Nvidia vient de publier une étude qui mérite qu’on s’y arrête : avec un harness bien conçu, Claude Opus 5 obtient 100 % sur ARC-AGI-3. Sans harness personnalisé, le même modèle plafonnait à 30 %. Le modèle n’a pas changé. Ce qui a changé, c’est tout ce qui l’entoure. Et si tu passais trop de temps à choisir le bon modèle, et pas assez à construire le bon système autour de lui ?
Ce que Nvidia vient de montrer
Le 21 août 2026, Nvidia a publié des recherches sur les performances des agents IA sur le benchmark ARC-AGI-3, un jeu de puzzles 2D conçu pour tester le raisonnement et la généralisation. Résultat frappant : Claude Opus 5 avec un harness optimisé atteint 100 %. Claude Opus 5 sans harness personnalisé : 30 %.
Ce n’est pas une différence de modèle. C’est la même API, le même nombre de paramètres, le même Claude. Ce qui change, c’est l’orchestration autour.
OpenAI, de son côté, a triplé ses scores sur le même benchmark en ajustant deux paramètres du harness, sans toucher au modèle. Databricks a montré qu’un mauvais harness peut doubler les coûts de traitement, pour des résultats inférieurs.
La source : l’article TechCrunch du 21/08/2026, qui cite directement Adel El Hallak, VP chez Nvidia.
Un harness, c’est quoi concrètement ?
Adel El Hallak le définit ainsi : « L’agent, c’est le modèle, l’échafaudage autour du modèle (le harness), et les outils qu’il utilise. » Dit autrement, le harness regroupe tout ce qui n’est pas le modèle mais qui décide comment il tourne.
Concrètement, pour un builder solo, ça couvre :
- La façon dont tu formules ton prompt système et tes instructions persistantes
- La gestion de la mémoire entre les appels (contexte court vs mémoire longue)
- Les outils que tu donnes à l’agent (web search, écriture de fichiers, appels API)
- Le composant « superviseur » qui vérifie que l’agent ne dévie pas de son objectif
- Les règles de validation avant d’agir (est-ce que j’ai le droit de faire ça ?)
Ce que Nvidia appelle un harness « bien conçu », c’est précisément ce que certains systèmes d’agents IA font déjà : un orchestrateur qui guide le modèle étape par étape, qui détecte les dérives, qui sait quand déléguer à un sous-agent et quand remonter à l’humain.
Ce que ça change pour toi, builder solo
La plupart des gens qui utilisent l’IA au quotidien ont le réflexe opposé : ils cherchent le meilleur modèle, comparent les benchmarks, hésitent entre Opus, Sol, Gemini ou DeepSeek. Et ils pensent que le prochain modèle va résoudre les problèmes que le précédent n’a pas résolus.
Ce que Nvidia montre, c’est que cette logique est inversée. La vraie variable n’est pas le modèle que tu choisis, c’est le système que tu construis autour.
Ça a des conséquences directes :
Pour les builders qui gèrent déjà des agents autonomes (wakes planifiés, agents spécialisés par scope), cette étude confirme quelque chose qu’on pressent : la valeur du système ne vient pas de l’abonnement IA, mais de l’architecture construite autour.
« L’agent, c’est le modèle, l’échafaudage autour du modèle, et les outils qu’il utilise. » Ce n’est pas une métaphore. C’est ce que les données montrent.
Adel El Hallak, VP Nvidia
Le piège des harnesses fermées
Nvidia n’est pas neutre dans ce débat. La firme pousse pour des harnesses « ouverts et contrôlables », par opposition aux solutions propriétaires des labs IA qui verrouillent l’orchestration dans leur propre plateforme.
L’intérêt de Nvidia est clair : si le harness devient la variable clé, les infrastructures GPU restent centrales. Mais le signal qu’ils envoient reste valide indépendamment de leurs motivations commerciales.
La vraie question pour un builder solo : à quel point es-tu dépendant du harness de ton fournisseur IA ? Si tu utilises Claude Projects ou ChatGPT via l’interface web, tu délègues toute l’orchestration à Anthropic ou OpenAI. Tu profites de leur harness, mais tu ne le contrôles pas. Si demain ils changent la façon dont la mémoire fonctionne, ou comment le superviseur interne réagit, tes résultats changent sans que tu aies rien fait.
Construire son propre harness, même minimaliste (un bon prompt système + des règles de validation claires + une mémoire persistante), c’est reprendre la main sur la variable qui, selon Nvidia, compte plus que le choix du modèle.
Ma lecture
Les benchmarks IA m’intéressent peu en général : ils mesurent des capacités en laboratoire, pas des résultats réels sur des tâches métier. Mais celui-là est différent, parce qu’il isole une variable qu’on a longtemps ignorée.
100 % vs 30 % avec le même modèle, c’est une donnée que tu ne peux pas balayer d’un revers de la main. Et si ce ratio se confirme sur d’autres benchmarks et d’autres cas d’usage, ça change radicalement où on devrait investir notre énergie de builders.
Moins de temps à comparer les derniers modèles. Plus de temps à améliorer le système qui les pilote. C’est peut-être le conseil le plus contre-intuitif du moment IA, et l’un des plus fondés.
Pour faire tourner ce type d’agent sur tes propres process, avec surveillance et alertes quand ça casse, voir mes prestations d’automatisation IA.