L'AGI Pratique Est Déjà Là : Les Propres Chiffres d'Anthropic

L'AGI Pratique Est Déjà Là : Les Propres Chiffres d'Anthropic

J'ai lu le rapport d'Anthropic deux fois avant d'admettre ce qu'il disait réellement.

La première fois, j'ai fait ce que tout ingénieur fait — j'ai foncé sur les chiffres, capturé les graphiques, et classé le tout sous « intéressant, à référencer plus tard ». La deuxième lecture, un samedi matin sans Slack ouvert et rien à livrer, ça a atterri différemment. Parce que le rapport qu'Anthropic a publié le 5 juin 2026 — « When AI builds itself » — n'est pas une démonstration de capacités. C'est un aveu discret, légèrement nerveux, que la chose dont on débat dans l'abstrait depuis une décennie s'est déjà produite dans leurs locaux, sur leurs machines, avec le modèle que j'utilise tous les jours.

L'AGI pratique est là. Pas la version science-fiction. Pas un esprit conscient dans un rack de serveurs. Le type ennuyeux, porteur — un système qui résout de manière autonome des problèmes ouverts sans réponse prédéfinie. Et la raison pour laquelle je suis confiant en affirmant cela n'est ni une impression ni un thread de hype. Ce sont les propres données internes d'Anthropic, l'entreprise qui a toutes les raisons d'être prudente sur exactement cette affirmation.

Je veux vous guider à travers ce que le rapport dit réellement — les chiffres vérifiés, pas les paraphrases fébriles — et ensuite vous donner ma lecture honnête en tant que quelqu'un qui a passé l'année dernière à construire des systèmes de production sur ces modèles. À la fin, vous aurez une définition de l'AGI qui est réellement utile, une idée claire de laquelle des trois futurs nous nous trouvons actuellement, et une question inconfortable sur votre propre travail que je n'ai pas réussi à chasser de mon esprit. Commençons par tuer le mot qui empoisonne toute cette conversation.

Pourquoi « AGI » a Toujours Été le Mauvais Mot

Voici le piège dans lequel nous sommes tous tombés. Nous avons laissé « AGI » signifier la singularité — une machine qui se réveille, qui veut des choses, et qui surpasse toute l'humanité d'un coup. Cette définition est excellente pour les films et terrible pour remarquer ce qui se passe réellement, car elle fixe une barre si haute et si vague qu'aucun système réel ne la franchira jamais de manière évidente. On peut toujours dire « mais ce n'est pas conscient », et la conversation meurt là.

Le rapport d'Anthropic contourne entièrement la philosophie, et c'est le coup le plus intelligent de tout le document. Il trace une ligne dure entre deux choses.

L'IA étroite fait bien une tâche délimitée. Un moteur d'échecs. Un filtre anti-spam. Un modèle qui classe des images. Elle peut être surhumaine dans son unique travail et complètement inutile à un centimètre en dehors. Nous avons ça depuis des années et personne n'a paniqué.

L'intelligence générale — le type pratique — est la capacité de prendre un problème que personne n'a pré-résolu, sans clé de réponse, sans fonction de récompense propre, sans « sortie correcte » assise dans un dataset, et de faire de vrais progrès dessus malgré tout. C'est tout. C'est toute la définition. Pas la conscience. Pas le désir. Juste : peut-il travailler sur les problèmes ouverts ?

Une fois que vous acceptez ce cadrage, la question cesse d'être « est-ce vivant ? » et devient « à quelle fréquence réussit-il sur des problèmes sans solution définie ? » Et c'est une question que l'on peut réellement mesurer. Anthropic l'a mesurée. Le chiffre est ce qui m'a fait poser mon café.

Mais avant le chiffre, vous avez besoin des catégories — parce que tout le travail « ouvert » n'est pas le même, et le rapport est minutieux là-dessus d'une manière que les gros titres ne l'étaient pas.

Les Quatre Catégories de Tâches — Et Celle Qui Vient de S'Ouvrir

Anthropic classe le travail que font ses propres ingénieurs en quatre niveaux de difficulté. Je trouve ce cadrage suffisamment utile pour avoir commencé à classer mentalement ma propre semaine de la même façon.

