Le modèle n’est pas le sujet : pourquoi l’IA en entreprise se joue dans le harnais

La vraie mesure : l’espérance, moins le coût

L’IA en entreprise en est encore à ses débuts, et cela se voit à la façon dont on la juge. Les entreprises savent qu’elles doivent s’en servir ; peu savent comment, et moins encore ce qu’elle leur rapporte. Nous en avons vu certaines mesurer l’apport de l’IA au nombre de tokens consommés, ce qui revient à compter une dépense comme un résultat.

L’essentiel de l’actualité, lui, porte sur les modèles et leurs benchmarks : tel modèle gagne trois points en mathématiques, tel autre un point en raisonnement. On parle aussi, depuis peu, du coût d’une tâche, car deux modèles ne consomment pas la même quantité de tokens pour faire la même chose. C’est un progrès, mais cela mesure toujours le cas où tout se passe bien.

Or la question qui compte est celle de l’espérance : ce que rapporte une tâche quand elle réussit, moins ce qu’elle coûte quand elle échoue, chacun pondéré par sa probabilité. Retranchez ce que coûte la tâche elle-même, en tokens, en calcul et en temps, et vous obtenez l’apport réel de l’IA. Une erreur rare peut effacer des centaines de réussites si elle envoie la liste des clients à la mauvaise personne. C’est ainsi que nous jugeons l’IA chez PipeDuck, et c’est ce qui place la sécurité avant le coût, et le coût avant les capacités.

Il y a plus important encore que l’espérance. Une activité supporte des fluctuations violentes : une baisse de 80 % suivie d’une hausse de 500 % la laisse 20 % au-dessus de son point de départ. Elle ne supporte pas le zéro. Une erreur qui fait fuiter les données des clients, engage un paiement qu’on ne récupère pas ou rompt la confiance d’un grand compte met fin à la partie : on ne remonte plus. Le physicien Ole Peters a formalisé cet écart : ce qui est vrai en moyenne pour un grand nombre d’entreprises ne l’est pas pour chacune au fil du temps, car une perte totale interrompt la suite. C’est ce qu’il appelle le problème de l’ergodicité¹. La ruine doit donc être impossible, pas seulement improbable, et c’est la première tâche d’un harnais.

Trois questions qu’aucun benchmark ne pose

Prenez un cas courant : une IA lit les e-mails des clients, retrouve leur commande et leur répond. La démonstration tient en un après-midi, et elle convainc. Puis le projet passe en comité.

Le responsable de la sécurité demande avec les droits de qui cette IA consulte les commandes, et ce qu’elle ferait d’un e-mail qui lui ordonne d’envoyer la liste des clients. Le contrôle de gestion demande combien coûtera un mois de fonctionnement, et ce qui l’empêche de coûter dix fois plus. La direction des opérations demande ce qui se passe le jour où une réponse est fausse, et qui l’aura validée.

Aucune de ces questions ne porte sur le modèle. Un benchmark mesure ce qu’un modèle sait faire ; il ne dit rien de ce qu’on l’autorise à faire, de ce que cela coûte, ni de qui en répond. Même la fiabilité s’en détache : une étude de mars 2026 portant sur dix modèles montre que, sur les tâches longues, le classement par capacités et le classement par fiabilité divergent nettement². Chacune de ces questions vise un terme de l’apport, et les deux premiers ne dépendent presque pas du modèle.

Le harnais, c’est tout ce qui entoure le modèle

En anglais, on dit harness, et l’image vient de l’attelage : le harnais relie le cheval à ce qu’il tire, et c’est par lui qu’on le dirige. Appliqué à l’IA, le mot désigne l’infrastructure qui encadre un modèle : la boucle qui l’appelle, les outils qu’il a le droit d’utiliser, le contexte qu’on lui donne, l’environnement isolé où le code s’exécute, les validations humaines, la traçabilité, le budget et la reprise sur erreur. Le modèle raisonne ; le harnais décide de ce que ce raisonnement a le droit de toucher.

Son poids dépasse ce qu’on imagine, y compris sur le terrain des benchmarks. En février 2026, l’équipe de LangChain a fait passer son agent de 52,8 % à 66,5 % de réussite sur Terminal-Bench 2.0 en ne modifiant que le harnais, sans changer de modèle³. La plupart des publications traitent pourtant le harnais comme un chantier d’ingénierie. PipeDuck part d’une autre idée : le harnais peut être un produit, dans lequel les règles de l’entreprise se configurent au lieu de se programmer.

Votre entreprise a déjà un harnais, pour ses salariés

Aucune entreprise ne confie la signature bancaire à une nouvelle recrue le premier jour, même brillante. Elle lui ouvre les accès qu’exige son poste, fait contresigner les engagements au-delà d’un seuil, garde la trace de ce qui a été fait et par qui, et sépare les environnements où l’on teste de ceux où l’on engage l’entreprise. C’est le contrôle interne, et c’est exactement ce qu’un harnais applique à un modèle.

Huit questions à poser avant de mettre un agent en production

Elles départagent un harnais prêt pour la production d’une démonstration, quel que soit l’outil retenu. Aucune ne se règle en choisissant un meilleur modèle.

Choisir un modèle prend un après-midi, et le choix se révise chaque trimestre. Les règles qui l’encadrent vous engagent pour des années : c’est là que se joue l’IA en entreprise, et c’est là que nous avons mis notre travail.