Il y a six mois, un classement comparait des modèles. Aujourd'hui, l'évaluateur indépendant que nous citons compare « GPT-6 Astra dans Codex » à « Fable 5.1 dans Claude Code » à « Muse Spark dans Muse Code ». Le modèle n'est plus mesuré seul : il est mesuré avec son enveloppe. Ce changement de méthode dit quelque chose d'important sur ce qui produit réellement le résultat.
Nous avons employé ce terme dans notre comparatif de vendredi sans l'expliquer. Voici ce qu'il recouvre.
Ce qu'un modèle ne fait pas seul
Un modèle de langage, pris isolément, reçoit du texte et produit du texte. C'est tout. Il ne lit pas de fichiers, n'exécute pas de code, ne lance pas de tests, ne se souvient pas de ce qu'il a fait il y a dix minutes.
Pour qu'il devienne un agent, il faut l'entourer d'un logiciel qui lui fournit ces capacités et organise son travail. C'est ce logiciel qu'on appelle le harnais.
Ce que contient un harnais
Les outils. Lire et écrire des fichiers, exécuter des commandes, chercher dans une base de code, appeler des services. Chaque outil est décrit au modèle, qui décide quand l'utiliser.
La boucle. Le harnais fait tourner le modèle en cycle : observer, décider, agir, observer le résultat, recommencer. C'est lui qui décide quand s'arrêter, quand demander confirmation, quand abandonner.
La gestion du contexte. Un agent accumule de l'historique. Le harnais décide ce qu'il garde, ce qu'il résume, ce qu'il jette. C'est un point que nous avons souligné à propos de la baisse du cache : un harnais qui réutilise bien le contexte coûte beaucoup moins cher qu'un harnais qui le renvoie entier à chaque tour.
Les garde-fous. Ce que l'agent a le droit de faire sans demander, ce qui exige une validation, ce qui est interdit. C'est la couche dont nous parlions à propos des failles dans les outils d'accès aux fichiers.
Le même modèle dans deux harnais différents produit des résultats différents, parfois de plusieurs points sur un classement. Un harnais qui présente mal ses outils, gère mal le contexte ou arrête trop tôt dégrade un excellent modèle. Un harnais soigné tire d'un modèle moyen plus que ce qu'il semble valoir. C'est exactement ce que nous décrivions dans notre article sur les réglages invisibles, appliqué aux agents : une partie de la valeur est dans l'enveloppe.
Pourquoi les laboratoires construisent les leurs
Il y a deux ans, les harnais étaient construits par des tiers, et les modèles étaient interchangeables. Aujourd'hui, chaque laboratoire livre le sien, optimisé pour son modèle.
La raison est stratégique et rejoint ce que nous observons partout. Quand les modèles convergent, la différenciation se déplace vers ce qu'on met autour. Un harnais bien intégré crée une habitude, et une habitude retient mieux qu'un score. C'est la logique que nous décrivions à propos d'Ox Alpha achetant une place dans les flux de travail.
Cela a un revers : un harnais propriétaire réintroduit une dépendance que les modèles ouverts avaient réduite. Vous pouvez changer de modèle facilement ; changer de harnais, c'est réapprendre des habitudes.
Ce que ça change pour choisir
Testez le couple, pas le modèle. Un classement de modèles isolés ne dit plus grand-chose de ce que vous obtiendrez. Ce qui compte est le modèle dans l'outil que vous utiliserez.
Regardez l'efficacité en tokens. C'est là que les harnais diffèrent le plus, et c'est ce qui décide de la facture. Nous rapportions vendredi qu'un modèle consommait un tiers des tokens d'un autre pour un résultat comparable : une partie de cet écart vient du harnais.
Privilégiez ceux qui parlent les protocoles ouverts. Un harnais compatible avec les standards en cours de consolidation vous laisse changer de modèle. Un harnais fermé vous enferme deux fois.
Ce qu'il faut retenir
Le déplacement des classements vers des couples modèle-harnais reconnaît une réalité que les évaluations isolées masquaient : un agent est un système, pas un modèle.
Cela rend les comparaisons plus honnêtes et plus compliquées. Et cela déplace une partie de la compétition vers un terrain moins visible, celui de l'outillage, où se jouera probablement une bonne part de ce qui retient les utilisateurs dans les années à venir.