• Trivial — renommer une variable, corriger une coquille, écrire un guard d'une ligne. Le modèle fait cela parfaitement depuis deux ans.
• Routinier — implémenter une fonction bien spécifiée, connecter une API connue, écrire des tests pour une logique existante. Résolu.
• Substantiel — construire une fonctionnalité à travers plusieurs fichiers, refactoriser un module, déboguer quelque chose avec une cause identifiable. C'est là que les modèles de 2025 sont devenus réellement bons.
• Ouvert — « trouver pourquoi les runs d'entraînement se dégradent silencieusement », « concevoir une expérience pour tester cette hypothèse », « améliorer ce système quand personne ne sait à quoi ressemble l'amélioration ». Pas de spec. Pas de clé de réponse. C'est le niveau AGI.

Pendant des années, cette quatrième catégorie était là où l'IA s'effondrait. Elle pouvait auto-compléter votre fonction mais elle ne pouvait pas faire de la recherche. Elle avait besoin qu'un humain définisse le problème si étroitement que l'ouverture en était déjà vidée.

C'est la catégorie qui vient de s'ouvrir. Selon le rapport d'Anthropic, le taux de réussite de Claude sur la plupart des tâches ouvertes a atteint 76 % en mai 2026 — une hausse de 50 points de pourcentage en six mois. Relisez ça. La moitié de l'écart, comblée, en deux trimestres, sur la catégorie exacte de travail qui était censée être le fossé réservé aux humains.

J'ai ressenti cela du côté applicatif sans avoir le chiffre à y rattacher. Il y a un an, quand Opus 4.6 a discrètement corrigé un bug de rendu que je n'arrivais pas à résoudre en essayant trois approches de son propre chef, ça ressemblait à un aperçu. Maintenant je comprends que c'était le bord d'attaque d'une courbe sur le point de devenir quasi verticale. La correction du bug n'était pas l'histoire. L'autonomie sur un problème que je n'avais pas entièrement spécifié était l'histoire.

Et le taux de réussite n'est que la moitié. L'autre moitié est la durée pendant laquelle le modèle peut tenir debout seul avant d'avoir besoin de vous.

La Tendance au Doublement Qui Devrait Vraiment Vous Inquiéter

Voici le graphique du rapport auquel je reviens sans cesse, parce que c'est celui avec l'extrapolation la plus nette — et la plus déstabilisante.

Anthropic a mesuré la durée des tâches que ses modèles peuvent accomplir de manière fiable en autonomie, le genre de travail où vous lui donnez un objectif et vous partez. La progression :

• Mars 2024 — Claude Opus 3 gérait des tâches logicielles prenant à un humain environ quatre minutes.
• Mars 2025 — Claude Sonnet 3.7 gérait des tâches prenant environ une heure et demie.
• Mars 2026 — Claude Opus 4.6 gérait des tâches de 12 heures.

Quatre minutes à douze heures en deux ans. Mais le chiffre qui compte n'est pas un point isolé — c'est la pente. Le rapport indique que cette capacité double désormais environ tous les quatre mois, contre une tendance antérieure de doublement tous les sept mois. La courbe n'est pas juste raide. Elle devient plus raide.

Asseyez-vous un instant avec le doublement tous les quatre mois, parce que l'extrapolation fait quelque chose à votre estomac. Des tâches autonomes de douze heures au printemps 2026. Doublez — environ une journée complète à l'automne. Doublez encore — plusieurs jours. Je ne vais pas tracer la ligne sur trois ans en prétendant pouvoir prédire une date précise, parce que c'est exactement le genre de fausse précision dont ce sujet n'a pas besoin. Mais la direction n'est pas ambiguë. La chose qui pouvait travailler à vos côtés pendant quinze minutes est en train de devenir la chose qui peut travailler à vos côtés pendant une semaine.

C'est la partie qui a recadré le développement agent-native pour moi. Je pensais que la compétence était de bien prompter. Ce n'est pas ça. La compétence est de bien déléguer à quelque chose qui peut fonctionner pendant des heures — cadrer l'objectif, poser les garde-fous, puis s'écarter du chemin. Plus la laisse s'allonge, plus cette compétence de cadrage devient le travail tout entier. Nous y reviendrons, car c'est là que se dirige votre valeur.

