Le 10 septembre 2026, avant Dreamforce, Salesforce a annoncé le Trusted Enterprise AI Harness : une architecture modulaire qui donne aux agents IA une compréhension partagée de votre client et de votre activité, et leur permet d'agir dessus dans le respect de vos règles. Il regroupe six capacités de confiance (contexte, agentivité, action, gouvernance, sécurité et modèles) ainsi qu'un tout nouvel AI Control Plane pour voir et gouverner chaque agent au même endroit.
L'idée stratégique est juste : à mesure que les modèles se banalisent, ce qui vous différencie, c'est le contexte propriétaire que vous leur fournissez et votre capacité à agir dessus en toute sécurité. Le hic, c'est le calendrier et le périmètre. Beaucoup de briques existent aujourd'hui, mais les nouvelles capacités et l'expérience unifiée ne commencent à être déployées qu'au début de l'exercice FY28 (début 2027), aucun tarif n'a été communiqué, et Salesforce admet lui-même que certaines parties des couches de sécurité et de coûts restent à construire.
Voici donc ma lecture honnête, en tant que personne qui livre des intégrations d'agents au quotidien : le harness est le bon diagnostic d'un vrai problème (des agents qui prolifèrent partout sans contexte ni contrôle partagés). Mais la plupart des équipes n'ont pas besoin de monter une architecture d'entreprise à six couches pour faire fonctionner un agent de support sûr. Si c'est votre vrai besoin, un coéquipier prêt à travailler comme eesel fournit déjà les garde-fous, la simulation, les validations et un journal d'activité, et se connecte à Salesforce Service Cloud en quelques minutes, pas en FY28.
Ce que Salesforce a réellement annoncé
Commençons par la chose elle-même, car le nom fait beaucoup de travail. Salesforce l'appelle « Trusted Enterprise AI Harness », et ce n'est pas un produit unique que l'on achète. C'est une architecture commune et modulaire destinée à donner aux agents tout ce dont ils ont besoin pour travailler de façon fiable et sécurisée, afin que les entreprises n'aient pas à construire et gérer ces capacités séparément pour chaque agent.
L'argumentaire repose sur un pari, énoncé clairement par Rohan Kumar, président et Chief Platform and Engineering Officer de Salesforce :
"The Agentic Enterprise won't be defined by which model a company chooses. Models will continue to change, and intelligence will increasingly be available everywhere. What will differentiate an enterprise is the trusted, proprietary context it brings to that intelligence, starting with the customer, and its ability to securely turn that context into action."
Salesforce résume tout le problème par une question d'apparence simple : « Pouvons-nous honorer cette commande aujourd'hui ? » Aucun système ne détient seul la réponse complète. Le CRM connaît le client, l'ERP connaît les stocks, les contrats contiennent les engagements, l'analytique définit les termes métier et les politiques fixent ce qui peut réellement être promis. Le harness vise à relier le raisonnement ouvert de l'IA aux règles métier et aux contrôles nécessaires pour obtenir une réponse prévisible.
Si vous avez lu la documentation de Salesforce sur l'Einstein Trust Layer, ce schéma vous sera familier. Il montre comment un prompt traverse des étapes de sécurité (récupération sécurisée des données, grounding, masquage, détection de toxicité, piste d'audit) avant et après avoir atteint un modèle. Le harness est en substance cette idée, étendue d'un prompt à chaque agent et chaque action de l'entreprise.
Les six capacités de confiance
Voici le cœur du sujet. Salesforce affirme que la confiance est conçue dans chacune des six capacités dès le départ, et que vous pouvez les utiliser ensemble comme un seul système ou ne prendre que les éléments dont vous avez besoin. Imaginez six couches enveloppant un agent unique, avec le Control Plane au sommet.
