Anthropic affirme que Claude prend une part croissante dans son propre développement IA

Anthropic a publié l’un des aperçus les plus concrets à ce jour sur la manière dont un laboratoire d’IA de frontière utilise l’IA pour développer de nouvelles IA. Dans un article de recherche et un jeu de données, l’entreprise explique que Claude est désormais profondément intégré à ses flux internes de recherche et développement, où il aide au codage, à la conception d’expériences, à l’analyse et aux tâches d’ingénierie courantes, tout en restant dirigé par des humains.

Le chiffre principal est marquant car il donne une mesure précise à une tendance souvent évoquée de façon vague. Anthropic indique que des systèmes d’IA ont collaboré à plus de 90 % des tâches de R&D mesurées, et que Claude en a dirigé environ 26 %. En mars, selon la même mesure, la part du travail dirigé par l’IA était d’environ 1 %. L’entreprise précise aussi qu’en août près de 30 000 agents fonctionnaient à tout moment sur sa plateforme interne Claude Code.

Ces données ne signifient pas que Claude conçoit seul la prochaine génération de modèles. Anthropic parle de collaboration, pas d’autonomie. Les employés humains définissent les objectifs, examinent les résultats et prennent les décisions importantes, tandis que les agents d’IA exécutent des parties d’implémentation, d’analyse et d’itération. Cette distinction est essentielle car le secteur cherche à savoir si l’IA utilisée pour développer l’IA peut accélérer fortement le progrès ou créer de nouveaux risques.

La société a également donné des informations sur les limites et la supervision. Sur plus d’un milliard de décisions d’IA dans son environnement interne de R&D, environ une décision sur 47 000 aurait été bloquée par des mécanismes de sécurité ou une intervention humaine. Un échantillon de juillet montre que 12 % des étapes de décision de Claude sur les systèmes internes étaient liées à la recherche en IA, et 6 % à des décisions de sécurité relatives au calcul. Ce n’est pas un audit externe complet, mais c’est une transparence rare.

La publication intervient alors que l’amélioration récursive passe de la théorie à la pratique quotidienne. Les agents de code écrivent déjà des tests, analysent des journaux, refactorisent l’infrastructure et évaluent des sorties de modèles. Dans un laboratoire frontière, de petits gains de productivité peuvent permettre davantage d’expériences, de meilleures données et des cycles d’évaluation plus rapides.

Pour l’industrie, la leçon est que l’usage de l’IA dans les laboratoires d’IA devient mesurable. Claude ne remplace pas les chercheurs d’Anthropic, mais il devient une partie de l’appareil de recherche. Productivité, contrôles de sécurité et auditabilité doivent donc être évalués ensemble, car les outils qui aident à construire l’IA font désormais partie du processus de développement de l’IA lui-même.