité des outils tiers.
Les forces en présence des deux côtés du Pacifique
Cet outillage donne un débouché industriel à l’avance prise par les laboratoires chinois sur les modèles. L’AI Index 2026 de Stanford estime que l’écart de performance entre les meilleurs modèles américains et chinois s’est presque refermé, tout en mesurant un avantage américain marqué dans la production de modèles de premier plan et dans l’investissement privé : 285,9 milliards de dollars attirés par les États-Unis en 2025 contre 12,4 milliards pour la Chine, une comparaison qui capte mal les fonds publics chinois.
La Chine dispose en regard d’une base scientifique, industrielle et juridique large : l’Organisation mondiale de la propriété intellectuelle recensait en juillet 2026 plus de 43 000 familles de brevets en IA générative publiées par des inventeurs établis en Chine sur 2024 et 2025, six des dix premiers déposants étant chinois. S’y ajoute une commande publique, les Avis du Conseil des affaires d’État sur l’initiative « IA+ », approuvés à l’été 2025, appelant au développement de communautés, de jeux de données et d’outils ouverts. Le harnais s’y range en ajoutant une couche logicielle réutilisable aux modèles et aux infrastructures.
Rien là-dedans ne signe un basculement du marché vers la Chine ; c’est son terrain de jeu qui s’élargit. Le laboratoire avait déjà montré qu’il pouvait peser sur les prix et les performances des modèles, crédibilité scellée par la revue par les pairs de Nature en septembre 2025. Il s’attaque maintenant aux conventions qui règlent l’accès des agents aux outils, la conservation de leur état et le compte qu’ils rendent de leurs actes ; la réussite se lira dans l’adoption des modules, la compatibilité avec plusieurs modèles, la qualité des contrôles de sécurité et la survie du projet aux ruptures annoncées.
Deux asymétries structurent la rivalité : d’un côté les capitaux, la distribution en nuage et les déploiements en entreprise, acquis aux groupes américains ; de l’autre la prolifération chinoise de modèles, d’outils et de projets ouverts qui abaisse le ticket d’entrée des développeurs. Trois issues restent ouvertes : les interfaces de Cordis se stabilisent et la communauté née autour du noyau donne à la Chine un levier de plus dans la pile agentique mondiale ; ou l’écart entre un millier de plugins et 19 % de compatibilité tierce se solde par un décrochage rapide ; ou le projet est absorbé par pièces dans des harnais existants.
Le compteur d’étoiles ne départagera aucune de ces trajectoires ; le taux de survie des modules après la première rupture d’interface, si. Au-delà d’un dépôt se joue la manière dont un agent rendra compte de ce qu’il a fait, et les industries qui ont dû répondre de leurs automatismes ont normalisé la trace avant la fonction, l’aéronautique avec ses enregistreurs de vol, la finance avec ses pistes d’audit. La couche d’exécution des agents en est là, quand plusieurs formats coexistent et que la convention qui l’emportera sera moins la meilleure que la plus tôt adoptée.
Aller plus loin
Toute évaluation sérieuse commence par le code : le dépôt deepseek-ai/deepseek-harness porte la licence MIT, l’avertissement en capitales sur les ruptures de compatibilité et un fichier de mentions de tiers exposant la chaîne de dépendances, seule pièce permettant de mesurer ce que l’on introduit sur une machine.
La nomenclature des modes circule déformée, et la présentation officielle de DeepSeek Harness rétablit les quatre noms réels, Standard, Code, Minimal et Creator, en précisant que le mode Minimal sert au benchmarking. Elle décrit aussi le journal en ajout seul et la vue Trajectory, avec ses fonctions de reprise, de bifurcation et de relecture.
Le fondement théorique du principe « tout est un module » se lit dans le préprint A Programming Paradigm for Spatiotemporal Composability, qui formalise les effets réversibles suivis à l’exécution et les coeffets réactifs. On y comprend pourquoi une brique se retire à chaud sans laisser de résidu, là où un plugin ordinaire sait s’installer mais rarement disparaître.
Onze mois avant le mode Code, le billet Code Mode: the better way to use MCP de Kenton Varda et Sunil Pai posait l’argument central, un modèle écrivant mieux du code appelant une interface typée qu’il n’enchaîne des appels d’outils, et la condition d’exécution que la préversion ne remplit pas : un isolat privé de système de fichiers.
Ce que le discours commercial traite en détail d’implémentation, l’étude The Scaffold Effect in Coding Agents de Naman Vats et Oleg Golev le chiffre : jusqu’à quarante fois d’écart de jetons par tâche résolue à modèle constant, et des signatures d’échec attachées au harnais plutôt qu’au modèle, reproduites d’un modèle à l’autre.
Le seul examen technique indépendant, DeepSeek Harness: What I Found Before I Let It Run de Magnus Hedemark, conclut à l’absence de code malveillant tout en documentant un bac à sable qui laisse passer les lectures et la sortie réseau, et des extensions démarrées avec l’autorité de l’hôte.
La doctrine applicable en France précède le produit de quatre mois, le bulletin CERTFR-2026-ACT-016 sur les risques de l’IA agentique sur les postes de travail énumérant cinq risques et trois consignes : aucune mise en production tant que le produit n’est pas éprouvé, un environnement isolé, une validation humaine des actions à effet de bord.
Le cadre que la gouvernance des traces devra respecter tient en deux articles, dont l’article 12 du règlement européen sur l’intelligence artificielle énonce le premier : enregistrement automatique des événements sur toute la durée de vie du système, complété par une conservation d’au moins six mois à la charge du déployeur.
Les 285,9 et 12,4 milliards de dollars qui circulent partout gagnent à être replacés dans le 2026 AI Index Report de Stanford HAI, qui documente aussi les 5 427 centres de données américains, les 362 incidents d’IA recensés en 2025 et le recul de 89 % de l’attractivité américaine pour les chercheurs.
La couche convoitée a déjà été confiée à un tiers, comme l’établit le communiqué sur la formation de l’Agentic AI Foundation : le protocole de contexte donné par Anthropic, goose par Block, AGENTS.md par OpenAI, des membres platine exclusivement américains, et dix mille serveurs déjà publiés.
Lus ensemble, ces documents déplacent la question. Le débat public retient une course aux modèles et un compteur d’étoiles ; les sources décrivent une bataille de plomberie, où l’instrument de mesure, la licence, la rétention des journaux et le périmètre d’exécution des extensions pèsent davantage qu’un rang dans un classement. Un harnais ouvert abaisse le coût d’entrée d’un développeur et, du même geste, étend la surface exposée d’une organisation.