Le harness autour d'un LLM démultiplie les gains : ce qui a changé en un an dans Claude Code

Un développeur expérimenté a travaillé intensivement avec Claude Code pendant un an et demi. Il a mené des dizaines d'expériences et observé une équipe d'ingénieurs à l'œuvre. Il en tire une conclusion inattendue : le principal levier pour améliorer la qualité d'un LLM n'est ni la génération du modèle, ni le passage à une version plus récente. C'est le système complexe qui l'entoure.

Qu'est-ce qu'un harness

Dans la communauté anglophone des ingénieurs, on appelle cette infrastructure le harness : l'environnement complet dans lequel opère un modèle de langage. Il ne s'agit pas simplement d'un prompt envoyé dans un chat, ni d'une règle de comportement isolée. C'est un système complexe qui régit l'interaction du modèle avec le monde extérieur : ses règles, ses limites, les outils dont il dispose, la quantité de contexte visible. Sans cet environnement, même le modèle le plus puissant fonctionne mal. Il ressemble alors à une pelleteuse sans leviers : le moteur tourne, mais rien ne permet de creuser ni de déplacer la terre.

Pourquoi l'infrastructure apporte plus que les nouveaux modèles

Après un an d'observation, un constat s'impose : passer à une nouvelle version du modèle améliore la qualité de façon notable, mais limitée. Le passage de Claude 3 à Claude 4 constitue un progrès, mais il ne rapporte que quelques points de pourcentage de performance. À l'inverse, chaque nouvelle couche d'infrastructure ajoutée autour du même modèle produit un bond multiplicateur.

Un prompt système qui définit clairement le rôle du modèle : la qualité fait un bond. Des outils qui permettent au modèle d'interagir avec le réel : nouveau bond. Un contexte élargi, des skills ajoutés, des permissions configurées : à chaque fois, la qualité est multipliée.

Les ingénieurs cessent donc de courir après les nouvelles versions pour se concentrer sur la conception de l'environnement dans lequel le modèle travaille.

Les composants d'une infrastructure efficace

Une infrastructure efficace repose sur plusieurs couches clés, chacune avec sa propre contribution :

• Prompt système — des instructions explicites qui définissent le comportement, le style de communication et les limites
• Outils — l'accès du modèle à des API externes, des bases de données, des navigateurs et des ressources de calcul
• Contexte — une gestion fine de ce que le modèle voit, retient et peut mobiliser
• Skills — des patterns et des algorithmes pré-entraînés pour résoudre des tâches courantes
• Hooks — des événements et des déclencheurs activés sous certaines conditions
• Permissions — la frontière entre ce que le modèle peut faire et ne peut pas faire, les fichiers qu'il peut lire et écrire
• Mémoire — la mémorisation à long et à court terme du contexte du projet, des décisions et des conclusions

Chacune de ces couches peut être optimisée indépendamment, avec à la clé un gain de performance pour un type de tâche donné.

«

De la puissance, mais rien pour l'exploiter » — c'est ainsi qu'un ingénieur expérimenté décrit un modèle privé de son infrastructure.

Ce que cela signifie

Les développeurs délaissent la course aux modèles plus récents et plus puissants pour bâtir un environnement intelligent autour de ceux dont ils disposent déjà. Investir dans l'ingénierie du prompt système, la gestion du contexte, le développement de skills et l'optimisation des permissions est plus vite rentable et rapporte davantage qu'attendre la prochaine version du modèle. Cette approche ouvre de nouvelles possibilités de personnalisation pour des tâches et des équipes spécifiques, sans exiger de coûteuses mises à niveau matérielles ni de nouvelles licences.