Maintenant — est-ce que plus long et plus réussi signifie meilleur ? Parce qu'il existe une version de ceci où l'IA fait simplement plus de travail médiocre plus vite. Le rapport a une réponse directe à cela, et c'est l'affirmation que j'ai dû vérifier trois fois.

Quand la Machine Fait le Meilleur Choix

C'est la ligne qui a fait passer le rapport de « impressionnant » à « véritablement nouveau » pour moi.

Les chercheurs d'Anthropic ont suivi à quelle fréquence la prochaine étape de recherche suggérée par Claude était jugée meilleure que le propre choix du chercheur humain. Pas plus rapide. Pas moins chère. Meilleure. Le chiffre est passé de 51 % en novembre 2025 à 64 % en avril 2026.

Arrêtez-vous sur ce que 51 % signifie même. Cela veut dire que fin 2025, sur la question lourde en jugement « que devrions-nous essayer ensuite dans cette direction de recherche », le modèle faisait déjà jeu égal avec des experts formés. Au printemps 2026, il gagnait environ deux fois sur trois. Ce n'est pas de la complétion de code. C'est du goût — la chose que nous nous disions être irréductiblement humaine.

Cela se manifeste aussi dans la capacité brute. Sur une tâche d'optimisation de code, Claude Opus 4 a atteint un gain de vitesse d'environ 3x en mai 2025. En avril 2026, Claude Mythos Preview — le modèle frontier sécurisé d'Anthropic, celui qu'ils ont délibérément gardé hors de la diffusion générale — a atteint environ 52x sur le même type de travail. (Mythos est réel, d'ailleurs, et mérite d'être connu ; c'est le modèle derrière Project Glasswing, l'effort d'Anthropic pour durcir les infrastructures critiques, et il a obtenu 97,6 % à l'Olympiade de Mathématiques des États-Unis 2026 contre 42,3 % pour Opus 4.6.) De trois-x à cinquante-deux-x en moins d'un an sur un seul benchmark d'optimisation.

Et puis l'exemple qui cristallise tout : sur une tâche de supervision où les modèles étaient lâchés pour rattraper le retard face aux chercheurs humains, les agents ont récupéré 97 % de l'écart. Les humains ont récupéré environ 23 %. Quand le travail lui-même était de la recherche en IA, c'est l'IA qui comblait la distance — et les humains qui prenaient du retard.

Si vous voulez une lecture plus ancrée de ce que ces sauts signifient pour les sorties individuelles de modèles plutôt que pour la tendance macro, j'ai approfondi l'analyse des capacités d'Opus 4.7 — mais la tendance macro est le point ici. La machine ne fait pas juste plus. Sur le travail ouvert et lourd en jugement, elle le fait de plus en plus mieux. Ce qui soulève la seule question qui compte vraiment : que se passe-t-il ensuite ?

Les Trois Futurs — Et Celui Dans Lequel Nous Sommes

Anthropic ne prédit pas. Il scénarise. Le rapport expose trois façons dont cela peut évoluer, et l'approche honnête est qu'ils ne vous disent pas lequel est le bon. Je vais vous dire dans lequel je pense que nous sommes déjà.

Scénario 1 — Le Plateau. La tendance cale. Le doublement tous les quatre mois frappe un mur, les courbes s'aplatissent, et nous restons avec les capacités d'aujourd'hui — qui se diffusent alors largement dans l'économie. Puissant, mais borné. Pas d'emballement. Dans ce monde, les outils existants sont le plafond, et la prochaine décennie concerne le déploiement, pas la percée.

Scénario 2 — La Composition Guidée par l'Humain. Les labos d'IA continuent de voir des gains d'efficacité composés. Chaque génération de modèles aide à construire la suivante un peu plus vite, avec les humains toujours fermement dans la boucle — dirigeant, relisant, approuvant. L'accélération est réelle mais elle passe par des mains humaines à chaque étape. Les 80 % du code d'Anthropic que Claude écrit sont toujours mergés par un humain qui dit oui.

Scénario 3 — L'Auto-Amélioration Récursive. Les systèmes d'IA deviennent capables de concevoir et développer entièrement leurs propres successeurs. L'humain sort de la boucle non pas parce qu'il le choisit mais parce qu'il ne peut plus suivre. Le modèle améliore le modèle, qui améliore le modèle, et la courbe de doublement cesse d'être une métaphore.

