Ce qui change
Une prépublication du 15 août 2026 parie sur le passage à l’échelle du harnais : améliorer le système d’exécution autour d’un agent sans toucher aux poids du modèle 1. Elle présente StateM, un runtime pour agents organisé autour d’états durables, d’un contexte propre à chaque phase, de transitions vérifiées, de runbooks récupérables et de pratiques procédurales versionnées 1. Elle rapporte des exécutions Terminal-Bench 2.1 pour GPT-5.5 xhigh, GPT-5.6 Sol xhigh et GPT-5.6 Luna 1, les trois exécutions sur lesquelles ce billet s’appuie.
Ce qui survit au changement de modèle
Un runbook qui continue de fonctionner après un changement du modèle sous-jacent, voilà ce que je mettrais sous contrôle de version cette semaine. Le runbook se transfère tel quel à GPT-5.6 1, et le profil figé fait passer GPT-5.6 Luna de 76.7 à 85.4 pour cent 1. La réutilisation publiée couvre une génération de modèles et ses paliers de capacité.
| Exécution | Précision annoncée |
|---|---|
| StateM avec GPT-5.6 Sol xhigh 1 | 95.3 pour cent sur 445 essais |
| GPT-5.6 Luna sous le profil figé 1 | 76.7 à 85.4 pour cent |
L’objection tient en une phrase : c’est l’arithmétique d’un seul laboratoire sur ses propres exécutions. Le classement Terminal-Bench 2.1 rapporte la précision avec un intervalle de confiance, 83.8 pour cent plus ou moins 1.2 pour l’exécution classée première, Claude Code avec Fable 5 2 ; StateM rapporte des estimations ponctuelles issues de ses propres exécutions 1. À mon sens la conception reste rétro-adaptable, que ces estimations tiennent ou non, d’où la consigne d’Impact : réutiliser la structure et re-mesurer sur ses propres tâches.
Impact pour une équipe
Ne reconstruisez pas votre runtime sur une prépublication vieille de cinq jours. Ce qui est rétro-adaptable dès cette semaine, c’est la conception : états durables, contexte propre à chaque phase, transitions vérifiées, et un runbook versionné comme du code 1.
Mesurez la part de votre harnais qui survit à votre prochaine montée de version : rejouez le runbook tel quel et consignez ce que vous avez dû réécrire.
Passez-le d’abord sur votre propre jeu de tâches. Les preuves de transfert couvrent une génération de modèles ; en faire une garantie au-delà relève, à mon sens, d’un pari personnel.