L'IA commence à accélérer sa propre évolution : sommes-nous entrés dans une nouvelle phase ?

Onze semaines dans les coulisses d'Anthropic

La question n'est plus théorique. Si les systèmes d'IA commencent à accélérer significativement leur propre développement, des capacités extrêmes pourraient émerger plus vite que prévu. Jusqu'ici, personne de l'extérieur n'avait pu vérifier ce qui se passe réellement dans les laboratoires.

C'est précisément ce que METR (Model Evaluation & Threat Research), organisme à but non lucratif spécialisé dans l'évaluation des modèles frontière, vient de faire. Du 12 août au 29 octobre 2026, une équipe d'environ 2,5 équivalents temps plein a mené une évaluation à haut niveau d'accès au sein d'Anthropic : métriques de pré-entraînement et d'apprentissage par renforcement, compute d'entraînement, scores de benchmarks internes, analyses internes sur les gains de productivité dus à l'IA, et une quinzaine d'entretiens avec des chercheurs clés.

Le rapport public, publié le 5 novembre 2026, condense un document complet d'environ 100 pages. Trois questions guidaient les travaux : la croissance des capacités internes d'Anthropic a-t-elle accéléré ? Quelle part de cette accélération est attribuable à l'IA ? Existe-t-il des goulots d'étranglement capables de freiner la dynamique à court terme ?

Le contexte compte : Anthropic classe elle-même l'accélération de la R&D en IA comme un indicateur de risque clé dans sa Responsible Scaling Policy. Autrement dit, le labo reconnaît que ce scénario doit être surveillé. Cette évaluation est la première mesure indépendante de ce phénomène chez un acteur de frontière.

Le chiffre : deux ans de progrès en un an

La conclusion principale de METR est frappante : en octobre 2026, Anthropic améliorerait les capacités de ses modèles sur des tâches bien spécifiées environ deux fois plus vite qu'entre mars 2024 et octobre 2025.

L'estimation est donnée avec une incertitude élevée : METR indique qu'elle ne serait pas surprise si l'accélération réelle se situait plutôt entre 1,3x et 3x le rythme historique.

Le résultat mesuré le plus solide concerne les benchmarks. Les scores des modèles internes, mesurés via l'AECI (la version d'Anthropic de l'Epoch Capabilities Index), progressent depuis octobre 2025 environ 1,9 fois plus vite qu'auparavant, avec un intervalle de confiance à 95 % de 1,5 à 2,8. Concrètement : Anthropic aurait réalisé en un an l'équivalent de deux années de progrès historiques, soit l'écart qui séparait Claude 2.1 de Sonnet 4.5.

Les analyses de robustesse donnent des taux d'accélération compris entre 1,1x et 2,9x selon les choix méthodologiques. METR estime que l'accélération réelle mesurée par les benchmarks ne dépasse probablement pas 3x, mais serait surprise s'il n'y avait aucune accélération.

Point capital : l'accélération ne s'explique pas par une augmentation du rythme de croissance du compute d'entraînement. Historiquement, c'était le moteur principal des progrès. METR dit disposer de preuves convaincantes sur ce point, sans pouvoir en publier le détail.

Pourquoi l'IA est la suspecte principale

Si ce n'est pas le compute, qu'est-ce qui accélère ? METR a examiné les recrutements, les données, les découvertes algorithmiques et l'usage de l'IA elle-même.

Son estimation subjective : une majorité de l'accélération actuelle, peut-être environ 80 %, serait due à l'utilisation extensive de l'IA dans la R&D d'Anthropic. Un jugement présenté avec une incertitude substantielle, et la contribution de l'IA gagnerait en importance avec le temps. Les facteurs non liés à l'IA auraient joué un rôle important dans l'accélération de fin 2025.

Trois sources de preuves publiques étayent cette attribution :

Les entretiens. METR et Anthropic ont interrogé de nombreux chercheurs sur l'accélération de leur domaine attribuable à l'IA. Les estimations varient largement, mais se concentrent autour d'un facteur deux.

