Un rapport publié par l'organisation de recherche en sécurité des IA METR, à la suite d'une enquête de 11 semaines au sein d'Anthropic, met en avant une accélération marquée du développement de ses modèles. D'après le document, l'entreprise aurait accompli l'équivalent de deux ans de progrès historiques au cours des douze derniers mois. METR indique être certain que cette accélération n'est pas uniquement liée à une augmentation de la puissance de calcul d'entraînement, mais découle majoritairement de l'utilisation des IA par les chercheurs eux-mêmes.
Lors de sondages internes sur Slack et d'entretiens menés par METR, les employés d'Anthropic utilisant le modèle interne le plus avancé ont déclaré être environ 12 fois plus productifs que sans assistance IA. À titre de comparaison, le gain de productivité rapporté quelques mois plus tôt avec le modèle Mythos 5 s'élevait à un facteur 6. METR précise que si l'accélération provient pour l'instant d'une assistance aux chercheurs humains, certains éléments indiquent que les contributions pleinement autonomes de l'IA pourraient jouer un rôle plus important à l'avenir.
Des modèles internes gardés secrets et une censure contestée
L'étude révèle qu'Anthropic a terminé l'entraînement de trois modèles internes non publiés au cours des six derniers mois : Model 2 (achevé en juillet), Model 3 (achevé en août-septembre) et Model 4 (achevé en septembre-octobre). Le rapport cite également un modèle non divulgué datant de 2022, nommé Unreleased 2022.
Cependant, la portée des conclusions reste difficile à vérifier de manière indépendante. Anthropic a fait valoir son droit de caviarder une grande partie des preuves contenues dans le rapport initial de 100 pages avant sa publication. Sur X, le cofondateur d'Anthropic, Sam McCandlish, a reconnu ces suppressions massives, les justifiant par le secret commercial et par le risque de fournir une feuille de route permettant à des concurrents d'accélérer à leur tour.
Notre lecture
Ce rapport apporte une confirmation concrète d'un phénomène souvent théorisé : l'utilisation d'IA pour concevoir des modèles plus performants. Bien que ces travaux restent encadrés par des ingénieurs humains, le doublement de la vitesse de recherche pose la question de la transparence des laboratoires face au rythme d'avancement de leurs technologies.