Anthropic a publié le 17 septembre 2026 un cadre de mesure destiné à suivre la part du développement d'IA frontière déjà réalisée par des systèmes d'IA dans un grand laboratoire. Le cadre suit trois signaux: la part de R&D IA effectuée par l'IA, la supervision des agents internes et la part de calcul affectée à la sécurité de l'IA.
La publication est importante parce qu'elle traite l'auto-développement de l'IA comme un sujet de gouvernance opérationnelle. Si les laboratoires utilisent des systèmes d'IA pour construire la prochaine génération de systèmes d'IA, les régulateurs, clients et conseils d'administration ont besoin de preuves sur le périmètre, la supervision et l'audit de ce travail.
Ce qu'Anthropic a divulgué
Anthropic indique qu'en août 2026 Claude n'était pas entièrement autonome pour le sous-ensemble de tâches de recherche mesuré. L'entreprise affirme que Claude dirigeait environ 26 pour cent du travail et collaborait ou dirigeait plus de 90 pour cent du travail couvert. Elle indique aussi qu'environ 30.000 agents fonctionnaient sur sa principale plateforme interne d'agents.
Les chiffres de supervision sont plus opérationnels. Anthropic affirme que 100 pour cent des actions sur cette plateforme passaient par une surveillance en ligne ou hors ligne, avec plus d'un milliard de décisions de surveillance en août. Environ 0,002 pour cent des décisions en ligne ont été bloquées, soit près d'une sur 47.000, et la surveillance hors ligne a signalé un ou deux transcripts par millier pour examen.
Pour le calcul, Anthropic décrit une photographie d'une semaine en juillet. Environ 6 pour cent du calcul de R&D IA aurait été consacré à la sécurité, et environ 12 pour cent du calcul de R&D IA réalisée par l'IA aurait été consacré à la sécurité.
Une valeur de gouvernance réelle mais limitée
Le progrès utile consiste à passer des déclarations générales à des catégories mesurables. La part de développement de modèle réalisée par l'IA devient une question qui peut être échantillonnée, auditée et comparée dans le temps. La supervision des agents devient une question de couverture, taux de blocage, taux d'examen et escalade.
Les limites signalées par Anthropic restent essentielles. Les libellés sont des estimations de bonne foi, la donnée de calcul est une courte photographie et la méthode demeure interne. L'entreprise prévoit d'intégrer des évaluateurs tiers indépendants et de publier des mesures. C'est ce qui peut transformer la transparence en preuve utilisable par un comité de risque.
La supervision des agents est le signal opérationnel
Le chiffre de 30.000 agents montre que la gouvernance des agents ne peut plus être traitée comme un flux spécialisé. Lorsque les agents deviennent une infrastructure courante, une organisation a besoin d'inventaire, de responsables, d'autorité déléguée, de décisions de surveillance et de preuves d'effet pour chaque chemin d'action à risque.
Le guide Maetra d'inventaire des agents fournit la première couche de contrôle: connaître les agents, leurs outils et leurs propriétaires. Le guide des journaux d'audit IA décrit la chaîne de preuve nécessaire quand un agent agit.
Ce que les équipes devraient faire
Les organisations n'ont pas besoin de copier exactement les mesures d'Anthropic. Elles devraient définir leur propre vue en trois parties: contribution de l'IA aux travaux à fort impact, supervision des actions d'agents et capacité de sécurité ou d'assurance attachée à ces travaux.
Elles doivent ensuite vérifier si les chiffres résistent à une revue d'incident. Une mesure utile relie inventaire, politique, appel d'outil et changement dans un système externe. Le guide Maetra de surveillance des agents donne une base pratique pour cette boucle de contrôle.
Analyse Maetra
L'annonce d'Anthropic ne prouve pas que les laboratoires frontière sont sûrs. Elle donne un exemple concret de divulgation qui pourrait rendre le développement de l'IA plus gouvernable. La version la plus solide associerait mesures récurrentes, accès de tiers, définitions stables et preuves liées aux incidents.
Pour les entreprises, la leçon est directe: si des systèmes d'IA contribuent à construire, déployer ou sécuriser des systèmes critiques, les dirigeants ont besoin d'une supervision mesurable comparable à celle attendue pour des opérateurs humains privilégiés. La question n'est plus de savoir si les agents existent, mais si leur travail est assez visible pour être gouverné.