Un audit indépendant chiffre à 1,9 le rythme de progression des modèles d'Anthropic

Une évaluation indépendante de l'organisation à but non lucratif Model Evaluation and Threat Research (METR), rendue publique le jeudi 5 novembre 2026, estime que les capacités des modèles d'Anthropic progressent sur des tâches bien définies à une taux 1,9 fois supérieur à celui observé auparavant, depuis octobre 2025. Environ 80 % de cette accélération pourrait être liée à l'usage de l'IA dans les activités de recherche et de développement de l'entreprise, une estimation que METR assortit elle-même d'un fort degré d'incertitude. Le sujet touche au cœur de l'économie des modèles d'IA : la possibilité que des systèmes existants servent à en concevoir de plus puissants — l'auto-amélioration récursive, ou RSI — et les questions de sécurité qui l'accompagnent.

Le mécanisme décrit relève de l'assistance, non de l'autonomie. Les chercheurs d'Anthropic emploient des outils d'IA pour écrire du code, conduire des expériences et exécuter des tâches liées au développement de modèles, ce qui leur permet d'accomplir certaines étapes plus vite et de consacrer du temps à d'autres. Des sondages internes informels font état de gains atteignant 12 fois en octobre 2026 pour le modèle interne le plus capable ; METR juge ces chiffres peu fiables, s'agissant d'auto-évaluations subjectives. Un chercheur résume que le travail n'est plus limité par le code mais par les idées et la puissance de calcul, et le rapport évalue à environ deux ans le progrès historique accumulé en une seule année.

L'évaluation s'est déroulée sur onze semaines, entre août et octobre 2026. Six chercheurs de METR ont disposé d'un accès qualifié de sans précédent : entretiens avec les salariés, suivi de canaux Slack internes, examen de modèles non publiés sur le matériel de l'entreprise. Limite majeure, le rapport a été largement caviardé à la demande d'Anthropic, METR indiquant qu'une majorité des éléments les plus informatifs pour ses conclusions avaient été retirés. L'organisation écarte en revanche l'hypothèse d'un simple effet de moyens : l'augmentation de la puissance de calcul consacrée à l'entraînement n'explique pas l'accélération constatée.

Le document décrit aussi une pratique interne : au cours des six derniers mois, Anthropic a achevé l'entraînement de trois modèles non rendus publics, terminés en juillet, entre août et septembre, puis entre septembre et octobre. À ces versions récentes s'ajoute un modèle interne plus ancien, datant de 2022 et resté non publié. Ces systèmes contribuent à accélérer les capacités de l'entreprise, qui dispose ainsi en interne de versions de pointe absentes du marché ; selon Business Insider, ce double jeu — vendre les modèles les plus avancés tout en gardant les plus récents pour soi — relève de l'exercice d'équilibre du secteur, entre avantage concurrentiel pour les équipes de produit et de recherche et motifs de sécurité.

METR n'a pas identifié de goulet clair, qu'il tienne à la puissance de calcul, à la disponibilité des données ou aux expériences, qui empêcherait de nouveaux progrès dans les douze prochains mois ; l'organisation précise toutefois que cette appréciation reste incertaine et que des freins importants pourraient lui échapper. Elle affirme n'avoir trouvé aucune preuve que les systèmes actuels réalisent des contributions hautement significatives et entièrement indépendantes aux étapes les plus importantes de l'entraînement, tout en relevant des signes qu'une telle participation pourrait prendre de l'ampleur. L'horizon d'observation de douze mois fixé par les chercheurs constitue le prochain jalon factuel, aucun élément du rapport caviardé ne permettant à ce stade de trancher sur les limites détaillées de l'étude.