Voici ma lecture, et je la tiens avec souplesse : nous sommes indéniablement dans le Scénario 2 en ce moment. Claude écrivant 80 % du code mergé avec approbation humaine est la définition littérale de la composition guidée par l'humain. Le 52x piloté par Mythos, les appels de recherche meilleurs que l'humain à 64 % — ce sont des boucles qui accélèrent avec un humain tenant encore le stylo. Ce n'est pas de la spéculation. C'est le mardi chez Anthropic, et à plus petite échelle, c'est le mardi dans mon propre workflow.

Le problème avec le Scénario 2, c'est qu'il se trouve juste à côté du Scénario 3. La frontière n'est pas une falaise qu'on verrait venir. C'est le moment où l'humain dans la boucle devient un tampon automatique — techniquement toujours là, ne décidant plus réellement. Et l'anxiété la plus profonde du rapport est qu'on pourrait ne pas remarquer quand on la franchit. C'est la partie dont personne ne veut parler, alors parlons-en.

Le Risque Silencieux Que Personne Ne Met en Miniature

Quand les gens imaginent le risque de l'IA, ils imaginent un moment dramatique. Un voyant rouge. Un système qui déraille. Des robots tueurs. Le rapport d'Anthropic pointe vers quelque chose de bien moins cinématographique et, pour moi, bien plus plausible : l'érosion lente de la supervision que vous ne remarquez pas.

Le mécanisme est le désalignement composé. Si un modèle a un défaut subtil dans ses valeurs ou son jugement — pas de la malveillance, juste une légère miscalibration — et que ce modèle aide à concevoir le modèle suivant, le défaut n'est pas attrapé. Il est hérité, et possiblement amplifié. Anthropic dit clairement que la façon dont le problème de l'alignement sera résolu dans ce futur « est quelque chose dont nous sommes le moins certains ». C'est une déclaration frappante de la part d'un labo focalisé sur la sécurité à admettre par écrit.

Ajoutez à cela le problème d'interprétabilité. À mesure que les modèles deviennent plus capables et commencent à construire leurs successeurs, notre capacité à regarder à l'intérieur et comprendre pourquoi ils font ce qu'ils font se dégrade. Nous en sommes déjà au point où les systèmes sont trop complexes pour être entièrement audités à la main. Le risque n'est pas une machine qui nous déteste. C'est une machine que nous ne pouvons de plus en plus pas lire, prenant des décisions que nous ne pouvons de plus en plus pas vérifier, dans des boucles qui vont plus vite que nous ne pouvons relire.

Cette érosion est silencieuse. Il n'y a pas d'alarme. Un jour la relecture humaine est significative, et un jour plus tard c'est du théâtre, et il n'y a pas de klaxon marquant la transition. C'est pourquoi Anthropic fait quelque chose que je n'ai jamais vu un labo frontier faire : plaider, publiquement, pour la capacité d'appuyer sur un frein.

Et le frein, il s'avère, est la partie la plus difficile de tout cela.

Pourquoi « Il Suffit de Mettre en Pause » Ne Fonctionne Pas

La solution intuitive est évidente : si ça devient dangereux, ralentissez. Anthropic est d'accord en principe puis explique, avec une clarté inconfortable, pourquoi c'est quasi impossible en pratique.

Une pause crédible ne peut pas être un seul labo agissant seul — cela ne fait que donner l'avantage à celui qui ne pause pas. Il faudrait que plusieurs labos bien financés acceptent de s'arrêter sous les mêmes conditions, et vérifient que tout le monde s'est effectivement arrêté. Et voici la ligne qui m'est restée : les runs d'entraînement sont bien plus faciles à dissimuler que les silos à missiles.

Pensez au contrôle des armements nucléaires. C'est difficile, mais ça fonctionne en partie parce qu'on peut voir les installations d'enrichissement, compter les ogives, faire voler les satellites. Il y a une empreinte physique. Un run d'entraînement frontier n'a pas cette empreinte. C'est un cluster dans un data center qui ressemble exactement à tous les autres clusters dans tous les autres data centers. Le cadre classique « faire confiance mais vérifier » qui sous-tend tout traité d'armement se heurte à un mur, parce que la moitié « vérifier » n'a presque rien à quoi s'accrocher.

