Anthropic affirme que Claude dirige désormais 26 % de ses propres recherches en IA

Anthropic a commencé à publier une auto-évaluation de la part de ses propres recherches en IA réalisées par l’IA. Dans un billet du 17 septembre 2026 publié par l’Anthropic Institute, l’entreprise indique que Claude « dirige » désormais 26 % des travaux de recherche et développement en IA d’Anthropic en août 2026 — contre moins de 1 % en février. Il s’agit de la première publication de ce que l’entreprise appelle un prototype d’indice d’automatisation de la R&D.

Ce que signifient les chiffres

L’indice évalue les tâches sur une échelle d’automatisation mise au point par l’organisation à but non lucratif Epoch AI, allant de AL0 (aucune implication de l’IA) à AL5 (l’IA travaille en totale autonomie, sans intervention humaine). À AL3, Claude « collabore » — en réalisant d’importantes portions de travail sous une direction humaine étroite. À AL4, « dirige », il peut mener à bien la majeure partie d’une tâche de bout en bout à partir d’une consigne de haut niveau, tandis qu’une personne supervise le résultat. Anthropic indique que plus de 90 % de ses travaux de R&D en IA se situent désormais à AL3 ou au-delà, mais qu’aucun travail mesuré n’a atteint l’autonomie totale à AL5.

Comment la mesure a été réalisée et ses limites

Pendant une semaine en juillet 2026, un agent de recherche Claude a examiné un échantillon aléatoire de 20 % des effectifs de tous les services impliqués dans la boucle de R&D du modèle, recensant environ 15 000 tâches et les classant selon une taxonomie fixe de 542 catégories. Anthropic signale elle-même la réserve la plus importante pour les lecteurs extérieurs : les évaluateurs du modèle et les humains se sont accordés sur le niveau exact d’automatisation seulement 59 % du temps, contre 35 % d’accord entre deux évaluateurs humains, bien que les deux aient abouti à un niveau voisin dans 97 % des cas. L’entreprise signale également environ 30 000 agents simultanés effectuant des travaux internes de recherche et d’ingénierie, avec des moniteurs automatisés bloquant environ une décision d’agent sur 47 000.

Pourquoi le cadrage compte

Il s’agit d’un fournisseur qui s’évalue lui-même, en utilisant un modèle qu’il a construit pour noter le travail, et en publiant le résultat quelques jours après que son propre PDG a plaidé publiquement pour un ralentissement du développement de l’IA à l’échelle de l’industrie. Anthropic présente l’indice comme un modèle que tout laboratoire de pointe pourrait adopter, et non comme un benchmark sectoriel audité. Les acheteurs évaluant les arguments marketing d’automatisation par l’IA de n’importe quel fournisseur devraient exiger les mêmes éléments qu’Anthropic a divulgués ici — méthode, échantillon et réserves sur l’évaluation — plutôt que d’accepter un pourcentage mis en avant isolément.

Sources : Anthropic Institute, Unite.AI.