Ce qu'il faut retenir, avant tout, c'est ceci : nous ne parlons plus d'IA comme d'un accélérateur de travail humain. Nous parlons d'IA comme d'un producteur autonome qui se construit lui-même. L'auto-amélioration récursive — recursive self-improvement — n'est plus une expérience de pensée réservée aux philosophes de la singularité. C'est une pratique industrielle, mesurable, déployée en production chez le laboratoire qui fabrique Claude. Le créateur est devenu l'outil. Et l'outil est en train de fabriquer le prochain créateur.
Le multiplicateur qui efface la transpiration
Au deuxième trimestre 2026, un ingénieur d'Anthropic produit en moyenne huit fois plus de code qu'entre 2021 et 2025. Non parce qu'il travaille davantage. Parce qu'il ne tape plus. Il est devenu directeur d'agents — superviseur, arbitre, orienteur stratégique d'une armée de processus autonomes.
Cette bascule n'est pas anodine. Elle touche à quelque chose que nous avons toujours cru fondamental : la valeur de l'effort. Edison disait que le génie, c'est un pour cent d'inspiration et quatre-vingt-dix-neuf pour cent de transpiration. Les quatre-vingt-dix-neuf pour cent sont en cours d'automatisation totale. Ce n'est pas une métaphore. C'est un fait industriel.
L'infrastructure mondiale en porte la trace. GitHub a traité un milliard de commits en 2025. On en projette quatorze milliards pour 2026. Quatorze fois plus. En un an. La question n'est pas de savoir si cette accélération est bonne ou mauvaise. La question est : sommes-nous prêts à absorber ce que cela signifie ?
Le Rubicon du code autonome
En mai 2026, plus de quatre-vingts pour cent du code fusionné dans la base d'Anthropic est rédigé par Claude lui-même. Ce chiffre mérite qu'on s'y arrête longtemps. Il ne s'agit plus d'assistance. Il s'agit d'autonomie. Le modèle a saturé les benchmarks qui, deux ans plus tôt, le mettaient en échec — dont le SWE-bench, conçu pour tester la capacité à résoudre des bugs réels dans des dépôts open-source complexes. Passé de scores marginaux à réussite quasi totale. En vingt-quatre mois.
L'évolution a suivi une logique implacable : du chatbot suggérant un extrait de code à l'agent gérant des fichiers entiers, des architectures complètes, des migrations de systèmes. Chaque palier franchi rendait le suivant plus rapide à atteindre. C'est la définition même de l'auto-amélioration récursive. Et personne n'avait vraiment de plan pour ça.
La dette technique et la mémoire sans fatigue
Il y a une tâche que les ingénieurs humains redoutent par-dessus tout : la gestion de la dette technique. Ces milliers de lignes héritées, ces correctifs enchevêtrés, ces API fragiles que personne ne comprend vraiment parce que celui qui les a conçues a quitté l'entreprise il y a trois ans. En avril 2026, Claude a déployé huit cents correctifs d'API, réduisant une classe d'erreurs d'un facteur mille. Ce que cela aurait coûté à des humains : quatre ans de travail acharné.
Pourquoi l'humain échoue là où le modèle réussit ? Pas parce qu'il est moins intelligent. Parce qu'il ne peut pas maintenir en mémoire vive un tel volume de contextes non familiers sans se fatiguer, sans perdre le fil, sans commettre d'erreurs d'attention. Claude ne connaît pas la fatigue cognitive. Il n'a pas de fin de journée. Il ne rate pas les réunions. C'est cette asymétrie-là — pas l'intelligence, mais l'endurance attentionnelle — qui bascule les équilibres.
La recherche comme ressource de calcul
L'accélération touche désormais la science elle-même. En mai 2025, Claude Opus 4 accélérait le code de recherche par un facteur trois. En avril 2026, Claude Mythos Preview atteint un facteur cinquante-deux. Un chercheur humain qualifié, dans le même temps, atteint un facteur quatre.
