METR a passé 11 semaines chez Anthropic. Le chiffre est 1.9, et l'essentiel des preuves est masqué.

METR a publié ce mois-ci une évaluation indépendante de la question de savoir si l'IA accélère la recherche en IA, sur la base de onze semaines d'un accès inhabituel à l'intérieur d'Anthropic. L'estimation principale est que la progression mesurée des capacités d'Anthropic s'est déroulée à environ 1.9 fois son rythme antérieur depuis un point de rupture en octobre 2025, avec un intervalle de confiance à 95 pour cent de 1.5 à 2.8.
En termes d'indice : environ 15 points AECI par an avant, environ 29 après. Deux ans de progrès historique compressés en un an. METR compare l'ampleur au saut de Claude 2.1 à Sonnet 4.5.
Le deuxième constat marquant est qu'environ 80 pour cent de l'accélération est attribuable à l'IA utilisée dans la recherche d'Anthropic elle-même. Le troisième est qu'Anthropic a masqué la majorité des preuves que METR jugeait les plus informatives.
Ces trois phrases doivent être lues ensemble, et presque personne ne les lit ensemble.
À quoi ressemblait l'accès
Du 12 août au 29 octobre, une équipe d'environ deux personnes et demie à temps plein a eu accès aux métriques de pré-entraînement et de RL, aux chiffres de calcul d'entraînement, aux scores de benchmarks internes de modèles non publiés, aux analyses d'accélération internes, aux prévisions de modèles, ainsi qu'à une quinzaine d'entretiens avec des chercheurs d'Anthropic et à des enquêtes auprès du personnel. METR n'a reçu aucun argent de l'entreprise et a travaillé sur des appareils Anthropic pour des raisons de sécurité.
L'analyse portait sur trois modèles non publiés dont l'entraînement s'est achevé entre juillet et octobre 2026. C'est ce qui la distingue de toutes les évaluations externes précédentes, qui ne pouvaient examiner que des modèles livrés et des benchmarks publics.
METR formule aussi un constat négatif qui compte autant que le positif : il est convaincu que l'accélération ne s'explique pas par une croissance plus rapide du calcul d'entraînement. Quelque chose dans la façon dont le travail se fait a changé, au-delà de la quantité de matériel mobilisée.
Les 80 pour cent sont un jugement, pas une mesure
Aucun instrument ne lit « quelle part de cette accélération vient de l'IA ». METR a combiné trajectoires de benchmarks, métriques d'entraînement, entretiens et enquêtes, et abouti à une estimation d'attribution.
Le matériel d'entretien est la partie la plus concrète. Un chercheur a déclaré à METR que le travail n'est « plus limité que par les idées et le calcul, plus par le code ». D'autres ont rapporté que des expériences qui demandaient un à deux jours de mise en place sont désormais quasi gratuites. Dans des sondages Slack informels d'octobre 2026, le personnel a estimé que le dernier modèle interne les rendait environ douze fois plus productifs. À titre de comparaison, la même mesure tournait autour de 1.2 fois avec Claude 3.7 Sonnet.
METR qualifie ces auto-évaluations de preuves très lâches, non représentatives, et susceptibles de surestimer le gain réel. Douze fois, c'est le genre de chiffre qu'on rapporte quand une tâche autrefois pénible cesse de l'être, et il ne résiste pas à un chronomètre.
L'état honnête de l'affirmation est donc : une large part, probablement la majeure partie, vraisemblablement 80 pour cent, d'une accélération de 1.9 fois remonte à l'assistance de l'IA. Chaque mot de cette phrase fait un travail.
Le seuil a un chiffre, et c'est le problème
La Responsible Scaling Policy d'Anthropic, version 3.4, est entrée en vigueur le 8 juillet 2026. Elle nomme deux déclencheurs liés à la recherche automatisée : un système d'IA capable de remplacer le personnel de recherche de l'entreprise à un coût compétitif, ou un doublement du rythme des progrès plausiblement attribuable en grande partie à l'automatisation de la recherche ou de l'ingénierie. La politique définit un doublement comme la réalisation en un an des progrès qui auraient autrement pris deux ans.
Une politique qui spécifie un facteur deux crée une question évidente quand un auditeur rapporte 1.97. Le rapport public d'Anthropic d'août 2026 indiquait que l'accélération était « inférieure à un facteur 2 ». Sa propre version interne non masquée implique 1.97, selon les articles sur cette évaluation. L'entreprise a décrit le franchissement du seuil comme plausible. Dans un dépôt du 2 novembre auprès de la Securities and Exchange Commission américaine, elle a déclaré qu'elle « pourrait satisfaire sous peu » sa propre définition d'un progrès dramatiquement accéléré.
METR a jugé séparément plausible que le seuil d'alerte précoce ait déjà été franchi au 15 juillet.