Les sondages internes. Des sondages informels sur Slack demandent aux employés d'estimer leur gain de productivité avec le modèle le plus récent. Les réponses atteignaient un facteur 12 en octobre 2026, en croissance régulière. METR prévient que ces auto-évaluations sont des preuves très fragiles.

La cadence de développement. Selon le rapport, Anthropic a terminé l'entraînement de trois modèles non publiés au cours des derniers mois de 2026, à un rythme d'environ un modèle majeur par mois ou deux.

Nuance essentielle : l'IA accélère la recherche en assistant les chercheurs, pas en les remplaçant. Elle n'est pas encore capable de contributions totalement autonomes et hautement significatives sur les parties les plus importantes de l'entraînement. Mais les chercheurs décrivent des « signes de vie » qui laissent penser que ces contributions autonomes pourraient arriver prochainement, avec une maturité très variable selon les domaines.

Ces travaux prolongent les mesures de METR sur l'autonomie : en mars 2025, l'organisme montrait que la durée des tâches logicielles que les agents peuvent accomplir doublait environ tous les sept mois.

Ce que ce rapport ne dit pas

La rigueur de METR s'apprécie aussi dans ses limites affichées.

D'abord, les caviardages. Anthropic disposait d'un droit de rédaction unilatéral sur toute information non publique et a retiré la majorité des preuves que METR jugeait les plus informatives, pour éviter de transmettre des informations confidentielles capables d'accélérer des concurrents. Les estimations détaillées d'accélération par étape du pipeline, la répartition des progrès entre compute, données et algorithmes, et les prévisions sur les modèles futurs restent confidentielles. Le public doit donc s'en remettre au jugement de METR bien plus que ne le voudrait l'organisme lui-même.

Ensuite, l'incertitude sur les causes. L'accélération pourrait être surestimée si des facteurs non liés à l'IA expliquent l'essentiel des progrès, si les modèles récents sur-apprennent les types de tâches de l'AECI, ou si le rythme historique d'Anthropic, inférieur à celui du reste de l'industrie avant fin 2025, servait de base de comparaison trop basse.

Enfin, l'horizon. METR n'a identifié aucun goulot d'étranglement significatif (progrès algorithmique, compute d'entraînement, compute d'expérimentation, données) susceptible de freiner la progression dans les douze prochains mois. Mais son analyse a changé plusieurs fois au fil de l'accès aux données, et l'organisme déclare ne pas être confiant dans cette évaluation. Autre retrait notable : la vérification de l'allocation du compute entre capacités et sécurité, prévue au contrat initial, a été annulée par Anthropic en cours de route.

Notre lecture

Sommes-nous entrés dans une nouvelle phase ? La réponse honnête : un cap de mesure est franchi, pas encore un cap d'autonomie.

Le rapport de METR constitue la première évidence indépendante, construite sur données internes, que l'IA accélère déjà de manière mesurable la production des prochaines IA. Ce n'est ni une démonstration d'emballement ni une preuve d'auto-amélioration récursive : les humains restent au centre du processus.

Le point de vigilance est mécanique. Si des modèles plus capables accélèrent encore la recherche qui produit les modèles suivants, l'accélération peut se composer. METR n'a trouvé ni goulot d'étranglement clair ni rendements fortement décroissants qui bloqueraient cette dynamique, tout en soulignant le caractère provisoire de ce constat.

Trois choses à surveiller : l'arrivée de contributions réellement autonomes dans l'entraînement des modèles, la réplication de ce type de mesure chez d'autres laboratoires, et la capacité des évaluateurs indépendants à conserver un accès suffisant quand les enjeux commerciaux poussent à la confidentialité.

La question n'est plus de savoir si l'IA accélère sa propre évolution. C'est de savoir qui pourra encore mesurer à quelle vitesse.