Et si le vrai secret des performances spectaculaires en intelligence artificielle ne résidait plus dans la puissance brute du modèle, mais dans l’enveloppe logicielle qui l’entoure ? Vendredi dernier, les équipes de recherche de Nvidia ont publié des résultats qui bousculent les idées reçues. En enveloppant simplement Claude Opus 5 d’un harness sur-mesure, ils ont fait passer son score de 30 % à 100 % sur le benchmark exigeant ARC-AGI-3. Une prouesse qui force à reconsidérer ce qui fait réellement un agent IA efficace pour les tâches de longue durée.

Dans l’écosystème actuel, trop d’entreprises et de développeurs continuent de croire qu’il suffit de brancher le dernier grand modèle de langage pour obtenir un agent autonome performant. Nvidia vient de démontrer le contraire avec une clarté redoutable. Le harness, cette couche de logiciels, d’outils, de gestion de mémoire et de règles qui transforme un modèle brut en véritable agent, s’impose désormais comme le véritable héros des systèmes agentiques.

Qu’est-ce qu’un harness exactement et pourquoi change-t-il tout ?

Imaginez un cerveau ultra-puissant enfermé dans une boîte. Sans bras, sans mémoire à long terme, sans capacité à se corriger, ce cerveau reste limité. C’est précisément le rôle du harness : fournir les bras, la mémoire et le feedback nécessaires. Adel El Hallak, vice-président produit de l’unité IA de Nvidia, résume parfaitement la confusion ambiante.

Généralement, le monde interprète un agent presque comme une API du modèle. Mais un agent, c’est bien plus. C’est le modèle. C’est le scaffolding autour du modèle, que nous appelons le harness, c’est-à-dire l’ensemble des outils qu’il utilise. C’est le runtime et les compétences et bibliothèques associées auxquelles nous lui donnons accès.

– Adel El Hallak, Nvidia

Le harness gère la mémoire contextuelle, les appels d’outils, la persistance des informations sur plusieurs étapes, et surtout les mécanismes de correction. Pour les tâches de courte durée, un simple prompt suffit souvent. Mais dès qu’il s’agit de projets s’étalant sur des heures, voire des jours – rédaction de rapports complexes, édition de documents multiples, planification stratégique – le modèle seul s’égare rapidement.

Microsoft avait déjà illustré ce problème en avril dernier. Sur 19 modèles de langage testés sur des tâches d’édition documentaire longue, tous, y compris les plus avancés, produisaient des documents truffés d’erreurs. Un humain livrant un travail de cette qualité serait immédiatement licencié. Les agents laissés à eux-mêmes ont même parfois supprimé des fichiers utilisateurs, détruit des bases de données entières ou dérivé vers des comportements problématiques pour atteindre leurs objectifs.

ARC-AGI-3 : le benchmark qui embarrasse les géants

Le choix du benchmark ARC-AGI-3 par Nvidia n’est pas anodin. Il s’agit d’une série de jeux en 2D sans instructions, où l’agent doit découvrir par lui-même les règles et gagner, exactement comme le ferait un humain. Un score de 100 % signifie que l’IA égale les performances humaines sur ces puzzles interactifs.

OpenAI avait particulièrement mal vécu ses propres scores inférieurs à 10 % sur ce même test. Le laboratoire avait mené ses propres recherches le mois dernier et découvert qu’en ajustant simplement deux paramètres du harness, ses modèles triplaient leurs performances. Pourtant, aucun n’approchait les 100 % atteints par l’équipe Nvidia.

Sans harness optimisé, Claude Opus 5 obtenait déjà le meilleur score parmi tous les modèles testés : 30 %. Avec le harness custom, le score grimpe à 100 %. La différence ne vient pas d’un modèle plus intelligent, mais d’une architecture agentique plus intelligente.

Le superviseur : l’élément qui fait basculer la performance

L’innovation la plus marquante de Nvidia réside dans l’ajout d’un agent superviseur. Ce composant agit comme un CEO qui observe le travail de l’agent principal et intervient dès que celui-ci s’égare, explore une impasse ou revient sur un chemin déjà emprunté sans succès.

La partie la plus intéressante a été l’introduction d’un agent superviseur en plus de l’agent principal qui effectue le travail. Il agit presque comme un CEO pour pousser l’agent quand il s’écarte de la direction ou commence à explorer un chemin qui pourrait mener à une impasse, ou à réexplorer un chemin qu’il avait déjà emprunté.

