D’un côté, Dario Amodei, le PDG d’Anthropic, demande publiquement aux laboratoires d’appuyer sur le frein. De l’autre, son entreprise confie une part croissante de sa recherche à ses propres modèles, et la mécanique tourne mieux que prévu.
Les deux cohabitent sous le même toit. Une évaluation indépendante vient de mesurer l’écart entre le discours et la pratique.
Un frein prêché, un accélérateur installé
Le discours d’abord : le secteur va trop vite, il faudrait ralentir. Il promet du temps, celui de comprendre, d’évaluer et de réguler avant que les capacités n’échappent à ceux qui les construisent.
La méthode ensuite : faire travailler l’IA sur le développement de l’IA. Elle promet de la vitesse, et cette vitesse s’entretient d’elle-même, puisque chaque modèle plus capable améliore l’outil qui fabriquera le suivant.
Un appel au ralentissement n’a d’effet que si les autres le suivent. Une méthode, elle, s’exécute toute seule dès qu’elle est branchée. L’une demande une décision collective, l’autre n’attend aucune permission.
Onze semaines d’enquête de METR chez Anthropic
METR, l’organisation de recherche sur la sécurité de l’IA, a mené une enquête de onze semaines au sein d’Anthropic et publié son rapport jeudi. Sa conclusion centrale : les modèles de l’entreprise s’améliorent environ deux fois plus vite qu’il y a un an. Les scores aux benchmarks (tests de référence) suggèrent, selon le rapport, qu’Anthropic a réalisé en un an « environ deux ans de progrès historique ».
Les chercheurs écartent l’explication la plus simple. Ils se disent confiants : cette accélération ne tient pas seulement à l’augmentation de la puissance de calcul consacrée à l’entraînement, longtemps le grand moteur des progrès. D’après METR, la majorité de l’accélération observée en octobre est due à l’IA, dont la contribution grandit avec le temps.
Les indices viennent notamment de sondages informels sur Slack et d’entretiens avec les employés. Ceux qui utilisent le modèle interne le plus capable se déclarent en moyenne environ douze fois plus productifs que sans assistance, soit à peu près le double de ce qu’indiquait le personnel quelques mois plus tôt avec Mythos 5. Reste que cette mesure est une perception déclarée, pas une mesure de production.
Pour l’instant, l’IA assiste surtout des chercheurs humains plutôt qu’elle ne travaille seule. METR avertit toutefois que « des signes montrent que les contributions pleinement autonomes joueront bientôt un rôle plus important », et dit n’avoir trouvé ni rendements décroissants ni goulot d’étranglement visible qui empêcherait une accélération encore plus forte.
Trois modèles gardés hors de la vue du public
Au cours des six derniers mois, Anthropic a terminé l’entraînement de trois modèles qu’elle n’a pas publiés. Le rapport les nomme Model 2, Model 3 et Model 4 : leur entraînement s’est achevé respectivement en juillet, entre août et septembre, puis entre septembre et octobre.
Une partie des gains décrits par METR vient donc d’outils auxquels personne d’autre n’a accès. Les chercheurs d’Anthropic travaillent avec des modèles en avance sur ceux que le public utilise, et la boucle d’auto-amélioration tourne dans cet espace fermé.
Autre limite, qui pèse sur la lecture du rapport : son accord avec METR autorisait Anthropic à caviarder des passages du texte final, et l’entreprise semble avoir largement usé de ce droit. Nous lisons donc une version dont Anthropic a choisi ce qui restait visible. L’évaluateur est indépendant, le périmètre de ce qu’il peut dire ne l’est pas.
Le calendrier ajoute une ombre : Anthropic prépare son entrée en Bourse. Réclamer un ralentissement collectif tout en préparant une introduction qui valorise la vitesse, voilà deux logiques qui se rejoignent mal.
Raccourcir l’horizon de vos projets sur modèles
Si vous construisez sur des modèles d’Anthropic, ou sur ceux de ses concurrents, le premier réflexe consiste à raccourcir votre horizon de planification. Un modèle de référence qui vieillit deux fois plus vite impose des architectures capables de changer de moteur sans réécriture : abstraction du fournisseur, suites d’évaluation maison, prompts versionnés.
Vos feuilles de route en dépendent aussi. Les modèles publics ont un temps de retard sur les modèles internes, et ce retard peut s’allonger ou se réduire selon les choix de l’éditeur. Planifier une fonctionnalité en supposant que la prochaine version sera « un peu meilleure » devient une hypothèse fragile quand les trois derniers modèles d’un laboratoire sont restés dans un tiroir.
Enfin, la part d’IA dans la production d’IA devient un indicateur à suivre. Les rapports d’évaluateurs externes, comme celui de METR, offrent un des rares moyens de voir dans quelle proportion les agents travaillent seuls, et à quel rythme cette proportion évolue.
Personne n’a la main sur le frein
Un frein n’existe que si une main peut l’actionner. Or la décision de ralentir appartient aujourd’hui aux laboratoires mêmes qui profitent de la vitesse, dans un secteur où chacun redoute que l’autre ne s’arrête pas. Anthropic plaide pour une pause qu’elle ne s’impose pas, et elle n’est pas seule à devoir être convaincue.
METR ne relève aucun signe d’essoufflement. Si ce constat tient, le ralentissement ne viendra pas de la technique. Il devra venir d’une règle, d’un régulateur ou d’un accord entre acteurs, et rien de tel n’est en place pour le moment.
Tant que la part des contributions autonomes reste faible, des humains tiennent encore le volant. Les prochains rapports de METR diront à partir de quand ce n’est plus le cas, et qui décidera alors du rythme.
Vous avez aimé celui-ci ?
La newsletter du vendredi réunit les articles de la semaine, avec leurs sources.
Offert à l'inscriptionMa configuration Claude Code, avec mes skills, mes sous-agents et mes hooks, prêts à copier.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