Plutôt que de paraphraser le marketing, voici ce que fait réellement chacune, appliqué à l'exemple « pouvons-nous honorer cette commande ? ».
| Capacité | Ce qu'elle fait | Dans l'exemple de la commande |
|---|---|---|
| Trusted Context | Rassemble données, métadonnées, sémantique, connaissances, signaux en temps réel et mémoire en une compréhension partagée du client et de l'activité | Connaît le client, son contrat et ses droits, et ce que signifie un stock « disponible » pour lui |
| Trusted Agency | Raisonnement, planification, état, mémoire et orchestration, mêlant IA flexible et contrôles déterministes | Décide si la commande peut être honorée et ce qui se passe ensuite, en suivant les règles qui exigent de la certitude |
| Trusted Action | Connecte en toute sécurité les agents aux applications, API, workflows et processus métier pour qu'ils puissent exécuter | Réserve du stock, met à jour la commande, déclenche l'exécution ou passe la main à une personne |
| Trusted Governance | Gouverne les données, métadonnées, politiques et processus sur lesquels repose l'IA, avec traçabilité, qualité et garde-fous | Garantit que la réponse repose sur des informations fiables et la bonne politique de traitement |
| Trusted Security | Applique identité, permissions, confidentialité et sécurité d'exécution à ce que les agents peuvent voir et faire | Garantit que l'agent ne voit que des données autorisées et n'effectue que des actions autorisées |
| Trusted Models | Routage de modèles intelligent selon la précision, la performance, le coût et le besoin métier | Oriente la tâche vers la bonne intelligence et permet de changer de modèle à mesure que la technologie évolue |
En parcourant cette liste, vous remarquerez une chose : ce sont les mêmes préoccupations que celles de quiconque a déjà mis un agent sur une file en production. L'ancrer dans des données réelles. Le laisser agir, mais seulement dans des limites. S'assurer qu'il ne peut pas voir ce qu'il ne doit pas voir. C'est un cadre réellement cohérent, et nommer aussi nettement les éléments est utile même si vous ne touchez jamais à la version de Salesforce.
L'AI Control Plane
L'idée la plus récente, et celle qui compte le plus selon moi, est l'AI Control Plane. À mesure que les agents se multiplient dans une organisation, il vous faut un moyen cohérent de savoir quelle IA tourne, comment elle performe, ce qu'elle a le droit de faire et combien elle coûte. Le Control Plane se veut ce tableau de bord unique.
Concrètement, le Control Plane permet de découvrir et d'enregistrer les agents, d'établir identité et politique, de gérer le cycle de vie, d'évaluer la performance, d'observer comportement et résultats, et de maîtriser le coût. Le point intéressant est qu'il est censé couvrir à la fois l'IA Salesforce et l'IA tierce, si bien qu'une entreprise qui exploite plusieurs plateformes d'agents pourrait, en théorie, toutes les gouverner depuis un seul endroit.
Cette ambition repose sur un vrai problème. Selon l'analyse de lancement de VentureBeat, les entreprises exploitent déjà en moyenne 3,1 plateformes d'agents, et 85 % en exploitent deux ou plus. Si vous avez vu cette prolifération se produire, une couche de contrôle neutre au-dessus de l'ensemble ressemble exactement à ce que vous voulez.
Pourquoi le cadrage convainc : la confiance est le vrai goulot d'étranglement
Cette annonce est plus qu'un simple reconditionnement parce qu'elle vise ce qui empêche réellement les agents d'arriver en production. Ce n'est plus la qualité du modèle. C'est la confiance. Rebecca Wettemann, CEO et analyste principale chez Valoir, l'a bien dit :
"We've really moved from AI FOMO to AI FOMU, fear of messing up. People worry that autonomous agents will run amok unharnessed and either do something deleterious to the business or run up a million-dollar token bill. It's the vendors that succeed with governance and trust that will succeed in getting customers from interesting AI pilots to AI in production."
