Une intelligence artificielle peut-elle participer à la fabrication de son successeur sans diriger seule le laboratoire ? Anthropic apporte une réponse chiffrée à cette question. Dans une publication du 17 septembre 2026, l’entreprise affirme que Claude « pilote » désormais 26 % des travaux de recherche et développement de ses modèles. Plus de 90 % des travaux mesurés impliqueraient Claude au moins comme collaborateur.
Ces deux pourcentages décrivent des degrés d’automatisation, pas une équipe de chercheurs remplacée à 26 % ou 90 %. Ils reposent sur une méthode interne dont Anthropic expose les grandes étapes, mais dont les données ne sont pas encore vérifiées de façon indépendante. Leur intérêt est ailleurs : ouvrir la boîte noire du travail quotidien dans un laboratoire d’IA de pointe.
Ce que signifie « piloter » un travail de recherche
Anthropic reprend une échelle de six niveaux proposée par l’organisme de recherche Epoch AI. Au niveau 3, l’IA collabore : elle réalise de larges morceaux d’une tâche, mais un humain la guide de près. Au niveau 4, elle pilote : une consigne générale suffit pour qu’elle mène l’essentiel de la tâche de bout en bout, sous supervision humaine. Le niveau 5 correspondrait à une autonomie complète, sans intervention humaine nécessaire.
Selon le relevé d’Anthropic portant sur août 2026, Claude atteint le niveau 4 pour 26 % des travaux de R&D évalués. La part des travaux au niveau 3 ou au-dessus dépasse 90 %. Aucune catégorie mesurée n’atteint le niveau 5. Le graphique publié par l’entreprise situe la part « pilotée » sous 1 % en février : la progression annoncée est rapide, mais elle reste celle d’un indice interne.
Un exemple concret : réparer une chaîne de données
L’entreprise illustre la différence avec une chaîne de traitement de données tombée en panne. Dans le mode « collaboration », un ingénieur apporte les journaux d’erreur, discute du diagnostic avec Claude et revient l’orienter si un problème imprévu apparaît. Dans le mode « pilotage », il transmet l’alerte ; Claude examine les journaux, corrige la panne, teste la solution et rédige un compte rendu. L’ingénieur décide encore de la mise en production.
Cette distinction évite de confondre délégation et autonomie. Un agent capable d’exécuter une tâche longue peut accélérer la recherche tout en dépendant d’humains pour choisir les objectifs, valider un résultat et autoriser une action sensible.
Comment Anthropic a construit son indice
Pour dresser l’inventaire des tâches, Anthropic indique avoir échantillonné chaque semaine de juillet 20 % des salariés des départements participant à la R&D des modèles. À partir de traces de travail et de documents internes, Claude a recensé environ 15 000 tâches détaillées. L’entreprise les a regroupées dans une arborescence de 542 catégories, puis a figé cette liste pour suivre leur degré d’automatisation.
Un agent Claude a ensuite examiné les pratiques de chaque catégorie ; un autre a attribué son niveau sur l’échelle de 0 à 5. Le poids de chaque tâche dans l’indice dépend d’une estimation du temps humain qui lui est consacré. Ce détail compte : les 26 % ne représentent ni une proportion brute de salariés, ni la part de toutes les heures travaillées par une machine.
Anthropic a confronté les notes du modèle à celles de responsables humains. Le modèle et les humains donnaient exactement la même note dans 59 % des comparaisons ; leurs évaluations se situaient à un niveau d’écart ou moins dans 97 % des cas. Ces chiffres suggèrent que la grille est utilisable, sans effacer la frontière parfois subjective entre « collaborer » et « piloter ».
L’indice a aussi un angle mort assumé : il suit un panier de tâches défini à partir du travail existant. Si de nouvelles activités de recherche apparaissent ou si les humains se déplacent vers d’autres responsabilités, la courbe peut manquer ce changement. Anthropic prévoit de réviser périodiquement ce panier.
Trente mille agents, mais quel contrôle ?
La publication ne s’arrête pas à la productivité. Anthropic dit compter environ 30 000 agents simultanément actifs dans sa plateforme interne la plus utilisée pour la recherche et l’ingénierie, en août 2026. Ce nombre concerne cette plateforme, pas l’ensemble des activités de l’entreprise.
Selon ses mesures, toutes les actions de ces agents passent par un contrôle automatique avant exécution et sont aussi enregistrées pour examen ultérieur. Sur plus d’un milliard de décisions analysées en août, le contrôle en temps réel en a bloqué 0,002 %, soit environ une sur 47 000. Le contrôle a posteriori signale près de 100 000 conversations d’agents par semaine à plusieurs filtres automatiques ; environ 50 dossiers prioritaires remontent ensuite à une revue humaine.
Ces chiffres décrivent une couverture et un volume d’escalades, pas le taux de détection de tous les comportements dangereux. Un blocage rare peut refléter des agents bien encadrés, un filtre trop permissif ou des tâches peu risquées ; les seules données publiées ne permettent pas de trancher. Anthropic reconnaît que la surveillance de groupes d’agents à cette échelle reste un domaine jeune et appelle à des tests par des tiers.
Le calcul consacré à la sécurité reste difficile à lire
Anthropic propose enfin de suivre la puissance de calcul allouée aux travaux de sécurité. Sur une semaine de juillet, l’entreprise estime qu’environ 6 % du calcul consacré à la R&D IA relevaient de la sécurité ; cette part monte à environ 12 % pour le calcul affecté à la R&D IA menée par l’IA elle-même.
La comparaison a des limites : certaines recherches rendent les modèles à la fois plus sûrs et plus capables, et une tâche de sécurité peut mobiliser beaucoup de temps humain avec peu de calcul. Les catégories ont été attribuées en partie par des classificateurs automatiques, sur un échantillon de travaux. Une semaine ne dessine pas une tendance, encore moins une preuve que le budget de sécurité est suffisant.
Le prochain enjeu : rendre ces mesures vérifiables
Le chiffre de 26 % marque une étape dans la manière de parler de l’auto-amélioration de l’IA. Il décrit une contribution importante de Claude aux travaux qui conduiront aux prochains modèles. Il ne démontre pas une boucle de recherche entièrement autonome, ni une accélération mesurée de 26 % du progrès scientifique.
La valeur durable de cette publication dépendra de sa reproductibilité. Anthropic reconnaît que son propre modèle sert aussi à classer le travail de ses agents, avec un risque d’erreurs communes. Une méthode partagée entre laboratoires, des séries publiées régulièrement et un accès réel d’évaluateurs externes permettraient de comparer les évolutions. Le sujet n’est plus seulement de savoir jusqu’où les agents peuvent aller, mais qui peut vérifier leur rôle avant qu’ils ne pilotent davantage de décisions.
Références
- Anthropic — Measurements for understanding the pace of AI development inside frontier labs, 17 septembre 2026.
- Epoch AI — Toward an ONET for AI R&D*, 17 juin 2026.
- Anthropic — Risk Report: August 2026.