Relisez cette séquence, parce qu'elle est étrange. Une entreprise a écrit une règle avec un chiffre dedans. Un auditeur externe, avec un accès interne, a estimé une valeur juste en dessous du chiffre. L'entreprise a ensuite dit aux régulateurs qu'elle pourrait être sur le point de franchir le chiffre. Personne n'a dit que le seuil avait été franchi.
Ce n'est pas nécessairement une esquive. Anthropic qualifie le seuil d'alerte précoce plutôt que de preuve qu'un risque grave est arrivé, et dit ne pas encore être au développement entièrement autonome de ses successeurs. Un seuil de politique qui se déclenche est censé activer des garde-fous, et la question de savoir lesquels est une vraie question, à laquelle un communiqué ne peut pas répondre.
Mais cela signifie bien que le mécanisme produit actuellement des déclarations plutôt que des actions, et que ces déclarations sont soigneusement assorties de réserves.
Les caviardages sont l'histoire
METR affirme qu'Anthropic a retenu la majorité du matériel que les évaluateurs jugeaient le plus informatif, y compris les prévisions de modèles futurs et l'analyse des goulots d'étranglement. Une partie prévue de l'audit, portant sur la répartition du calcul entre recherche sur les capacités et recherche sur la sûreté, a été annulée en cours de route.
La conséquence est précise. Le public ne peut pas vérifier l'estimation. Le chiffre de 1.9 dépend de la sélection des benchmarks, de l'emplacement du point de rupture et d'hypothèses sur la difficulté des tâches. L'analyse de sensibilité de METR fait varier l'estimation entre 1.1 et 2.9 fois selon ces hypothèses.
Et il y a un second chiffre qui retient moins l'attention. Quand METR a comparé Anthropic aux modèles de frontière de tous les développeurs plutôt qu'à l'histoire d'Anthropic elle-même, le rythme estimé est passé d'environ 17 à 24 points par an, soit 1.4 fois. METR suggère que l'écart pourrait refléter un rattrapage d'Anthropic depuis l'arrière de la frontière, ou des différences dans la façon dont les modèles antérieurs étaient ajustés aux benchmarks.
1.9 pour une entreprise. 1.4 pour le domaine. Les deux sont des accélérations. Une seule est proche de déclencher une politique écrite autour d'un facteur deux.
Ce qui rendrait cela vérifiable
La réponse honnête est que rien dans le matériel publié ne permet à un outsider de reproduire l'analyse, et que c'est une caractéristique structurelle de l'évaluation d'une entreprise privée, non un défaut du travail de METR.
Ce qui pourrait changer cela : publier la composition et les pondérations du benchmark AECI, pour que l'indice signifie quelque chose hors du bâtiment. Diffuser la méthodologie du point de rupture. Laisser un second évaluateur voir le matériel masqué aux mêmes conditions. Et séparer les deux questions aujourd'hui fusionnées, à savoir si les progrès ont accéléré et si l'IA en est la cause. La première est mesurable. La seconde est une inférence.
Il y a aussi une question que METR soulève et ne tranche pas. Il n'a trouvé aucun goulot d'étranglement qui ralentirait le rythme sur les douze prochains mois, ce qui signifie qu'une accélération supplémentaire est un risque réel plutôt qu'une question réglée. Si le rythme actuel tient et que la composition continue, le facteur deux cesse d'être un seuil et devient une description.
Pour quiconque hors des laboratoires, la conclusion pratique est plus étroite que ne le suggèrent les titres. L'IA est actuellement un accélérateur pour les chercheurs humains. Elle ne fait pas de recherche autonome. L'écart entre ces deux affirmations est l'endroit où vit réellement tout le débat politique, et le rapport de METR, caviardages compris, est la description la plus précise de cet écart que quiconque ait publiée.
Articles associés
Une feuille de calcul communautaire de clics pour couper les publicités des Android chinois
Il ne touche pas au système, ne déverrouille rien, ne flashe rien. Il bascule un à un les interrupteurs que les fabricants ont déjà prévus. Le prix à payer, c'est la liste qu'il faut continuer d'écrire.
GPT Image 2.6 a tenu le prix des tokens et fait monter la facture
GPT Image 2.6 reprend chaque tarif au token de 2.5 et coûte malgré tout plus cher par image, parce qu'une part plus grande du travail se paie en tokens de sortie. Onze jours après le lancement, la grille tarifaire dit plus que le classement.
Quelqu'un a reconstruit IDM de l'extérieur et a écrit ce qu'il n'a pas touché
Une réimplémentation en Rust d'Internet Download Manager revendique 5 fois la vitesse et 86 langues. Le document le plus intéressant est le paragraphe qui explique comment elle a été construite sans rien copier.
Rune est un framework UI Rust conçu pour qu'un agent puisse vérifier son propre travail
Rune rend en headless, vide son arbre d'éléments et accepte des entrées scriptées, ce qui donne à un agent de codage un signal différable qu'aucune capture d'écran ne fournit. Le framework est en préversion et n'accepte pas de pull requests.