Chaque développeur aura bientôt sa propre armée d’agents IA pour coder, chercher et auditer. C’est en tout cas la promesse du moment. Résultat pratique aujourd’hui ? On passe nos journées à faire des copier-coller frénétiques. Pour siffler la fin de la fragmentation, Databricks vient de lancer Omnigent (omnigent.ai), un méta-harnais open source sous licence Apache 2.0. L’objectif : centraliser, brider et faire collaborer toutes vos IA au même endroit.
Pour maximiser la productivité, les équipes n’utilisent plus un seul modèle linguistique, mais déploient simultanément quatre ou cinq agents autonomes spécialisés. Résultat en coulisses ? L’expérience est devenue incroyablement lourde. Les développeurs passent une partie de leur temps à copier-coller manuellement du texte et des fichiers entre leurs agents de programmation, leurs moteurs de recherche IA, leurs documentations et leurs outils de communication interne.
Pour résoudre ce problème de fragmentation, Databricks a officialisé ce samedi 13 juin 2026 le lancement d’Omnigent. Publié sous licence open source permissive Apache 2.0 sur Github, ce projet se présente comme un « méta-harnais » (meta-harness). Son but est d’offrir une couche d’interopérabilité commune au-dessus des outils existants pour permettre aux développeurs de composer, contrôler et faire collaborer leurs agents IA sans réécrire leur code de base.
Le syndrome de la fragmentation : quand les développeurs deviennent les standardistes des LLM
Jusqu’à présent, les capacités des grands modèles de langage (LLM) restaient prisonnières de leurs harnais logiciels respectifs (SDK, interfaces en ligne de commande ou applications propriétaires). Comme chaque outil dispose de ses propres structures de session, de ses formats de fichiers et de ses APIs, les faire travailler ensemble relevait du défi technique.
« Les ingénieurs combinaient déjà plusieurs agents dans des boucles et des flux de travail complexes, mais cela s’avérait extrêmement difficile à réaliser au-dessus de la couche de chaque harnais individuel », explique Matei Zaharia, cofondateur et directeur technique de Databricks.
Omnigent apporte une réponse pragmatique en partant d’un constat simple : quelle que soit la manière dont un agent appelle son LLM en interne, son interface utilisateur reste identique, à savoir des messages et des fichiers en entrée, et des flux de texte ou des appels d’outils en sortie. Le framework propose donc une interface d’API commune capable d’envelopper aussi bien des agents en ligne de commande (comme Claude Code, Codex, Pi) que des SDK d’éditeurs (OpenAI Agents, Claude Agents SDK).
Orchestrer, brider et faire collaborer les agents en une seule ligne de code
Le framework de Databricks repose sur trois piliers fonctionnels conçus pour simplifier la vie des développeurs et des chefs de projet.
Primo, il devient possible de constituer des équipes multi-agents combinant plusieurs modèles ou techniques de requêtage différents. Un développeur peut ainsi basculer d’un agent Claude Code à un agent Codex ou à un script personnalisé via une simple modification d’une ligne de code dans un fichier de configuration YAML.
Ensuite, plutôt que d’essayer de brider une IA en modifiant désespérément ses instructions système (prompts), Omnigent applique des politiques contextuelles et des garde-fous directement au niveau de la surcouche logicielle.
Enfin, Omnigent permet de générer une URL unique pour partager une session d’agent en direct. Les membres d’une même équipe peuvent ainsi inspecter l’historique complet, examiner les fichiers modifiés dans l’espace de travail et orienter ou corriger les actions de l’agent en temps réel, que ce soit depuis un terminal, une interface web ou un smartphone.
Un bac à sable de sécurité en plus
Laisser des agents IA s’exécuter de manière autonome sur un environnement informatique pose d’immenses défis de sécurité et (ne nous voilons pas la face) de gestion des coûts. Pour y répondre, les équipes de sécurité de Databricks ont doté Omnigent d’un environnement d’exécution isolé (sandbox) particulièrement robuste. L’outil permet de suivre dynamiquement les dépenses de chaque session auprès des différents fournisseurs de LLM. On peut ainsi programmer le méta-harnais pour qu’il mette automatiquement l’agent en pause et demande une validation humaine explicite tous les 100 dollars dépensés.
Côté sécurité, les règles de filtrage dépassent le simple filtrage binaire d’accès aux fichiers. Omnigent est capable de suivre l’état dynamique d’une session. Par exemple, on peut lui interdire d’écrire dans des documents qu’il n’a pas lui-même créés, ou exiger une approbation humaine obligatoire pour effectuer un git push dès lors que l’agent vient de télécharger un nouveau paquet externe depuis npm. Le proxy réseau intégré permet également d’intercepter les requêtes pour injecter des clés d’accès (comme un token de sécurité GitHub) uniquement au moment de la sortie du réseau, évitant ainsi que l’agent IA ne puisse lire ou compromettre la clé en clair.
Une boîte à outils open source pour les développeurs
Cette annonce intervient à un moment stratégique, juste avant l’ouverture du Databricks Data + AI Summit 2026, qui se tient dès aujourd’hui et jusqu’au 18 juin à San Francisco. Elle complète l’écosystème de l’éditeur qui avait déjà lancé en avril Agent Bricks, sa plateforme de gouvernance d’entreprise axée sur le contexte des données internes.
À l’inverse d’Agent Bricks, Omnigent cible spécifiquement les développeurs individuels et les équipes d’ingénierie qui manipulent des flottes d’agents hétérogènes en dehors de la plateforme Databricks. Le projet est disponible dès à présent en version alpha et s’installe via une unique ligne de commande disponible sur le répertoire GitHub officiel d’Omnigent.
🦋 L’actualité de l’open source en français dans votre flux. Suivez Goodtech sur Bluesky (ou vos applications AT Protocol comme W Social et Mu) grâce à notre bot officiel. Suivez, partagez, abonnez-vous à @goodtech.info !