Anthropic a conduit une expérience capitale sur la supervision : un modèle faible devait superviser un modèle fort pour résoudre un problème de recherche ouvert. Résultat : là où des chercheurs humains ont récupéré vingt-trois pour cent de l'écart de performance attendu, les agents autonomes en ont récupéré quatre-vingt-dix-sept pour cent — en huit cents heures de travail sans intervention humaine.
Ce que cela signifie, dans sa brutalité : la recherche scientifique est en train de devenir une question de ressources de calcul plutôt que de génie individuel. Ce n'est pas l'humain contre la machine. C'est l'humain absorbé dans la machine, dont le rôle se déplace vers quelque chose que nous n'avons pas encore nommé clairement.
Le goût — dernier bastion, première fissure
Il restait, croyait-on, une zone sanctuarisée : le goût pour la recherche. Cette intuition qui permet de décider quel problème mérite d'être posé, quel chemin vaut la peine d'être emprunté, quelle question est digne de dix ans de vie. Ce n'est pas un algorithme. C'est une forme de sagesse incarnée, tissée d'expérience, d'échecs, de lectures nocturnes et de conversations à la machine à café.
Et pourtant. Dans des tests de prise de décision sur la direction à donner à une recherche, Claude Mythos Preview a battu les choix humains dans soixante-quatre pour cent des cas. Pas à plate couture. Pas encore. Mais la tendance est là, lisible, implacable. L'avantage comparatif des humains réside encore, nous dit-on, dans la réflexion au-delà des limites de la tâche immédiate. C'est beaucoup. C'est aussi, peut-être, tout ce qui reste.
La Loi d'Amdahl et le goulot humain
Les ingénieurs connaissent la Loi d'Amdahl : l'accélération d'un processus est toujours limitée par sa partie la plus lente. Quand l'IA code, expérimente, corrige et cherche à une vitesse que l'humain ne peut plus mesurer, l'humain — dans son rôle de réviseur, de décideur, de validateur moral — devient inévitablement le goulot d'étranglement de sa propre invention.
Ce n'est pas une métaphore. C'est une loi physique appliquée à la gouvernance. Le progrès ne bute plus sur l'intelligence. Il bute sur le temps de réaction de nos institutions, sur la vitesse de nos délibérations collectives, sur la capacité de nos structures sociales à absorber des transformations qui s'enchaînent à un rythme que nos cerveaux n'ont pas évolué pour traiter. Voilà le vrai risque. Pas Skynet. Pas la rébellion des machines. La désynchronisation entre la vitesse du calcul et la lenteur nécessaire — vitale — du jugement humain.
Ce que nous devons refuser de perdre
Il y a quelque chose que les employés d'Anthropic appellent la gift economy of small favors — l'économie informelle des petits services rendus. Demander de l'aide à un collègue. Expliquer un bug à voix haute et comprendre la solution en parlant. Partager une astuce dans un couloir. Ces micro-transmissions créaient du lien, du savoir situé, de l'appartenance. Solliciter Claude crée de la productivité. Mais dissout la collaboration humaine.
Ce n'est pas une nostalgie. C'est un signal d'alarme.
Il ne s'agit pas d'être contre l'IA. Il s'agit d'être pour l'humain. Pour ce que l'humain fait quand il s'assoit face à un problème difficile, sans déléguer, sans raccourci — quand il souffre un peu, doute beaucoup, et finit par comprendre quelque chose qui le change. Cette compréhension-là, on ne la reçoit pas. On la gagne. Et si nous automatisons entièrement l'effort intellectuel, nous n'automatisons pas seulement le travail. Nous automatisons la transformation de soi.
La question n'est pas de savoir si l'IA peut construire l'IA. Elle le peut, et elle le fait. La question est : quelle valeur accorderons-nous à l'effort humain dans un monde où la sueur intellectuelle ne coûte plus rien ?
Ce n'est pas une question technique. C'est une question de civilisation.
-thumb.webp)