Harness engineering : pourquoi la valeur de l’IA a quitté le modèle

Toute l’industrie fixe le même tableau de scores : quel modèle est en tête, de combien, sur quel benchmark. Le réflexe est compréhensible, et il est aujourd’hui largement à côté de la plaque. Les meilleurs modèles se valent désormais au sommet, à quelques décimales près. Pendant qu’on comparait ces décimales, l’ingénierie qui décide vraiment a changé de terrain. Elle a quitté le modèle pour s’installer dans ce qu’on construit autour de lui : le harnais.

Je résume cela par une équation devenue ma boussole : Agent = Model + Harness. Le modèle apporte l’intelligence brute. Le harnais, c’est tout l’environnement qui transforme cette intelligence en agent réellement utile : ses outils, sa mémoire, les procédures métier qu’il doit suivre, ses garde-fous, ses boucles de vérification, ses accès au système d’information. La qualité d’un agent ne dépend presque plus du premier terme de l’équation. Elle se joue dans le second.

Trois âges de l’ingénierie de l’IA

Pour comprendre ce basculement, il faut le remettre dans une petite histoire en trois temps.

2022-2023, le prompt engineering. L’art de murmurer à l’oreille des modèles. On formule la bonne demande, avec le bon rôle et les bons exemples. C’était nouveau, spectaculaire, et déjà un peu passager.

2024-2025, le context engineering. Une bonne question ne suffit plus, il faut aussi le bon contexte. Pas « écris un email », mais « voici le client, voici notre ton, voici l’historique, écris un email ». On ne règle plus la formulation, on curate l’information qui entre dans la fenêtre du modèle.

2025-2026, le harness engineering. On ne règle plus juste un prompt ou un contexte, on construit tout l’environnement autour de l’IA. C’est ce qui fait passer d’un modèle brut à un agent de production. Ma règle de pouce, empirique mais tenace : un bon prompt pèse pour 10 % du résultat, le bon contexte ajoute 30 %, et le harnais qui entoure le tout pèse les 60 % restants.

La preuve par les chiffres

On pourrait croire à une posture. Les mesures disent le contraire. En mars 2026, l’équipe de LangChain a fait passer son agent de codage de la 30e à la 5e place du benchmark Terminal Bench 2.0 sans toucher au modèle sous-jacent. Vingt-cinq places gagnées, uniquement en optimisant le harnais. Sur SWE-bench, le constat est du même ordre : changer de harnais déplace le score d’environ 22 points, changer de modèle le déplace de 1 point.

Relisez ces chiffres une seconde fois. À modèle constant, le harnais fait vingt fois plus de différence que le modèle lui-même à harnais constant. C’est toute la thèse : le modèle est en train de devenir une commodité, et la variable qui décide de la performance en production, c’est le harnais.

Ce qu’il y a vraiment dans un harnais

Un bon harnais n’est pas un fichier de configuration, c’est une architecture. On y retrouve toujours les mêmes couches : l’orchestration des outils (comment l’agent sélectionne, enchaîne et exécute ses actions, avec récupération d’erreur) ; la mémoire et le contexte (indexer une base de code, persister l’historique) ; les procédures métier que l’agent doit respecter ; les garde-fous (bornes strictes, sandbox de sécurité, plafonds de budget, points de validation humaine) ; les boucles de vérification (tests, auto-critique, contrôle qualité en cours d’exécution) ; et l’observabilité (télémétrie, traçage, journaux d’audit).

La bonne image est organisationnelle avant d’être technique. Construire un harnais, c’est comme monter une entreprise : une fois les bons talents recrutés, il faut encore bâtir l’organisation, les outils et les process pour qu’ils avancent dans le même sens et créent de la valeur. Le modèle est un ouvrier surhumain. Le harness engineer est l’architecte qui décide des matériaux que cet ouvrier a le droit d’utiliser, et de l’ordre dans lequel il doit poser les pierres.

La valeur migre

Ce déplacement a des conséquences très concrètes sur qui gagne de l’argent, et comment. Stripe intègre plus de 1 300 modifications de code par semaine générées par ses agents. Aucun modèle miraculeux là-dedans : ses ingénieurs ont passé des mois à construire un harnais qui produit du code en cohérence avec la spécification et le workflow de l’entreprise.

À l’inverse, des plateformes comme Lovable ont vu leur avantage s’évaporer. Leur vraie valeur, c’était précisément le harnais qu’elles construisaient autour des modèles. À partir du moment où un écosystème comme Claude Code est livré avec son harnais intégré, outils de lecture et d’écriture de fichiers, contrôles de permission, boucles de correction, ce moat fond à vue d’œil. La valeur migre alors, tout simplement, du modèle vers la manière dont on le branche à ses process.

Une ingénierie durable

Une dernière différence, et elle est décisive. Le prompt engineering avait quelque chose d’une astuce : une bonne formulation, vite copiée, vite périmée. Le harness engineering est d’une autre nature. C’est un vrai métier, une vraie ingénierie, qui se capitalise et se raffine dans le temps. Et plus les modèles montent en capacité, plus cette bascule s’accentue : leur intelligence devient abondante, ce qui reste rare, c’est la manière de la câbler à un contexte réel.

C’est aussi ce qui rend le harnais si stratégique. Bien fait, il permet de faire de l’IA le système d’exploitation de son organisation. Je le construis en ce moment pour mes propres activités, et cela a transformé près de 90 % de ma façon de travailler. Le terme lui-même est jeune, il a émergé début 2026, mais la compétence, elle, va durer.

La conclusion tient en une phrase. Dans l’ère qui s’ouvre, la compétence reine se déplace : savoir construire le harnais autour du modèle. Cessez de chercher le bon murmure. Devenez l’architecte.