Nous avons pris l’habitude de penser que les humains construisent les intelligences artificielles. Chez Anthropic, cette frontière commence pourtant à devenir beaucoup moins nette. L’entreprise révèle que Claude « dirige » désormais 26 % du travail nécessaire au développement de ses futurs modèles et intervient dans plus de 90 % de ses activités de recherche sur l’IA. Nous ne sommes pas encore face à une intelligence artificielle capable de créer seule son successeur. Mais pour la première fois, Anthropic commence à mesurer publiquement la distance qui nous en sépare.
La formulation pourrait facilement faire penser à un scénario de science-fiction.
Claude construit Claude.
Une intelligence artificielle travaille sur la prochaine génération d’intelligence artificielle.
Et si l’on poussait cette logique suffisamment loin, un modèle pourrait théoriquement contribuer à créer un modèle encore plus capable… qui aiderait ensuite à développer le suivant.
C’est précisément ce phénomène qu’Anthropic appelle l’amélioration récursive de l’intelligence artificielle, ou recursive self-improvement.
Mais avant de sortir Terminator du placard, il faut regarder ce qu’Anthropic vient réellement de publier.
Claude dirige déjà 26 % de la R&D d’Anthropic sur ses futurs modèles
Anthropic vient de publier un nouvel indicateur baptisé Anthropic R&D Automation Index.
Son objectif est simple :
mesurer quelle part du travail nécessaire à la création des futures intelligences artificielles est désormais effectuée par une intelligence artificielle.
Et les premiers chiffres sont particulièrement intéressants.
En août 2026 :
- Claude « dirige » 26 % du travail de R&D d’Anthropic sur les modèles ;
- plus de 90 % du travail atteint au minimum le niveau de collaboration humain-IA ;
- aucune catégorie mesurée n’est encore réalisée de manière totalement autonome.
Quelques mois auparavant, la situation était complètement différente.
En février, moins de 1 % du travail mesuré atteignait le niveau où Claude pouvait véritablement prendre la tête d’une tâche.
La progression en quelques mois est donc spectaculaire.
Mais que signifie exactement « Claude dirige une tâche » ?
C’est une nuance essentielle.
Anthropic utilise une échelle proposée par l’organisation de recherche Epoch AI pour mesurer le niveau d’automatisation.
Elle comporte six niveaux allant de :
AL0 : aucune intervention de l’IA
jusqu’à :
AL5 : l’intelligence artificielle effectue entièrement la tâche sans humain dans la boucle.
Entre les deux, plusieurs niveaux décrivent différents degrés de collaboration.
Au niveau « collaborates »
L’IA peut réaliser d’importantes portions du travail, mais reste étroitement dirigée par un humain.
Au niveau « leads »
L’humain donne essentiellement un objectif général.
L’agent IA est ensuite capable de réaliser la majorité de la tâche de bout en bout, tandis que l’humain supervise le résultat et intervient lorsque cela est nécessaire.
C’est ce deuxième niveau que Claude atteint aujourd’hui pour environ 26 % des activités de R&D mesurées.
Claude n’est donc pas seul dans un laboratoire numérique en train d’inventer son successeur. Mais pour certaines tâches, les chercheurs peuvent déjà lui dire ce qu’ils veulent obtenir puis le laisser effectuer l’essentiel du travail.
Plus de 90 % de la recherche implique déjà Claude
Le chiffre de 26 % est spectaculaire.
Mais celui des 90 % est peut-être encore plus révélateur.
Anthropic affirme que plus de 90 % de sa R&D sur les modèles se situe aujourd’hui au niveau « collaboration » ou supérieur.
Autrement dit, Claude est devenu un outil presque omniprésent dans le travail effectué pour développer les futures générations d’IA de l’entreprise.
Il peut notamment participer à :
- l’écriture et l’analyse de code ;
- la création d’expériences ;
- l’exécution de tests ;
- l’analyse des résultats ;
- la recherche de bugs ;
- la construction d’outils internes ;
- les évaluations de modèles ;
- certaines recherches en sécurité ;
- ou encore l’exploration de nouvelles pistes expérimentales.