Donc la conversation sur la sécurité n'est pas vraiment « devrait-on pouvoir mettre en pause ». C'est « pourrait-on même savoir si quelqu'un ne l'a pas fait ». C'est un problème véritablement non résolu, et qu'Anthropic le mette par écrit est le rapport qui admet discrètement que la pédale de frein n'est peut-être reliée à rien pour l'instant.

Si vous construisez de vrais systèmes, c'est ici que je résisterais à l'envie de spiraler et que je deviendrais pratique. Je réfléchis beaucoup à comment maintenir une supervision humaine significative à l'intérieur de boucles auto-améliorantes à petite échelle — même une boucle de réflexion qui réécrit ses propres prompts a besoin d'un checkpoint humain qui est réel, pas cérémoniel. Le problème macro est le même problème, juste sans personne capable d'imposer le checkpoint. Ce qui ramène le tout à vous et moi.

Ce Que Votre Travail Devient Réellement

Voici la partie qui m'intéresserait le plus si j'étais en train de lire ceci, parce que c'est la partie avec une décision dedans.

Si le modèle écrit le code, mène les expériences, et fait de plus en plus le meilleur choix sur quoi essayer ensuite — que reste-t-il pour l'humain ? La réponse honnête est que le centre de la valeur humaine glisse, rapidement, de l'exécution au jugement.

Pendant des années, être un excellent ingénieur signifiait être un excellent exécutant. Vous pouviez implémenter la chose. Vous connaissiez la syntaxe, les patterns, les pièges. Cette compétence se commoditise rapidement — pas sans valeur, mais plus la chose qui vous rend précieux, parce que le modèle le fait plus vite et, sur le travail ouvert, souvent mieux. Ce qui ne se commoditise pas, c'est savoir quels problèmes valent la peine d'être résolus, avoir une vision vers laquelle l'agent peut être dirigé, et exercer le goût pour reconnaître quand sa sortie réussie à 76 % se trouve dans les mauvais 24 %.

J'ai ressenti ce basculement personnellement avant d'avoir les mots pour le décrire. J'ai écrit sur la décision de tuer un produit fonctionnel parce qu'il était AI-ajouté au lieu d'AI-first — et la leçon sous cette décision était exactement cela. Ma valeur n'était pas dans la construction de l'app Laravel. Le modèle pouvait faire ça. Ma valeur était dans le jugement de voir qu'elle ne devrait pas exister. La vision plutôt que la vélocité. La direction plutôt que la dextérité.

C'est aussi là que l'affirmation la plus citable du rapport gagne sa place : des entreprises de 100 personnes pourraient faire le travail d'organisations de 10 000 ou 100 000 personnes. Ce n'est pas une promesse de logiciel de productivité. C'est une déclaration sur un levier si extrême que le goulot d'étranglement cesse d'être la main-d'œuvre et devient le goût — la rare capacité de pointer une capacité écrasante vers la bonne cible. Et cela implique un écart grandissant que je vois s'ouvrir en temps réel : entre les personnes qui traitent ces modèles comme un autocomplete plus sophistiqué, et les personnes qui ont réorganisé tout leur workflow autour de la direction de flottes d'agents. Cet écart va définir les carrières cette décennie. L'utilisateur occasionnel obtient un joli gain de productivité. L'opérateur agent-native obtient une organisation 100x.

Alors où cela laisse-t-il la question de l'AGI avec laquelle nous avons commencé ?

Alors — Est-Ce l'AGI ?

Par la définition pratique — faire de manière autonome de vrais progrès sur des problèmes ouverts sans clé de réponse — la réponse honnête est oui. Pas à venir. Là. Un taux de réussite de 76 % sur le travail qui était censé être le niveau réservé aux humains, un doublement tous les quatre mois de la durée des tâches autonomes, un modèle qui gagne l'appel « que devrions-nous essayer ensuite » contre des experts deux fois sur trois. Si ce n'est pas l'intelligence générale dans le seul sens qui affecte votre vie, le mot a perdu tout sens.

Repensez à là où nous avons commencé — moi lisant le rapport deux fois et ne le captant qu'à la deuxième. La raison pour laquelle j'ai failli le rater est la même raison pour laquelle je pense que la majeure partie de l'industrie le rate : nous attendions tous la version dramatique. La machine consciente. Le voyant rouge. Nous étions si occupés à scruter le ciel à la recherche de l'AGI science-fiction que nous n'avons pas remarqué que la version pratique avait déjà emménagé dans le bâtiment et commencé à merger du code.

