L’affirmation d’accélération qui a déclenché les alertes
Les progrès des capacités des modèles d’Anthropic se sont accélérés d’environ 1,9 fois par rapport à leur rythme précédent, selon une évaluation indépendante de METR. Bien que ce chiffre s’accompagne d’une large plage d’incertitude, de 1,5 à 2,8 fois, il suggère que l’entreprise a réalisé au cours de la dernière année à peu près autant de progrès sur les benchmarks que durant les deux années précédentes. Cette accélération décrit les capacités mesurées des modèles, et non toutes les dimensions des avancées de l’IA.
METR, un groupe de recherche à but non lucratif, a publié ces résultats dans un rapport public à la suite d’un accès temporaire et rare aux systèmes et documents internes d’Anthropic. Son évaluation complète, intitulée « Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 », distingue les conclusions rigoureuses de METR du cadrage plus alarmiste que l’on trouve dans certaines vidéos en ligne.
Les chercheurs ont eu accès aux scores de benchmarks internes, aux données d’entraînement, aux chiffres de puissance de calcul et aux prévisions, et ont mené des entretiens avec environ 15 chercheurs d’Anthropic. Ce niveau d’accès inhabituel a permis une analyse détaillée de la trajectoire de R&D de l’entreprise, offrant un regard sans fard sur le rythme du développement de l’IA de pointe.
Model 4 est puissant, et reste une boîte noire
L’évaluation de METR présente Model 4, un modèle d’Anthropic non publié, entraîné entre septembre et octobre 2026. Ce système interne a obtenu des scores supérieurs à 50 % sur les 15 benchmarks de l’ensemble testé, ce qui en fait le modèle le mieux noté du rapport. Bien qu’impressionnants, ces scores reflètent des performances sur des tâches spécifiques et n’établissent pas en soi une compétence générale ou de niveau humain.
L’existence de modèles aussi puissants et non publiés met en évidence un écart de capacités entre l’interne et le public. Les progrès du développement de l’IA peuvent dépasser ce à quoi les clients et les observateurs indépendants ont accès, ce qui signifie que la frontière des capacités de l’IA est souvent plus avancée que les modèles accessibles au public comme Claude. Les hypothèses sur la filiation de Model 4 ou sur sa possible sortie en tant que future version de Claude restent non confirmées.
Ces scores élevés aux benchmarks soulèvent aussi des questions de saturation des benchmarks. Lorsque les modèles dépassent régulièrement 50 % et approchent même 90 % sur certains tests, l’utilité des benchmarks existants pour distinguer les capacités peut diminuer. Un score de benchmark fournit une indication de performance sur des tâches définies, mais ne constitue pas une mesure complète de la fiabilité en conditions réelles ni de l’intelligence générale.
L’IA accélère peut-être ceux qui construisent l’IA
METR a attribué avec prudence environ 80 % de l’accélération observée à l’IA elle-même, tout en soulignant une incertitude importante autour de cette estimation. Si une croissance plus rapide de la puissance de calcul d’entraînement n’expliquait pas ce changement, des détails clés étayant cette conclusion ont été expurgés du rapport public. Pour plus de détails, consultez l’évaluation complète Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 - METR.
Des retours informels de salariés, recueillis via des sondages internes sur Slack, suggèrent que les outils d’IA ont augmenté la productivité sur certaines tâches jusqu’à 12 fois. Ce chiffre correspond toutefois à des témoignages anecdotiques portant sur des flux de travail précis, et non à une mesure contrôlée de la production globale de l’entreprise. Des entretiens avec environ 15 chercheurs ont donné des estimations variées, nombre d’entre elles se situant plus près d’une amélioration de deux fois de l’efficacité générale.
Cela laisse entrevoir une boucle de rétroaction naissante : les outils d’IA aident les chercheurs à coder, à tester des idées et à rationaliser leurs flux de travail. Ces améliorations peuvent à leur tour contribuer au développement de meilleurs modèles, qui aident ensuite davantage la recherche future. Le compte rendu de METR maintient néanmoins des humains dans la boucle pour une grande partie de ce travail, ce qui le distingue d’une explosion d’intelligence sans contrainte.
Les avancées pilotées par l’IA compressent de fait le cycle de R&D. Les chercheurs s’appuient sur les modèles pour - générer du code - concevoir des expériences - analyser des résultats - affiner les processus d’entraînement
Cette amélioration itérative accélère la découverte et la mise en œuvre de nouvelles capacités.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
La question restée sans réponse : qu’est-ce qui peut la ralentir ?
L’évaluation de METR n’a pas identifié d’éléments convaincants indiquant des contraintes majeures susceptibles d’apparaître dans les 12 prochains mois. Cette conclusion s’accompagne toutefois d’un niveau de confiance limité ; les analyses spécifiques des goulots d’étranglement potentiels figuraient parmi les informations retenues dans le rapport public.
La transparence reste un défi central. Les nombreux passages expurgés par Anthropic empêchent les lecteurs d’examiner certains des éléments les plus instructifs. Cela inclut les détails de l’appréciation selon laquelle une croissance plus rapide de la puissance de calcul d’entraînement n’expliquait pas l’accélération, ainsi que l’analyse complète des goulots d’étranglement.
Publiquement, METR indique seulement n’avoir trouvé aucune limite claire à court terme à l’accélération observée. Les données et les méthodologies sous-jacentes qui ont conduit à cette conclusion ne peuvent pas être vérifiées publiquement, ce qui rend difficile pour des tiers d’examiner ou de reproduire les résultats.
Si la recherche assistée par l’IA continue de s’accélérer, la pression sur l’évaluation indépendante et sur les travaux de sécurité s’intensifiera pour suivre le rythme. Les enjeux pratiques sont élevés : des divulgations plus claires, des évaluations indépendantes plus fréquentes et des audits rigoureux sont des prochaines étapes essentielles pour comprendre la véritable trajectoire des progrès de l’IA et ses implications.
Questions fréquentes
Qu’a constaté METR au sujet des progrès de l’IA d’Anthropic ?
METR a estimé que les capacités des modèles d’Anthropic progressaient à environ 1,9 fois leur rythme précédent, avec une incertitude importante autour de cette estimation.
Qu’est-ce que le Model 4 d’Anthropic ?
Model 4 est le nom donné par METR à un modèle d’Anthropic non publié qu’il a évalué. Le rapport le décrit comme le modèle le plus performant de l’ensemble testé.
Le rapport prouve-t-il que l’IA conçoit de meilleures IA de manière autonome ?
Non. METR a attribué une grande partie de l’accélération à l’assistance de l’IA, mais a décrit l’usage actuel principalement comme une aide apportée aux chercheurs humains, et non comme un remplacement.
Pourquoi certaines parties du rapport de METR sont-elles expurgées ?
Anthropic aurait retenu des informations sensibles, notamment des éléments relatifs à la puissance de calcul et aux goulots d’étranglement, ce qui limite la capacité des observateurs extérieurs à évaluer de manière indépendante certaines conclusions.