Cette peur, c'est tout l'enjeu. J'ai vu des bots à l'air sûr d'eux distribuer discrètement de mauvaises réponses, c'est pourquoi chaque déploiement doit être testé sur l'historique réel avant de toucher un client. Un client d'entreprise nommé, Shawn Malhotra, CTO de Rocket Mortgage, a fait écho à l'angle d'ouverture que vend Salesforce. Il a déclaré à Forkast que son équipe ne veut pas parier son avenir sur une seule pile fermée et veut pouvoir changer de modèle à mesure que le paysage évolue.
La lecture honnête : ce qui est réel, ce qui reste de la feuille de route
C'est ici qu'un article honnête doit ralentir. La vision est forte, mais il s'agit d'un lancement, pas d'un produit livré, et la presse a relevé plusieurs vraies lacunes à connaître avant de bâtir un plan dessus.
D'abord, le calendrier. L'expérience unifiée ne commence à être déployée qu'au début de l'exercice FY28. À l'échelle de l'IA, c'est glaciaire, et Carl Franzen, de VentureBeat, a fait la remarque évidente : les clients ne vont probablement pas attendre un harness de marque alors qu'ils construisent déjà ailleurs, il devra donc être particulièrement convaincant sur le prix, la simplicité ou les capacités pour les faire revenir.
Ensuite, toutes les briques ne sont pas construites. À l'honneur de Salesforce, Rohan Kumar l'a dit sans détour :
"I wouldn't say we have all the capabilities, just to be fair, because some of these things, especially when it comes to trusted security and the FinOps piece, there are things that we need to go build."
Troisièmement, le message n'est pas tout à fait stabilisé. Stuart Lauchlan, de diginomica, a remarqué que la maîtrise des coûts apparaît à deux endroits à la fois (intégrée à Trusted Governance dans le briefing, mais placée dans le Control Plane dans l'annonce écrite), un petit signe que le cadre est tout neuf.
Puis il y a la bataille de définition. Le reste de l'industrie emploie « agent harness » pour désigner l'échafaudage d'outils, de mémoire et de contexte autour d'un seul modèle. Salesforce l'a étendu pour couvrir contexte et gouvernance dans toute l'entreprise, et Kumar a reconnu que la définition classique est, à ses yeux, « very limited ». Savoir si c'est visionnaire ou une extension de buzzword au-dessus de Data 360 plus MuleSoft plus Tableau plus Agentforce est un débat légitime.
Enfin, la question de l'enfermement chez un fournisseur (lock-in) que provoque tout le discours « ouvert et modulaire ». Dana Ellison, de Forkast, l'a formulée clairement :
"The challenge for decision-makers is balancing this promise of composability against the risk of vendor lock-in. If you centralize your agent governance on a single platform, you are effectively betting on that platform's ability to remain neutral and interoperable as the market evolves."
Rien de tout cela ne fait du harness une mauvaise idée. Cela en fait une idée précoce. L'ambition de définir la catégorie est réelle, et Lauchlan y voit même le début d'un « sea change » de deux ans où chaque grand éditeur se précipite pour prouver qu'il fait mieux en contexte et en confiance. Ne confondez simplement pas un schéma d'architecture séduisant avec quelque chose que vous pouvez déployer ce trimestre.
Avez-vous vraiment besoin d'un harness ?
C'est la question sur laquelle je m'arrêterais, car la réponse se partage nettement selon qui vous êtes.
Si vous êtes une grande entreprise qui exploite de nombreux agents sur de nombreux systèmes, et que votre vrai problème est la gouvernance à grande échelle (qui peut faire quoi, comment tout voir, comment éviter une facture de tokens surprise), alors un control plane comme celui-ci vous vise directement et mérite d'être suivi jusqu'au FY28.
Mais beaucoup de gens qui cherchent « Salesforce AI harness » n'ont pas encore ce problème. Ils en ont un plus étroit : j'ai besoin d'un agent IA sur ma file de support que l'on puisse activer sans risque. Pour cela, un harness d'entreprise complet est une réponse plus lourde que la question ne l'exige. C'est le classique écart « c'est de l'infrastructure, mais je voulais un employé ». Le harness est l'échafaudage ; il faut encore l'assembler, connecter vos données et attendre les composants.