– Adel El Hallak, Nvidia

Ce concept de supervision multi-agents n’est pas entièrement nouveau, mais il reste sous-exploité. Aujourd’hui, la plupart des utilisateurs s’appuient sur des harness mono-couche comme Claude Code, Codex ou Hermes. Nvidia a développé son propre système baptisé Agentic Variation Operators (AVO), un harness enrichi qui intègre explicitement cette couche de supervision.

Il ne s’agit pas d’un produit commercial nouveau. Nvidia continue de proposer de nombreux composants open source et commerciaux sous la marque Nemo pour construire des harnesses performants. L’essentiel reste accessible à la communauté.

Pourquoi le choix du modèle compte moins qu’on ne le croit

Les résultats de Nvidia s’inscrivent dans une série de preuves convergentes. En juillet, Databricks a publié une étude frappante montrant que le harness influence dramatiquement les coûts d’utilisation de l’IA agentique.

Vous pouvez prendre le même modèle mais des harnesses différents, et vous obtenez un coût significativement plus élevé si vous utilisez le mauvais harness. Vous pensez : oh, c’est un modèle cher. C’est un modèle bon marché. Mais attendez, quel harness utilisez-vous ? Cela peut à lui seul doubler votre coût.

– Ali Ghodsi, CEO de Databricks

Cette réalité change radicalement l’équation économique pour les startups et les entreprises. Investir dans le meilleur modèle possible sans optimiser le scaffolding autour peut s’avérer contre-productif. Un modèle moins coûteux, couplé à un excellent harness, peut largement surpasser un modèle premium mal enveloppé, tant en performance qu’en budget.

Pour les équipes marketing, les product managers et les founders qui construisent des automatisations complexes, le message est clair : le temps passé à peaufiner les outils, la gestion de mémoire et les boucles de feedback rapporte souvent plus que la simple migration vers le dernier LLM à la mode.

Les défis des tâches long horizon : un graal encore difficile

Les tâches de longue horizon représentent l’un des défis majeurs de la recherche agentique. Il s’agit de chaîner de nombreuses décisions sur une période étendue pour produire un livrable complet. Contrairement à une réponse ponctuelle à un prompt, ces tâches exigent de la cohérence, de la mémoire persistante et une capacité à rester focalisé.

Les exemples concrets abondent dans le monde business :

• Rédaction et révision itérative d’un business plan complet sur plusieurs jours
• Analyse concurrentielle multi-sources avec synthèse progressive
• Gestion de campagne marketing nécessitant des ajustements quotidiens
• Développement de fonctionnalités logicielles avec tests et corrections successives

Sans un harness robuste, l’agent dérive progressivement. Il oublie des contraintes initiales, invente des faits pour combler des lacunes, ou s’engage dans des digressions inutiles. Le superviseur de Nvidia agit précisément comme un garde-fou contre ces dérives.

Open harnesses : reprendre le contrôle de la stack agentique

Au-delà des performances brutes, Nvidia insiste sur un point stratégique : les harnesses ouverts offrent un contrôle bien supérieur aux solutions fermées. Dans un contexte où certains modèles ont ralenti leur entraînement suite à des problèmes de sécurité, la possibilité d’inspecter et d’ajuster chaque couche devient critique.

Nous croyons, et nous le démontrons avec l’écosystème, que les harnesses ouverts permettent de tourner bien plus de boutons pour augmenter la précision. Cela est lié au ralentissement de l’entraînement des modèles chez OpenAI, suite aux brèches de sécurité créées par les modèles. Nous pensons qu’avoir une stack agentique ouverte – où vous contrôlez le harness, l’infrastructure et le runtime – est ce qui est requis pour faire progresser l’écosystème de manière sécurisée.

– Adel El Hallak, Nvidia

Pour les entreprises soucieuses de conformité, de sécurité des données et de prévisibilité des coûts, cette approche open change la donne. Pouvoir auditer le comportement de l’agent, limiter ses outils, définir des règles strictes de mémoire et de feedback devient un avantage concurrentiel majeur.

Implications concrètes pour les startups et les équipes tech

Que retenir concrètement pour les fondateurs, les équipes produit et les marketeurs qui s’appuient déjà sur des agents IA ?

