METR mesure que l’IA accélère d’un facteur 2 la R&D d’Anthropic
Le 5 novembre 2026, l’organisme d’évaluation METR publie un audit de 11 semaines chez Anthropic et estime que ses modèles progressent désormais 1,9 fois plus vite qu’avant octobre 2025, une accélération surtout attribuée à l’usage de l’IA dans sa propre recherche. Pour les équipes qui pilotent ou évaluent l’IA, c’est la première preuve indépendante d’une boucle d’auto-amélioration à l’échelle d’un laboratoire de pointe.
5 novembre 2026. METR, l’organisme indépendant qui évalue les systèmes d’IA les plus avancés, publie un audit de la recherche et développement d’Anthropic. 12 août au 29 octobre 2026. La période de l’évaluation à accès élevé, menée dans les locaux du laboratoire. 1,9 fois. L’accélération mesurée du rythme de progression des modèles, avec un intervalle de confiance de 1,5 à 2,8 fois. Pourquoi c’est important : c’est la première preuve indépendante, chiffrée et sourcée, que l’IA accélère le développement de l’IA elle-même — une boucle que la profession redoutait et que personne n’avait encore mesurée à cette échelle.
Un audit à accès élevé, une conclusion prudente
METR a eu accès à des données internes qu’Anthropic ne montre jamais : métriques de pré-entraînement, apprentissage par renforcement, calcul d’entraînement par domaine, scores de benchmark des modèles internes, analyses de speedup par l’IA et prévisions de modèles futurs. Le rapport a été relu et caviardé par Anthropic avant publication.
Le résultat est un exercice d’honnêteté rare. METR affirme que l’accélération est réelle, mais admet une incertitude forte : il ne serait pas surpris que la vraie valeur soit plus proche de 1,3 fois ou de 3 fois. Et il signale que la majorité des preuves les plus informatives ont été caviardées, ce qui oblige le public à s’en remettre au jugement de METR plus qu’il ne le souhaiterait.
1,9 fois plus vite, et ce n’est pas le calcul
Le chiffre central est celui-ci : depuis octobre 2025, les scores de benchmark des modèles d’Anthropic — mesurés via l’AECI, sa version de l’index de capacités d’Epoch — croissent à un rythme estimé 1,9 fois supérieur à celui d’avant, avec un intervalle de confiance à 95 % de 1,5 à 2,8 fois. En clair, Anthropic aurait produit en un an l’équivalent de deux ans de progrès historique.
Ce qui compte, c’est ce qui n’explique pas cette accélération. METR est « confiant » sur un point : elle ne vient pas d’une accélération de la montée en échelle du calcul d’entraînement. Les entretiens et les sondages pointent plutôt vers l’usage massif de l’IA dans la R&D elle-même. L’estimation globale de METR : environ 80 % de l’accélération actuelle serait attribuable à l’IA, avec une « incertitude substantielle ».
Des goulots d’étranglement invisibles
Le rapport écarte, pour l’instant, l’hypothèse d’un plafonnement rapide. METR n’a « pas vu de preuve » de goulots d’étranglement majeurs — progrès algorithmique, calcul d’entraînement, calcul d’expérimentation ou données — capables de bloquer la progression dans les 12 prochains mois.
Mais il prévient aussitôt : sa compréhension de l’état des goulots a changé plusieurs fois au fil des informations reçues, et il n’est pas confiant dans son évaluation actuelle. L’absence de plafond visible est une observation, pas une prédiction. Et puisque les preuves les plus décisives ont été caviardées, la marge d’erreur reste large.
Ce que ça change pour l’évaluation et la sécurité
La conclusion a une portée directe pour quiconque évalue ou surveille l’IA. Si l’IA accélère sa propre conception, le rythme d’apparition des capacités nouvelles peut dépasser le rythme auquel on apprend à les mesurer. C’est exactement la dynamique que redoutent les équipes de sûreté : les évaluations risquent de devenir obsolètes plus vite qu’elles ne sont produites.
Ce constat rejoint le scénario que METR décrivait en amont : une accélération de la R&D pourrait conduire à l’émergence soudaine de capacités extrêmes et risquées, avant même que les garde-fous ne soient en place. L’audit d’Anthropic est le premier à donner une mesure concrète à cette hypothèse.
Le caviardage ajoute un second problème. METR le dit sans détour : en retirant la majorité des preuves, Anthropic a empêché le public de « juger par lui-même ». La transparence sur les données devient aussi stratégique que la transparence sur les résultats. Pour un RSSI ou un régulateur, c’est un signal : les conclusions de sûreté reposent désormais plus sur la confiance en un tiers que sur des faits vérifiables.
Verdict
Le rapport METR n’annonce pas une catastrophe — il documente une inflexion. Pour la première fois, un organisme indépendant chiffre une accélération de la R&D d’un laboratoire de pointe, l’attribue majoritairement à l’IA, et écarte l’explication par le seul calcul.
Si vous évaluez ou auditez des systèmes d’IA, prenez ce rapport comme un point d’ancrage : le rythme que vous aviez calibré il y a un an est probablement obsolète, et vos évaluations doivent être rejouées plus souvent. Si vous suivez la sûreté de l’IA de l’extérieur, traitez le caviardage comme un fait en soi — la capacité de la société à juger les progrès dépend de preuves qui, pour l’instant, restent en partie invisibles. L’accélération est réelle, elle est mesurable, et elle n’attend pas que l’évaluation la rattrape.