Dans de nombreux cas, l’humain conserve l’idée ou l’objectif général.
Claude prend ensuite en charge une partie croissante de l’implémentation.
30 000 agents IA peuvent travailler simultanément chez Anthropic
Un autre chiffre publié par Anthropic permet de comprendre l’échelle à laquelle l’entreprise utilise désormais les agents.
En août 2026, environ 30 000 agents étaient actifs simultanément sur la plateforme interne de recherche et d’ingénierie la plus utilisée chez Anthropic.
Ce chiffre ne signifie pas qu’Anthropic emploie 30 000 versions indépendantes de Claude comme s’il s’agissait de 30 000 salariés.
Ces agents peuvent être lancés pour effectuer des tâches, des sous-tâches ou des expérimentations en parallèle.
Un agent peut également déléguer du travail à d’autres agents.
Le résultat commence donc à ressembler à une immense équipe de travailleurs numériques capables d’opérer simultanément.
Et c’est précisément ce qui peut accélérer considérablement la recherche.
Un chercheur peut désormais lancer des dizaines d’expériences en parallèle
Imaginez qu’un chercheur souhaite tester vingt variantes d’une même idée.
Traditionnellement, il faudrait :
- préparer chaque expérience ;
- écrire ou modifier le code ;
- lancer les tests ;
- attendre les résultats ;
- les analyser ;
- puis décider de la prochaine étape.
Des agents IA peuvent effectuer une grande partie de ces opérations en parallèle.
Le chercheur devient alors davantage responsable de la direction générale de la recherche que de chaque opération technique intermédiaire.
Anthropic résume aujourd’hui la situation de manière assez parlante :
les humains ont encore les idées, mais les modèles deviennent capables de les implémenter, les tester et les évaluer beaucoup plus rapidement.
Les ingénieurs d’Anthropic produiraient huit fois plus de code
Anthropic donne également un autre indicateur de cette accélération.
Selon l’entreprise, ses ingénieurs produisent aujourd’hui en moyenne environ huit fois plus de code par trimestre qu’ils n’en produisaient en moyenne entre 2021 et 2025.
Évidemment, produire davantage de code ne signifie pas automatiquement produire huit fois plus d’innovation.
Mais cela montre à quel point la nature du travail des développeurs est en train d’évoluer.
Une partie croissante de leur activité consiste désormais à :
- définir une tâche ;
- donner du contexte à l’agent ;
- contrôler ce qu’il produit ;
- corriger sa direction ;
- et valider le résultat.
Le développeur écrit donc moins nécessairement chaque ligne lui-même.
Il orchestre davantage le travail effectué par les agents.
Claude a déjà mené une véritable expérience de recherche presque de bout en bout
Anthropic avait déjà donné un aperçu de cette évolution en avril 2026.
Des agents Claude avaient reçu un problème ouvert de recherche en sécurité de l’IA.
La question portait sur un problème complexe : comment un modèle relativement faible peut-il superviser correctement un modèle beaucoup plus puissant ?
Les agents devaient :
- formuler des hypothèses ;
- concevoir leurs expériences ;
- les exécuter ;
- analyser les résultats ;
- partager leurs découvertes avec d’autres agents ;
- puis modifier leurs expériences en conséquence.
Deux chercheurs humains avaient également travaillé sur le même problème pendant environ une semaine.
Selon Anthropic, les humains avaient récupéré environ 23 % de l’écart de performance utilisé pour mesurer l’expérience.
Les agents ont atteint environ 97 % après quelque 800 heures cumulées de calcul agentique.
L’expérience aurait coûté environ 18 000 dollars de calcul.
97 % contre 23 % ? Il faut tout de même fortement relativiser
Ce résultat paraît spectaculaire, mais Anthropic lui-même souligne plusieurs limites importantes.