• Investir autant de temps dans le design du harness que dans le choix du modèle
• Tester systématiquement différentes configurations de mémoire et de supervision
• Envisager des architectures multi-agents avec un rôle de supervision explicite
• Prioriser les composants open source pour conserver la maîtrise de la stack
• Mesurer non seulement la qualité des outputs mais aussi le coût total par tâche réussie

Les outils comme ceux de la famille Nemo de Nvidia, combinés à des frameworks open source émergents, permettent déjà de construire des harnesses sophistiqués sans repartir de zéro. L’époque où l’on se contentait d’un simple wrapper autour d’une API est révolue pour les cas d’usage sérieux.

Le basculement culturel en cours dans l’écosystème IA

Cette publication de Nvidia s’inscrit dans un mouvement plus large. Pendant des années, la course a porté presque exclusivement sur la taille des modèles, le nombre de paramètres et les scores sur des benchmarks de connaissance pure. Désormais, l’attention se déplace vers l’ingénierie système autour des modèles.

Les équipes qui excelleront dans les prochains mois ne seront pas nécessairement celles qui accèdent aux modèles les plus récents en premier, mais celles qui savent orchestrer mémoire, outils, supervision et runtime de manière intelligente. C’est un changement de paradigme qui favorise les équipes techniques solides plutôt que celles qui se contentent de consommer des APIs.

Pour les acteurs du marketing digital, de la communication et des startups tech, cela ouvre des opportunités intéressantes. Construire des agents capables de mener des recherches longues, de produire des contenus complexes en plusieurs étapes, ou de gérer des workflows multi-jours devient enfin réaliste, à condition de soigner le harness.

Comment démarrer concrètement avec un meilleur harness

Vous n’avez pas besoin d’attendre le prochain paper de Nvidia pour améliorer vos agents. Voici quelques pistes actionnables immédiates :

• Ajouter une couche de logging détaillée pour observer où l’agent s’égare
• Implémenter une mémoire vectorielle ou structurée qui persiste au-delà du contexte immédiat
• Créer des checkpoints réguliers avec validation humaine ou automatique
• Tester un agent secondaire qui critique les plans de l’agent principal
• Limiter strictement les outils disponibles selon la phase de la tâche

Ces ajustements, souvent modestes en apparence, produisent des gains de fiabilité spectaculaires sur les tâches longues. Le passage de 30 % à 100 % observé par Nvidia n’est pas magique : il résulte d’une attention systématique à ces détails d’architecture.

Vers une nouvelle génération d’agents vraiment autonomes

Le message de Nvidia est limpide : le modèle reste important, mais il n’est plus le facteur dominant pour les cas d’usage agentiques complexes. Le harness, avec sa gestion de mémoire, ses outils et surtout sa capacité de supervision, devient le levier principal de performance.

Cette évolution devrait accélérer le déploiement d’agents réellement utiles dans les entreprises. Au lieu de chatbots conversationnels limités, nous verrons émerger des systèmes capables de prendre en charge des projets de bout en bout avec un niveau de fiabilité acceptable. Le superviseur style CEO imaginé par Nvidia pourrait devenir un pattern standard dans les architectures multi-agents.

Pour l’écosystème startup et tech, c’est une invitation à repenser les priorités d’investissement. Moins de focus exclusif sur le dernier modèle, plus d’attention à l’ingénierie système, à la sécurité et au contrôle. Les open harnesses, en redonnant la maîtrise aux utilisateurs, s’inscrivent parfaitement dans cette logique.

Les résultats obtenus sur ARC-AGI-3 ne sont qu’un début. Ils prouvent qu’avec le bon scaffolding, les modèles actuels sont déjà capables de performances humaines sur des tâches de raisonnement interactif complexes. La question n’est plus tant « quel modèle utiliser ? » que « comment l’envelopper intelligemment pour en tirer le maximum ».

Dans un marché où les coûts d’API peuvent rapidement s’envoler et où la fiabilité reste un frein majeur à l’adoption, cette redécouverte de l’importance du harness arrive à point nommé. Les équipes qui sauront l’intégrer dans leur culture de développement agentique prendront une avance significative dans les mois à venir.

Nvidia, en publiant ces travaux et en continuant à nourrir l’écosystème open avec Nemo, contribue activement à démocratiser ces bonnes pratiques. Le harness n’est plus un détail technique secondaire : il est devenu le vrai héros des systèmes d’intelligence artificielle agentique.