Le Harness est aussi important que le modèle d’IA

Le 3 septembre 2026, l’ARC Prize Foundation a publié plusieurs résultats pour un même modèle d’IA.

L’ARC Prize Foundation est réputée pour créer des méthodes d’évaluation (ou “benchmarks”) dédiées aux capacités de raisonnement des modèles d’IA.

Il s’avère que sur son benchmark ARC-AGI-3, le modèle GPT-6 Astra de l’entreprise OpenAI a eu deux résultats différents :

• Avec le logiciel normal, GPT-6 Astra résout 62,7% des tâches
• Avec un autre logiciel autour de lui, le score atteint 98,6%.

Le modèle reste le même, les poids restent les mêmes, le benchmark reste le même.

Ce qui a changé, c’est l’enveloppe autour du modèle. Plus précisément, c’est la manière dont on gère sa mémoire, ou encore la manière dont on lui redonne ce qu’il a déjà fait. Cette enveloppe a un nom, il s’agit du Harness.

L’expérience de l’ARC Prize Foundation résume une réalité de 2026 : le Harness est aussi important que le modèle d’IA, et on ne peut plus juger l’un sans l’autre.

Un Harness, c’est quoi ?

Le harness est le logiciel qui permet à un modèle d’IA de devenir un agent.

En règle générale, un LLM (Large Language Model) est uniquement capable de recevoir du texte et en produire. Tout seul, il ne lit aucun fichier, ne lance aucune commande et oublie tout d’une conversation à une autre.

Il faut un logiciel qui comprend la boucle qui relance le modèle, les outils que le modèle peut appeler, la mémoire qu’on redonne au modèle à chaque boucle, les vérifications et les permissions. C’est ce logiciel qu’on appelle le Harness (également appelé “Harness Agentique”)

D’un certain point de vue, le modèle d’IA est un moteur de voiture, et le harness est le reste de la voiture (le volant, les pédales, la boîte de vitesses…). Les deux sont nécessaires pour que tout fonctionne.

Ainsi, le Harness permet au modèle d’IA d’enchaîner plusieurs actions pour atteindre un objectif, et il en existe beaucoup de déclinaisons aujourd’hui :

• Claude Code
• Codex CLI
• Gemini CLI
• Cursor…

De cette manière, le modèle d’IA pense, le harness agit pour lui, et c’est la combinaison des deux que l’on appelle “agent” à l’heure actuelle.

Pourquoi le Harness est devenu aussi important que le modèle d’IA ?

Plusieurs méthodes d’évaluation ont choisi d’étudier l’influence du Harness sur les performances d’un modèle.

Pour ce faire, on garde le même modèle tout en utilisant des harnesses différents. Il s’avère que sur plusieurs benchmarks, les écarts de performances vont de 14 à 36 points.

La première statistique vient de Terminal-Bench, un benchmark de 89 tâches à réaliser en ligne de commande qui a utilisé GPT-5. Ce modèle d’IA a résolu 35,2% des tâches dans le harness neutre du benchmark (Terminus 2), puis a résolu 49,6% des tâches dans Codex CLI, le harness créé par OpenAI.

La deuxième statistique est celle d’ARC Prize, déjà évoquée en introduction :

• Au réglage de raisonnement maximal, GPT-6 Astra peut résoudre entre 62,7% et 98,6% des tâches en fonction du harness que ce modèle utilise.
• Au réglage de raisonnement le plus bas, GPT-6 Astra passe de 17,5% à 98% selon le Harness, soit un écart encore plus important.

Le phénomène n’est pas spécifique à 2026. En mai 2024, l’équipe à l’origine du benchmark SWE-agent montrait que GPT-4 Turbo corrigeait 12,5% de bugs réels du benchmark avec un harness pensé pour ce modèle, alors que le meilleur modèle précédent plafonnait à 3,8%.

Aussi important =/= plus important

Au vu de ces statistiques, on pourrait donc se dire qu’un harness mieux conçu peut ainsi rapporter autant de performances qu’une nouvelle version d’un modèle.

Cependant, aussi important ne veut pas dire plus important : pour deux harnesses égaux, c’est le modèle d’IA qui reprend l’avantage sur les performances.