Les humains avaient notamment :
- choisi le problème ;
- défini l’objectif ;
- créé le système permettant de noter les résultats.
Les résultats obtenus par les agents ne se transféraient pas non plus parfaitement aux modèles utilisés à l’échelle de production.
Il serait donc incorrect d’en conclure que Claude est désormais quatre fois meilleur qu’un chercheur en intelligence artificielle.
Cette expérience démontre surtout autre chose :
lorsqu’un problème peut être clairement défini et mesuré, des agents peuvent explorer énormément de pistes beaucoup plus rapidement qu’une petite équipe humaine.
Et si Claude améliorait ensuite le Claude qui l’a créé ?
C’est ici qu’apparaît le concept le plus fascinant de toute cette histoire.
L’amélioration récursive.
Le principe peut être résumé ainsi :
- Claude A aide les chercheurs à construire Claude B ;
- Claude B est plus performant que Claude A ;
- Claude B aide alors à développer Claude C ;
- Claude C devient à son tour encore meilleur en recherche ;
- et le cycle recommence.
Chaque génération pourrait donc potentiellement accélérer le développement de la génération suivante.
Dans le scénario le plus extrême, ce processus pourrait créer une boucle d’amélioration de plus en plus rapide.
C’est ce que les chercheurs appellent parfois une explosion d’intelligence.
Anthropic affirme clairement que nous n’en sommes pas encore là
C’est probablement la phrase la plus importante de l’article.
Claude n’est actuellement totalement autonome dans aucune des catégories de R&D mesurées par Anthropic.
La société écrit elle-même que l’amélioration récursive complète n’est pas encore arrivée.
Et qu’elle n’est pas nécessairement inévitable.
Les chercheurs humains restent indispensables pour :
- choisir certaines directions de recherche ;
- définir les objectifs ;
- créer les systèmes d’évaluation ;
- interpréter les résultats ;
- prendre des décisions stratégiques ;
- et contrôler les agents.
Mais Anthropic estime que la tendance mérite désormais d’être suivie très sérieusement.
Pourquoi Anthropic publie-t-il ces chiffres maintenant ?
Parce que l’entreprise estime que les gouvernements et le public disposent actuellement de très peu de visibilité sur ce qui se passe à l’intérieur des laboratoires d’IA les plus avancés.
Lorsqu’une nouvelle version de Claude, GPT ou Gemini apparaît, nous pouvons observer ses performances.
Mais nous savons beaucoup moins comment elle a été construite.
Anthropic propose donc de suivre trois grandes catégories d’indicateurs :
- la quantité de R&D sur l’IA réalisée par l’IA elle-même ;
- la capacité des humains à surveiller les agents ;
- les ressources informatiques utilisées pour développer les nouveaux modèles.
L’objectif est de détecter suffisamment tôt une éventuelle accélération brutale du développement.
La courbe est particulièrement rapide
Anthropic souligne également une autre tendance.
La durée des tâches qu’un agent peut accomplir de manière fiable aurait progressé extrêmement rapidement ces dernières années.
En mars 2024, Claude Opus 3 pouvait typiquement accomplir certaines tâches logicielles correspondant à environ quatre minutes de travail humain.
Un an plus tard, Sonnet 3.7 atteignait environ une heure et demie.
Puis Opus 4.6 est arrivé à des tâches estimées autour de 12 heures de travail humain.
Selon les tendances étudiées par les chercheurs, la durée maximale des tâches fiables effectuées par les agents doublerait désormais environ tous les quatre mois.
Une simple extrapolation ne garantit évidemment pas que cette progression continuera.
Mais si elle persistait, des tâches nécessitant aujourd’hui plusieurs jours de travail humain pourraient rapidement devenir accessibles aux agents.
30 000 agents nécessitent aussi énormément de surveillance
Plus Anthropic automatise sa recherche, plus une nouvelle question devient importante :
comment surveiller des dizaines de milliers d’agents qui travaillent simultanément ?
