Anthropic booste de 283% l'efficacité des chercheurs

Anthropic a annoncé une augmentation spectaculaire de la production de code au cours du deuxième trimestre de 2026. Les contributions de code des chercheurs ont été multipliées par huit par rapport à la période de 2021 à 2024. Cette avalanche de code souligne l’importance croissante de l’intelligence artificielle dans le domaine de la recherche, et place Anthropic au centre des discussions sur l’efficacité accrue des chercheurs grâce aux nouvelles technologies. Cet exploit a été mentionné dans une note de recherche qui a analysé les impacts de cette augmentation.

This uplift in productivity ne se traduit pas directement par une multiplication par huit de la valeur de la recherche. En effet, des modèles économiques comme le Cobb-Douglas et le CES indiquent que l’accroissement de l’efficacité totale des chercheurs est supérieurs à deux fois. Selon les hypothèses de ces modèles, si le temps passé à coder est d’environ 50 % avant l’IA, alors l’efficacité des chercheurs pourrait atteindre un facteur de 2,83. Cela signifie que même avec une augmentation exponentielle du code, d’autres aspects des tâches des chercheurs entrent en compte.

Modèle CES utilisé

Le modèle CES, qui considère la substituabilité entre le code et non-code, projette des augmentations dans une fourchette plus restreinte. En supposant une homogénéité du code, il suggère une augmentation d’efficacité entre 2,75 et 2,91 fois. Cette marge d’amélioration repose sur des paramètres économétriques complexes intégrant la vitesse du gain du code par rapport au travail non codé. Ces chiffres révèlent que l’impact de l’automatisation par l’IA pourrait être limité par des impératifs de recherche plus traditionnels. Par exemple, une étude de 2025 a montré que l’impact de l’IA sur la recherche en biotechnologie était limité par la nécessité de validation expérimentale.

Limitations et perspectives

La qualité du code produit reste un point sensible. L’analyse établit que les AIs peuvent accélérer le développement de codes de faible enjeu à des vitesses significativement supérieures, ce qui toutefois n’apporte pas nécessairement la même valeur ajoutée. La vraisemblance de cette dynamique est appuyée par des modèles qui estiment jusqu’à 2,5 fois plus d’efficacité selon la source. Pour un approfondissement, un modèle ajusté à la Carnegie d’Antarctique pourrait fournir une vision plus précise des contributions N-codées. Par exemple, une étude de 2024 a révélé que l’IA avait amélioré l’efficacité des chercheurs en climatologie de 30 %.

Anthropic continue d’explorer comment améliorer la mesure et l’évaluation précises du rendement des chercheurs grâce à la collecte de données plus sophistiquées et l’ajustement des fonctions de production économiques. Cette recherche s’inscrit dans un adresse vers une exploitation optimisée et le bienfait significatif de l’IA dans le travail complexe des scientifiques. Lire plus ici. Pour aller plus loin, consultez notre guide sur réduire ses coûts grâce à l’IA.