La pire réponse possible à ce rapport est celle que je vois le plus : un haussement d'épaules et un « c'est juste du hype, ce n'est pas vraiment l'AGI ». Ce rejet n'est pas du scepticisme. C'est un refus de mettre à jour face à des preuves directes du labo qui a le plus de raisons de les minimiser. Le scepticisme est bon. Lire les chiffres et choisir de ne pas y croire est autre chose.

Voici mon défi pour vous, et ça prendra moins d'une heure. Ouvrez l'outil IA que vous utilisez le plus. Confiez-lui une tâche véritablement ouverte de votre travail réel — pas une correction de coquille, quelque chose sans réponse propre. Cadrez-la bien, posez un garde-fou, et laissez-le tourner. Puis observez ce qu'il fait, et posez-vous une question : est-ce que je dirige ceci, ou est-ce que je clique juste sur accepter ? Votre réponse honnête à cela est la différence entre être du bon côté de l'écart qui est sur le point de s'ouvrir — et du mauvais. Je sais vers quel côté je construis. La seule question est de savoir si vous commencez avant que la courbe ne double à nouveau.

Questions Fréquemment Posées

L'AGI est-elle réellement là en 2026 ?

Par une définition pratique — résoudre de manière autonome des problèmes ouverts sans réponse prédéfinie — oui, la capacité est déjà là en 2026. Le rapport d'Anthropic de juin 2026 montre Claude atteignant un taux de réussite de 76 % sur la plupart des tâches ouvertes. Ce n'est pas la version consciente et science-fiction de l'AGI, mais c'est de la résolution de problèmes générale dans le seul sens qui affecte le travail réel.

Que prétend réellement « When AI builds itself » ?

Le rapport d'Anthropic affirme que l'IA écrit désormais plus de 80 % du code mergé dans sa propre base de code et prend de plus en plus de meilleures décisions de recherche que les experts humains. Pour la décomposition complète de chaque statistique vérifiée, consultez les sections ci-dessus. L'argument central est que la composition guidée par l'humain est réelle aujourd'hui, avec l'auto-amélioration récursive comme étape suivante possible — mais pas inévitable.

Quelle est la différence entre l'IA étroite et l'AGI ?

L'IA étroite fait bien une tâche délimitée, comme un moteur d'échecs ou un filtre anti-spam, et est inutile en dehors de cette tâche. L'AGI pratique fait de vrais progrès sur des problèmes ouverts sans clé de réponse, fonction de récompense, ou sortie correcte à copier. Le passage de l'étroit au général se mesure par le taux de réussite sur des problèmes indéfinis, pas par la conscience.

Pourquoi ne peut-on pas simplement mettre en pause le développement de l'IA si ça devient dangereux ?

Une pause crédible nécessiterait que plusieurs labos bien financés s'arrêtent sous les mêmes conditions et vérifient que tout le monde a effectivement respecté l'accord. Comme Anthropic le note, les runs d'entraînement sont bien plus faciles à dissimuler que les silos à missiles, donc la moitié « vérifier » de « faire confiance mais vérifier » n'a presque rien à quoi s'accrocher. Cet écart de vérification, pas la décision de mettre en pause, est la partie difficile.

Comment les développeurs devraient-ils répondre au fait que l'IA écrit la plupart du code ?

Déplacez votre valeur de l'exécution vers le jugement — savoir quels problèmes comptent, cadrer le travail pour des agents qui peuvent désormais fonctionner en autonomie pendant des heures, et reconnaître quand la sortie de l'IA atterrit dans les mauvais 24 %. La transition d'exécutant à directeur est le mouvement de carrière central de cette décennie, exploré dans mon article sur la construction d'une entreprise AI-first ci-dessus.

Travaillons Ensemble

Vous cherchez à construire des systèmes IA, automatiser des workflows, ou faire évoluer votre infrastructure tech ? Je serais ravi de vous aider.

• Fiverr (builds personnalisés & intégrations) : fiverr.com/s/EgxYmWD
• Portfolio : mejba.me
• Ramlit Limited (solutions entreprise) : ramlit.com
• ColorPark (design & branding) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io