L’entreprise explique avoir construit deux niveaux de contrôle.
Des contrôles en temps réel
Chaque action réalisée par les agents utilisant la plateforme interne étudiée passe par un système de surveillance avant d’être exécutée.
Ce système peut :
- autoriser l’action ;
- rediriger l’agent ;
- ou bloquer l’action si elle semble dangereuse.
Des analyses après coup
Un deuxième système analyse également les activités après leur exécution pour chercher des comportements suspects qui seraient difficiles à détecter en temps réel.
Anthropic affirme que la totalité des actions des agents de cette plateforme passe par ces deux formes de surveillance.
Environ une décision sur 47 000 est bloquée
Anthropic a analysé plus d’un milliard de décisions réalisées par ses agents de recherche et d’ingénierie durant le mois d’août.
Environ 0,002 % de ces décisions ont été bloquées par le système de surveillance en temps réel.
Soit approximativement :
une décision sur 47 000.
Ce chiffre peut être interprété de deux manières.
Il indique que l’immense majorité des actions ne déclenchent pas les protections.
Mais lorsqu’on fait fonctionner des dizaines de milliers d’agents et que l’on atteint des milliards d’actions, même un événement extrêmement rare peut finir par se produire régulièrement.
100 000 conversations sont signalées chaque semaine
Les systèmes de surveillance fonctionnant après l’exécution signalent également environ 100 000 transcriptions par semaine pour une analyse supplémentaire.
La majorité est ensuite éliminée automatiquement comme faux positif ou cas sans importance.
Environ 50 dossiers prioritaires par semaine sont finalement transmis à des humains pour examen approfondi.
C’est un exemple particulièrement concret du nouveau problème créé par les agents IA :
nous ne devons plus seulement surveiller leurs réponses.
Nous devons surveiller leurs actions.
Anthropic reconnaît également une faiblesse dans ses propres mesures
Il y a un détail méthodologique particulièrement intéressant.
Pour mesurer à quel point Claude automatise le travail… Anthropic utilise en partie Claude.
Des agents analysent les tâches réalisées dans l’entreprise, les classent et évaluent leur niveau d’automatisation.
Un autre Claude joue ensuite le rôle de juge.
Anthropic reconnaît le problème potentiel :
si le modèle qui évalue fait les mêmes erreurs que le modèle évalué, certaines faiblesses peuvent passer inaperçues.
La société a donc demandé à des employés de réaliser leurs propres évaluations afin de comparer les résultats.
Selon Anthropic, les évaluations du modèle et celles des humains se situaient à un niveau d’automatisation d’écart ou moins dans 97 % des cas.
Mais l’entreprise souhaite désormais aller plus loin.
Des organisations indépendantes vont entrer directement chez Anthropic
Anthropic prévoit d’intégrer des évaluateurs tiers indépendants au sein de l’entreprise.
Ils doivent obtenir un accès comparable à celui des équipes internes chargées d’évaluer les risques.
Leur rôle sera notamment de :
- vérifier les pratiques de sécurité ;
- contrôler certaines métriques ;
- examiner les incidents ;
- et apporter un regard extérieur sur les systèmes d’Anthropic.
L’entreprise cite notamment ses collaborations passées avec METR, une organisation spécialisée dans l’évaluation des capacités des modèles avancés.
Anthropic veut que ses concurrents publient les mêmes chiffres
La proposition dépasse d’ailleurs Anthropic.
L’entreprise souhaite que les principaux laboratoires publient régulièrement des indicateurs similaires.
Cela permettrait de comparer :
- OpenAI ;
- Anthropic ;
- Google DeepMind ;
- Meta ;
- xAI ;
- et potentiellement les grands laboratoires chinois.
Nous pourrions alors savoir non seulement quel modèle est le plus performant, mais également à quelle vitesse chaque entreprise automatise la création de son prochain modèle.
