Le 5 novembre 2026, l’organisation de recherche METR a estimé que les capacités des modèles d’Anthropic progressaient environ deux fois plus vite sur des tâches bien définies qu’entre mars 2024 et octobre 2025. Son estimation distincte de la tendance des benchmarks AECI est de 1,9× depuis octobre 2025. Ces chiffres décrivent des mesures différentes, et non une accélération générale de toutes les capacités de l’IA. L’évaluation de METR porte sur des résultats arrêtés à octobre 2026.
Pour comprendre un chiffre d’accélération, regardez d’abord ce qu’il mesure : des benchmarks, des tâches définies ou l’autoévaluation d’employés.
Trois chiffres, trois mesures
METR distingue son jugement général sur les progrès des modèles, l’évolution d’un indice de benchmarks et les réponses d’employés à des sondages internes. Les valeurs se rapportent à des sujets et à des périodes différents.
| Chiffre | Ce qu’il mesure | Sujet et période | Réserve |
| Environ 2× | Jugement de METR sur la vitesse de progression des capacités | Modèles d’Anthropic sur des tâches bien définies, en octobre 2026 par rapport à mars 2024–octobre 2025 | METR estime qu’un résultat entre 1,3× et 3× reste plausible |
| 1,9× | Accélération estimée de la tendance AECI | Benchmarks des modèles d’Anthropic après octobre 2025, jusqu’en octobre 2026 | Intervalle de confiance à 95 % : 1,5×–2,8× |
| Environ 12× | Gain moyen d’efficacité attribué à l’IA dans des autoévaluations | Employés d’Anthropic utilisant le Model 4 interne en octobre 2026 | Sondages Slack informels, que METR considère comme des éléments peu solides ; ce n’est pas un taux d’accélération global |
L’AECI, la version d’Anthropic de l’Epoch Capabilities Index, rassemble des résultats issus de benchmarks internes et externes. METR a ajusté une tendance qui passe d’environ 15 points par an avant octobre 2025 à 29 points par an après ce seuil. Dans cet indice, 15 points correspondent à un doublement de la difficulté des benchmarks. Le chiffre de 1,9× vient de cette tendance ajustée ; il ne mesure pas directement la productivité de l’entreprise.
Le 12× répond à une autre question : il correspond à la moyenne des gains que des employés ont eux-mêmes attribués à l’IA dans des sondages informels sur Model 4. METR souligne que ce type d’autoévaluation ne donne pas le rythme d’ensemble de la progression des modèles.
Le rôle de l’IA dans la recherche d’Anthropic
METR estime, avec une forte incertitude, que l’IA pourrait expliquer environ 80 % de l’accélération observée à octobre 2026. L’organisation pense aussi que des facteurs autres que l’IA ont probablement contribué à la progression de la fin 2025. Elle dit avoir des éléments convaincants pour écarter une croissance plus rapide du calcul d’entraînement comme explication, sans attribuer toute l’accélération à une cause unique.
Dans les travaux les plus importants sur l’entraînement des modèles, METR décrit l’IA comme une aide à la recherche et au développement, et non comme une contributrice déjà hautement significative et entièrement autonome. Des chercheurs ont signalé des signes précurseurs de contributions plus autonomes, sans que cela constitue un résultat acquis.
Sam McCandlish, cofondateur d’Anthropic, a indiqué que l’IA accélérait les recherches de l’entreprise, tout en soulignant qu’il était difficile d’en mesurer précisément l’ampleur, selon l’Associated Press. Cette évaluation s’inscrit aussi dans le débat sur l’appel de Dario Amodei à ralentir le développement de l’IA de pointe, présenté dans notre précédent article.
Une analyse vidéo en français élargit la discussion à des scénarios économiques liés à l’accélération de l’IA et à leurs effets possibles sur l’emploi.
Ce que la méthode et les limites changent
Pour estimer la tendance AECI, METR a ajusté des lignes distinctes avant et après un point de rupture estimé, situé au 7 octobre 2025 dans son analyse principale. Les estimations varient de 1,1× à 2,9× lorsque l’organisation change certaines hypothèses de modélisation. Son intervalle de confiance tient compte de l’incertitude des scores AECI, mais pas de l’incertitude sur le choix des modèles inclus dans l’ajustement.
METR n’a pas trouvé d’élément convaincant indiquant qu’un obstacle lié aux algorithmes, au calcul d’entraînement, au calcul des expériences ou aux données freinerait les progrès dans les douze mois. L’organisation précise que cette appréciation reste incertaine.
Anthropic pouvait décider unilatéralement de retirer du rapport public des informations non publiques. METR indique qu’une majorité des éléments qu’elle jugeait les plus instructifs pour ses conclusions sur les risques a été expurgée, ce qui limite l’examen indépendant de l’ensemble de l’évaluation.