Enfin, le LLM et le Harness ne se séparent pas. D’après HarnessDev, un benchmark publié en septembre 2026 par l’équipe de ByteDance, un harness optimisé pour un modèle fonctionnerait mal avec un autre, un peu comme une chaussure faite sur mesure qui serait très inconfortable pour un autre pied.

Si on résume la situation, le modèle fixe le plafond des performances qu’on peut atteindre, et le harness décide à quel point on se rapproche de ce plafond.

On sait que le harness influe sur les performances, il faut désormais comprendre les mécanismes qui impactent ces dernières.

Comment le Harness impacte les performances ?

Pour répondre à cette question en une seule phrase, le harness impacte les performances en agissant sur ce que le modèle voit, fait, vérifie et a le droit de faire.

Cette explication se suffit à elle-même, mais nous allons la détailler.

Ce que le modèle voit (le contexte) : C’est tout ce que le modèle relit avant de répondre telles que les consignes, l’historique ou les résultats.

Ce que le modèle fait (les outils) : L’entreprise d’IA Anthropic a indiqué dans son guide “Building effective agents” qu’elle a passé plus de temps à optimiser les outils de son agent qu’à rédiger les instructions données au modèle.

Ce que le modèle vérifie : Le harness fournit une liste de fonctions à réaliser, un journal de progression et des tests obligatoires. Ces vérifications sont nécessaires car les échecs d’un agent proviennent généralement du fait de tout tenter d’un coup ou valider une fonction sans l’avoir testée.

Ce que le modèle à le droit de faire (les permissions) : Selon Anthropic, les utilisateurs de Claude Code accepteraient 93% des demandes d’autorisation par réflexe. Pourtant, être sélectif dans les permissions permet de limiter les actions excessives.

Via ces quatres leviers, il est possible d’améliorer les performances même en touchant uniquement au Harness.

En 2026, le Harness est devenu un véritable sujet

Le concept de Harness existe déjà depuis plusieurs années. Pourtant, c’est depuis l’année 2026 qu’on y accorde beaucoup plus d’importance, et il y a plusieurs raisons à cela.

Le harness est un sujet de recherche

Le premier septembre 2026, les créateurs de HarnessDev révèlent que 77,8% des échecs sur des tâches d’analyse de données viendraient du harness, et non du modèle d’IA.

Deux jours plus tard, ARC Prize annonce qu’il affichera deux scores par modèle, un par harness.

Le harness est un produit

Le 10 septembre, OpenAI ouvre “Agents API”, qui vend le harness de Codex comme un service.

Concrètement, le client n’a plus à écrire la boucle, la gestion de la mémoire ou la reprise après erreur puisque c’est OpenAI qui s’en charge.

Le harness est un marché

Le 29 décembre 2025, Meta a annoncé le rachat de Manus, un agent construit sur les modèles des autres, pour un montant qui serait de 2 à 3 milliards de dollars selon le Wall Street Journal et Reuters.

Le 12 février 2026, Claude Code aurait dépassé les 2,5 milliards de dollars de revenu annualisé

Le harness est donc devenu un champ de recherche, un produit à part entière et un marché, voilà pourquoi ce sujet a gagné en popularité cette année.

Conclusion

Si on cherche à obtenir les agents les plus performants possibles, il y a plusieurs réflexes à tirer de toutes ces informations :

• Le modèle d’IA fixe le plafond de performance, et le harness décide quelle part de ce plafond on atteint
• La performance présentée par les benchmarks ne veut rien dire sans le nom du modèle d’IA et du harness utilisé. Il faut lire chaque score comme un couple.

Toutefois, une réserve s’impose. Toutes les statistiques qui ont été mises en avant à ce sujet proviennent d’entreprises qui produisent des Harnesses.

Ces entreprises ont un intérêt évident à faire croître ce marché, tout en présentant leur harness comme étant meilleur que les autres au passage.

En conséquence, il est préférable de tester un agent sur ses propres tâches plutôt que de se fier à un classement. Cette pratique est valable aussi bien pour les particuliers que pour les entreprises qui cherchent à avoir les agents les plus performants possibles pour leurs tâches.

Si la perspective d'acquérir des compétences en intelligence artificielle vous attire, Alyra vous propose de vous y former et de vous accompagner !