Cette automatisation pourrait aussi rendre l’IA plus sûre
Le phénomène n’a pas uniquement un côté inquiétant.
Une IA capable d’accélérer la recherche en intelligence artificielle peut également accélérer la recherche en sécurité.
Des agents peuvent :
- tester davantage de scénarios ;
- chercher des comportements problématiques ;
- analyser des millions de conversations ;
- générer des tests supplémentaires ;
- identifier des vulnérabilités ;
- et aider les chercheurs à construire de meilleures protections.
Anthropic considère d’ailleurs cet argument comme l’un des avantages majeurs de l’automatisation.
La question devient alors de savoir si la sécurité progressera aussi vite que les capacités.
Le paradoxe est évident
Plus Claude devient performant en recherche sur l’IA, plus Anthropic peut utiliser Claude pour améliorer Claude.
Mais plus ce processus fonctionne, plus la prochaine version devient performante.
Et plus cette nouvelle version pourra ensuite accélérer la génération suivante.
C’est précisément cette boucle qui intrigue autant les chercheurs.
Personne ne sait aujourd’hui si elle produira une accélération progressive, un plateau ou une véritable explosion de capacités.
Mais Anthropic estime visiblement que le phénomène est devenu suffisamment concret pour mériter d’être mesuré publiquement.
Nous ne sommes pas encore face à une IA qui se construit seule
Le titre de cet article peut sembler spectaculaire.
Mais la situation actuelle mérite d’être décrite précisément.
Claude contribue massivement au développement des futures versions de Claude.
En revanche :
- il ne choisit pas seul toute la direction de recherche ;
- il ne contrôle pas seul ses propres objectifs ;
- il ne crée pas seul l’intégralité du nouveau modèle ;
- il ne décide pas seul de son déploiement ;
- et les humains restent dans la boucle.
Nous sommes donc encore très loin du scénario dans lequel une intelligence artificielle décide spontanément de fabriquer une version améliorée d’elle-même.
Mais la distance entre ce scénario théorique et la réalité commence, pour la première fois, à pouvoir être mesurée.
Et c’est peut-être cela qui est le plus important
Pendant des années, l’idée d’une intelligence artificielle participant à sa propre amélioration appartenait essentiellement aux discussions théoriques sur l’AGI et la superintelligence.
En 2026, le débat change de nature.
Claude écrit déjà du code pour Anthropic.
Claude exécute des expériences.
Claude analyse des résultats.
Claude supervise certains processus.
Claude aide les chercheurs à construire les outils qui permettront d’entraîner et d’évaluer les prochaines générations de Claude.
Et Anthropic mesure désormais publiquement quelle proportion de ce travail l’IA est capable de diriger elle-même.
Claude ne crée donc pas encore son successeur tout seul.
Mais il est déjà devenu l’un des outils les plus importants utilisés par les humains qui le construisent.
Et si la courbe publiée par Anthropic continue de monter aussi rapidement, la vraie question ne sera bientôt peut-être plus :
« Les intelligences artificielles participeront-elles un jour à leur propre développement ? »
mais plutôt :
« À quel moment les humains cesseront-ils d’être ceux qui réalisent la majorité du travail ? »
Sources
- Anthropic Institute — Measurements for understanding the pace of AI development inside frontier labs
- Anthropic Institute — When AI builds itself: progress toward recursive self-improvement
- Reuters — Anthropic says Claude now leads a quarter of work building its next AI models
- Associated Press — Anthropic says its model Claude is helping to build the next version of itself
- Anthropic — Claude Tag et l'utilisation interne de Claude dans les équipes
Article Hemyos — informations vérifiées le 18 septembre 2026. Les pourcentages publiés sont issus de l’Anthropic R&D Automation Index, une méthodologie expérimentale créée par Anthropic avec une échelle d’automatisation inspirée des travaux d’Epoch AI. Anthropic souligne qu’aucune catégorie de sa R&D mesurée n’est actuellement réalisée de manière totalement autonome par Claude.