Anthropic a publié un ensemble de mesures internes destinées à donner au public, aux régulateurs et aux observateurs tiers une visibilité plus claire sur la vitesse à laquelle l'avancement de l'IA de pointe se poursuit — y compris la part des travaux de construction de nouveaux modèles désormais réalisée par l'IA elle-même.

La pièce maîtresse de cette publication est l'Indice d'automatisation de la R&D d'Anthropic, une métrique prototype qui répertorie chaque type de tâche de recherche et développement en IA au sein de l'entreprise et évalue chacune sur une échelle d'automatisation élaborée par Epoch AI. Cette échelle va de AL0, signifiant aucune implication de l'IA, à AL5, signifiant un fonctionnement pleinement autonome sans intervention humaine. Dans ce cadre, AL3 désigne les tâches où l'IA collabore sous une direction humaine étroite, tandis que AL4 couvre les tâches que l'IA réalise de bout en bout à partir d'une instruction de haut niveau avec supervision humaine. C'est la distance entre ces niveaux et AL5 qui confère son importance à l'indice : il mesure, tâche par tâche, à quelle distance l'opération de R&D de l'entreprise se trouve du point où l'IA pourrait mener les travaux sans aucune intervention humaine.

En août 2026, Claude ne fonctionne de manière pleinement autonome dans aucun domaine mesuré de la R&D en IA. Cela dit, l'IA pilote environ 26 % des travaux de R&D d'Anthropic, et plus de 90 % des tâches se situent au niveau de collaboration entre l'IA et les humains ou au-dessus. Anthropic présente ces chiffres comme un moyen de mesurer la proximité de l'industrie avec l'auto-amélioration récursive — un scénario dans lequel un modèle construit de manière autonome son propre successeur — et note que ces chiffres évolueraient probablement dans le cadre de tout effort coordonné visant à ralentir le développement de l'IA de pointe. Présentés ainsi, ces chiffres transforment une préoccupation abstraite en une base de référence déclarée et reproductible à partir de laquelle les divulgations futures pourront être mesurées.

L'entreprise a annoncé cette divulgation dans une publication sur X :

AI systems are getting more powerful, and they're increasingly being used to build the next of themselves. We want to illuminate that progress for the public. Today, we're sharing three measurements that help track development: 1. How much AI R&D is done by AI. 2. How…

— Anthropic (@AnthropicAI) September 17, 2026

Ensemble, ces mesures couvrent la part de la R&D en IA réalisée par l'IA, la manière dont les agents d'IA sont supervisés en pratique et l'allocation du calcul entre les différents travaux de l'entreprise.

L'entreprise a accompagné l'indice de nouvelles données sur la supervision des agents d'IA. Environ 30 000 agents menaient des travaux de recherche et d'ingénierie sur la plateforme interne la plus utilisée d'Anthropic, et chacune de leurs actions passe par des moniteurs en ligne en temps réel avant exécution, ainsi que par des moniteurs hors ligne qui examinent l'activité après coup. Sur plus d'un milliard de décisions d'agents analysées en août, environ 0,002 % — soit environ une sur 47 000 — ont été bloquées. Les moniteurs hors ligne signalent un à deux transcripts pour mille, avec environ 100 000 transcripts signalés chaque semaine et seulement une cinquantaine escaladés vers un examen humain. Ces chiffres décrivent un entonnoir de supervision qui se resserre — de plus d'un milliard de décisions analysées en août à environ 100 000 transcripts signalés chaque semaine et une cinquantaine escaladés pour examen humain — montrant comment le filtrage automatisé se superpose au jugement humain à mesure que les agents se voient confier de véritables travaux de recherche et d'ingénierie.

L'allocation de calcul s'affirme comme un levier de rythme vérifiable

La troisième mesure porte sur le calcul, l'un des intrants les plus vérifiables du développement de l'IA et donc un levier potentiel pour tout futur régime de rythme à l'échelle de l'industrie. Sur un instantané d'une semaine de l'utilisation totale de calcul d'Anthropic, environ 6 % du calcul dédié à la R&D en IA est allé aux travaux de sécurité ; dans la seule R&D pilotée par l'IA, ce chiffre atteignait environ 12 %. L'entreprise décrit ces estimations comme délibérément prudentes, soulignant que le calcul est un indicateur imparfait de l'investissement en sécurité, une grande partie de la recherche en sécurité étant intensive en conception plutôt qu'en calcul. Ces pourcentages constituent également le type de chiffres concrets et dénombrables que des tiers — ou un futur accord de rythme — pourraient suivre dans le temps.

Anthropic présente cette publication comme complémentaire de ses rapports de risques de la Responsible Scaling Policy et de sa proposition de politique Advanced AI Framework, qui décrit les obligations de transparence que les gouvernements pourraient imposer aux laboratoires. L'entreprise a également annoncé son intention d'intégrer en son sein des évaluateurs tiers indépendants issus de plusieurs organisations, en leur accordant un accès aux systèmes et données internes comparable à celui dont bénéficient ses propres équipes d'évaluation des risques.

La comparaison entre laboratoires demeure un défi. Anthropic reconnaît qu'il n'existe aucune méthodologie partagée pour mesurer l'automatisation et que l'utilisation de ses propres modèles pour évaluer ses systèmes crée des angles morts potentiels. Elle pointe vers la vérification par des tiers, ou l'évaluation par les modèles d'autres développeurs avec des garanties pour les informations commercialement sensibles, comme voie vers des rapports standardisés sur lesquels gouvernements et public pourraient s'appuyer. En l'absence d'une telle méthodologie, un chiffre comme le taux d'automatisation de 26 % n'a aucun équivalent convenu chez les autres développeurs — ce qui fait de l'intégration prévue d'évaluateurs indépendants, et de toute évolution vers des normes de mesure communes, les marqueurs concrets de la capacité de cet effort de transparence à s'étendre au-delà d'un seul laboratoire.

Source : Metaverse Post