Malgré les progrès significatifs réalisés ces dernières années dans le domaine des modèles de langage, ceux-ci, lorsqu'ils sont déployés en tant qu'agents, tentent souvent d'exécuter des actions non seulement sous-optimales pour un état donné, mais strictement interdites par l'environnement externe. Par exemple, lors de la récente compétition d'échecs GameArena sur Kaggle, 78 % des défaites de Gemini-2.5-Flash ont été attribuées à des coups illégaux. Il est courant que des développeurs écrivent manuellement des « harnesses » (cadres de contrôle) autour des LLM pour prévenir de telles défaillances. Dans cet article, nous démontrons que Gemini-2.5-Flash peut automatiquement synthétiser un tel code de type harness, en s'appuyant sur un nombre réduit de cycles de raffinement itératif du code, guidés par les retours de l'environnement (de jeu). Le harness résultant élimine tous les coups illégaux dans 145 jeux différents de TextArena (à un ou deux joueurs), permettant au modèle plus petit Gemini-2.5-Flash de surpasser des modèles plus grands, tels que Gemini-2.5-Pro. En poussant notre technique à ses limites, nous parvenons à faire générer par Gemini-2.5-Flash l'intégralité de la politique sous forme de code, éliminant ainsi le besoin d'utiliser le LLM au moment de la prise de décision. Cette politique codée obtient une récompense moyenne supérieure à celle de Gemini-2.5-Pro et de GPT-5.2-High sur 16 jeux TextArena à un joueur. Nos résultats montrent qu'utiliser un modèle plus petit pour synthétiser un harness de code personnalisé (ou une politique complète) permet de surpasser un modèle beaucoup plus grand, tout en étant plus rentable.