Anthropic annonce huit fois plus de code, METR tempère

Anthropic a rapporté au deuxième trimestre 2026 que ses contributeurs avaient fusionné huit fois plus de code par jour que durant la période 2021-2024. METR examine ce chiffre dans une note publiée le 8 juillet 2026. L’analyse cherche à estimer la progression de la production totale d’un chercheur, appelée « researcher uplift ». Elle distingue le code des autres activités, comme la réflexion, l’écriture, les expériences et la communication. Thomas Kwa, chercheur de METR, présente les hypothèses et la conclusion comme son opinion. La note indique aussi que les calculs ont été vérifiés par Claude, mais pas par un second humain. Lire l’analyse de METR.

Le code ne suffit pas à mesurer seul la recherche produite. METR applique donc des fonctions de production économiques reliant le volume de code, le travail non lié au code et la valeur totale. Dans le modèle de Cobb-Douglas, l’analyse suppose que le code représentait 50 % du temps avant l’IA. Elle suppose aussi qu’aucun gain ne concernait les tâches non liées au code. Avec huit fois plus de code, le calcul devient 8 puissance 0,5, soit environ 2,83 fois plus de production totale. Cette estimation ne signifie pas que chaque chercheur produit effectivement 2,83 fois plus de recherche.

Le modèle estime 2,83 fois

Les modèles convergent vers un résultat supérieur à deux fois dans les hypothèses retenues. Le modèle CES, qui permet de représenter des tâches complémentaires ou substituables, donne une fourchette d’environ 2,75 à 2,91 lorsque le code est considéré comme homogène. Dans cette approche, le résultat reste proche de 2,83 malgré des valeurs différentes pour la substituabilité entre code et tâches non liées au code. Le calcul s’explique notamment par la proximité entre huit et e², soit environ 7,39. Pour une substituabilité comprise entre 0,5 et 2, METR estime que le résultat reste à moins de 3 % de 2,83.

La qualité modifie toutefois l’estimation. Le modèle de code hétérogène suppose que l’IA accélère davantage le code peu sensible que le code très sensible. Selon les paramètres retenus, la production totale des chercheurs atteint alors entre 2,33 et 3,08 fois son niveau précédent. Une valeur de 2,33 correspond à une forte proportion de code peu sensible et à une accélération plus limitée du code sensible. Le modèle aboutit à 2,49 lorsque les deux catégories représentent chacune 50 % du temps de codage initial. Ces résultats restent des sorties de modèles, et non des mesures directes de la valeur créée.

Anthropic doit mesurer la valeur

Les données internes permettraient de mieux distinguer le volume et la valeur du code. La note cite plusieurs facteurs susceptibles de gonfler le chiffre de huit fois, dont une verbosité supérieure du code produit par l’IA. Elle évoque aussi du code peu utile, accéléré de plus de 20 fois, mais valorisé entre 5 % et 20 % d’un code normal. L’analyse mentionne enfin la possibilité que des chercheurs écrivent du code sans contribution directe à la recherche. Le système card Mythos d’Anthropic affirme que le gain global de recherche et développement est « nettement inférieur » à deux fois. Voir le billet RSI d’Anthropic.