Une intelligence artificielle capable d’aider les ingénieurs à créer sa propre génération suivante, ça ressemble encore un peu à de la science-fiction.
Sauf que chez Anthropic, c’est déjà en train de se produire.
L’entreprise vient de dévoiler pour la première fois des chiffres sur l’utilisation de Claude dans ses propres activités de recherche. En août 2026, l’IA était capable de « diriger » environ 26 % du travail de recherche et développement consacré aux futurs modèles.
En février, ce chiffre était pratiquement de zéro.
Claude travaille directement sur les futurs modèles d’Anthropic
Il faut commencer par préciser ce qu’Anthropic entend par « diriger ».
Claude ne se réveille évidemment pas le matin en décidant tout seul de créer Claude 6.
Une tâche est considérée comme dirigée par l’IA lorsqu’un chercheur humain lui donne un objectif relativement général et que Claude peut ensuite réaliser la majeure partie du travail de bout en bout.
Les humains restent présents pour superviser, orienter et valider.
Mais même avec cette nuance, la progression est impressionnante.
En février 2026, moins de 1 % des tâches de R&D atteignaient ce niveau d’autonomie.
Six mois plus tard, on est autour de 26 %.
Claude participe à plus de 90 % du travail
Et ce n’est pas le seul chiffre intéressant.
Anthropic estime que Claude participe désormais, à différents niveaux, à plus de 90 % des tâches de recherche et développement étudiées.
Parfois l’IA se contente d’aider un chercheur.
Parfois elle écrit du code.
Dans d’autres situations, elle prend en charge une grande partie du problème.
Le développement des futurs modèles d’Anthropic est donc déjà devenu un travail réalisé en collaboration permanente entre humains et IA.
C’est probablement ça, le vrai changement.
On parle beaucoup des métiers que l’intelligence artificielle pourrait transformer. Mais les chercheurs qui construisent les IA sont eux-mêmes parmi les premiers à voir leur manière de travailler complètement changer.
Jusqu’à 30 000 agents IA peuvent travailler en parallèle
Anthropic utilise également énormément d’agents.
L’entreprise indique avoir observé jusqu’à environ 30 000 agents Claude actifs simultanément dans ses infrastructures internes pendant certaines périodes.
Ces agents peuvent réaliser différentes tâches en parallèle.
Un chercheur peut donc lancer plusieurs travaux, laisser les agents avancer puis revenir vérifier les résultats.
Pour du développement logiciel ou de la recherche, le gain potentiel est énorme.
Un humain travaille sur une tâche à la fois.
Des milliers d’agents peuvent explorer simultanément différentes pistes.
Est-ce que Claude s’améliore maintenant tout seul ?
Non.
Et cette distinction est vraiment importante.
Nous ne sommes pas encore face à une intelligence artificielle qui décide seule de modifier son propre code, construit une nouvelle version d’elle-même puis la déploie sans intervention humaine. ( Nous ne sommes pas encore arrivés à la Singularité technologique IA )
Anthropic précise justement que ses modèles ne développent pas encore leurs successeurs de manière autonome.
Les humains continuent de choisir les objectifs, de superviser le travail et de contrôler les infrastructures.
Mais vous allez me dire : si Claude fait déjà 26 % du travail presque de bout en bout, que se passe-t-il quand ce chiffre atteint 50 %, puis 80 % ?
C’est exactement la question qu’Anthropic veut commencer à mesurer.
Anthropic publie ces chiffres maintenant. Pourquoi ?
Parce qu’un phénomène pourrait accélérer très rapidement le développement de l’IA.
Un meilleur Claude aide les ingénieurs à construire le Claude suivant.
Le Claude suivant devient encore meilleur pour aider les ingénieurs.
Il accélère donc le développement de celui d’après.
Et ainsi de suite.
On parle parfois de boucle d’auto-amélioration, même si nous sommes encore loin d’un système totalement autonome.
Anthropic veut suivre cette progression avec de nouveaux indicateurs consacrés à l’automatisation de sa R&D.
C’est plutôt une bonne idée.
Parce que mesurer uniquement les performances des modèles sur des benchmarks ne suffit plus vraiment.
Savoir à quel point une IA est capable de participer à la fabrication des prochaines IA pourrait devenir l’un des indicateurs les plus importants des prochaines années.
Et passer de presque 0 à 26 % en seulement six mois montre déjà que ça bouge très vite.