Ce qui est intéressant, c'est que les garde-fous que Salesforce regroupe dans une architecture à six couches sont, pour un agent de support, déjà le minimum ailleurs. C'est là que je choisirais un coéquipier prêt à travailler plutôt qu'une plateforme sur laquelle construire. Chez eesel, ces mêmes préoccupations apparaissent comme des réglages par défaut, pas comme des couches à assembler :
- La confiance avant la mise en production : au lieu d'un cadre de gouvernance, vous lancez une simulation sur des centaines de vos vrais tickets passés. Elle les rejoue et note les réponses de l'agent par rapport à ce que votre équipe a réellement envoyé, de sorte que vous voyez les lacunes avant un client. Cela répond directement à la peur qu'il « s'emballe ».
- Actions encadrées et validations : vous décidez précisément quels tickets il traite et quelles actions il peut effectuer, avec une étape de validation humaine pour tout ce qui est sensible.
- Observabilité d'office : chaque exécution est journalisée avec son statut et son résultat, donc « observer le comportement » est un écran que vous ouvrez, pas une capacité que vous devez provisionner.
Un dernier élément mérite d'être mentionné, car le harness met en avant le fait d'être conçu en mode headless et accessible via MCP, API et plug-ins, y compris dans Claude et Slack. Cette surface programmable et adaptée aux agents est un très bon instinct, et eesel a eu le même. eesel fournit une vraie CLI (@eesel/cli) ainsi qu'un serveur MCP pour chaque espace de travail, de sorte que le même coéquipier que vous configurez dans le tableau de bord peut être piloté depuis un terminal ou un script. Vous pouvez connecter une intégration, modifier ses instructions permanentes, lister et approuver les actions avec humain dans la boucle (eesel approvals) et lire son historique d'exécution (eesel activity) entièrement en ligne de commande, et un agent de code comme Claude Code ou Cursor peut faire de même. C'est la même idée de « gouverner l'agent comme du code » que cherche le Control Plane, disponible dès aujourd'hui pour un coéquipier plutôt qu'en FY28 pour toute la flotte. La documentation de la CLI eesel va dans le détail si vous voulez l'ensemble des commandes.
Essayez eesel sur votre file Salesforce
Si votre objectif est un agent IA sûr et fonctionnel sur Salesforce Service Cloud plutôt qu'un pari de plateforme sur plusieurs années, c'est là qu'eesel trouve sa place. Il rejoint votre file existante comme un coéquipier : il lit votre centre d'aide et vos tickets passés, rédige ou envoie automatiquement des réponses sur les cas que vous choisissez, et garde chaque action encadrée, validée et journalisée. Comme il se connecte directement aux Service Cloud Cases, vous pouvez le simuler sur votre propre historique cet après-midi et voir les chiffres avant que quoi que ce soit ne passe en production, sans attendre un déploiement FY28.
Il est facturé selon un forfait mensuel fixe, avec 1 crédit par ticket ou chat plutôt qu'un tarif par utilisateur, et une offre gratuite de 100 crédits sans carte bancaire, un engagement très différent de « attendre que les tarifs soient annoncés à l'approche de la disponibilité générale ». Si vous comparez l'ensemble de la pile IA de Salesforce, mon détail des tarifs d'Agentforce et le panorama des alternatives à Agentforce sont les lectures suivantes naturelles. Et si vous voulez la version approfondie de « comment l'IA fonctionne vraiment sur une file de support », commencez par l'IA pour le service client ou la différence entre un agent IA et un chatbot à règles.
Le Trusted Enterprise AI Harness est une vision sérieuse et bien argumentée pour gouverner des agents à l'échelle de l'entreprise, et je serai sincèrement curieux de le voir livré. Mais pour la tâche précise de mettre en production un agent de support digne de confiance, vous n'avez pas à construire d'abord le harness. Vous pouvez simplement embaucher le coéquipier.