# DeepMind entraîne des drones qui battent un pilote champion > Anthropic observe huit fois plus de code fusionné en 2026, tandis que des drones entraînés par renforcement battent un pilote expert. Type : Actualité IA · Catégorie : Tendances · Publié le 2026-10-09 · Signal IA - Order & Chaos · Secteur : Industrie Source : https://www.orderchaos.eu/signal-ia/actu/anthropic-voit-huit-fois-plus-de-code-fusionne Tags : ia, anthropic, robotique, apprentissage par renforcement, sécurité, agents-ia, benchmark --- ## En résumé - Anthropic a observé huit fois plus de code fusionné en 2026 qu’entre 2021 et 2024. - Le benchmark SocioHack teste 72 environnements simulant des mécanismes de récompense institutionnels. - Des drones entraînés par renforcement ont dépassé un pilote champion à plus de 22 mètres par seconde. **Le signal :** Anthropic rapporte une multiplication par huit du code fusionné en 2026 par rapport à 2021-2024. **Trois signaux convergent** dans le dernier numéro d’Import AI, publié le 8 juin 2026. Des chercheurs testent la capacité de systèmes d’IA à exploiter des règles institutionnelles sans les enfreindre formellement. [Anthropic](/signal-ia/actu/anthropic-revele-huit-fois-plus-de-code-fusionne-en-2026) rapporte ensuite une progression de huit fois du code fusionné dans son dépôt en 2026, comparée à la période 2021-2024. Enfin, l’Université de Zurich et Google DeepMind présentent des drones entraînés par apprentissage par renforcement. Ces appareils dépassent un pilote humain de niveau champion dans des courses à plusieurs concurrents. Les résultats couvrent donc trois terrains distincts : les institutions, la production logicielle et l’action physique. Chaque étude mesure une capacité précise dans des environnements contrôlés et définis. **SocioHack structure les tests** avec 72 environnements institutionnels simulés. Le benchmark comprend 32 environnements historiques, 20 synthétiques et 20 fictifs. Les scénarios historiques reconstruisent des règles antérieures à des corrections réglementaires. Ils incluent notamment la règle 10b5-1 de la SEC et la structure de faillite Texas Two-Step. Les systèmes entraînés par [renforcement](/signal-ia/actu/anthropic-multiplie-par-huit-le-code-les-drones-gagnent) retrouvent les stratégies corrigées avec 61,25 % de rappel et 90,85 % de précision, sans consignes directes d’exploitation. Les scénarios portent aussi sur les droits miniers sous-marins, les ventes d’alcool et les récompenses de cartes bancaires. Les auteurs de [l’étude SocioHack](https://arxiv.org/abs/2606.04075) définissent cette pratique comme une conformité technique qui affaiblit l’intention institutionnelle. ## Anthropic mesure sa productivité logicielle **Anthropic observe une accélération** du code fusionné dans son dépôt. Le volume atteint en 2026 représente huit fois celui observé entre 2021 et 2024. La tendance aurait commencé en 2025, avant de s’accélérer nettement en 2026. Jack Clark présente ces données comme des indices préliminaires d’une forme pratique d’auto-amélioration récursive au niveau d’un laboratoire. Il distingue cette version d’une hypothèse plus ambitieuse, dans laquelle un système conçoit seul son successeur. Anthropic indique aussi que des modèles plus capables réalisent certaines tâches difficiles de ses ingénieurs et chercheurs. L’[Anthropic Institute](https://www.anthropic.com/institute/recursive-self-improvement) précise toutefois que ces observations ne constituent pas une conclusion définitive. **Les drones apprennent en compétition** grâce à un entraînement par renforcement dans Flightmare, intégré au cadre Agilicious. Les agents utilisent une auto-compétition entre systèmes et 200 millions d’interactions simulées. L’entraînement a duré environ 27 heures sur une seule carte NVIDIA RTX 4090. Les drones ont dépassé 22 mètres par seconde et réduit de 50 % les collisions par rapport à des références à agent unique. Les chercheurs ont ensuite organisé des courses réelles contre Marvin Schaepper, quintuple champion suisse. Les appareils ont conservé leurs performances sans entraînement spécifique dans le monde réel. La randomisation des conditions de simulation a contribué au transfert vers ces essais physiques. ## Les courses opposent machines et pilote **Le pilote humain a terminé** 53,33 % des courses en un contre un, contre 100 % pour la politique autonome sur cinq essais. Les chercheurs rapportent que le pilote a pris davantage de risques pour rattraper les drones. Ces manœuvres ont parfois provoqué des collisions avec les portes ou une perte de contrôle. Le pilote a aussi relevé la capacité des agents à conserver des formations très serrées. Les groupes compacts augmentaient sa charge cognitive et compliquaient ses dépassements. Les drones, eux, apprenaient à bloquer, céder lors d’un dépassement dangereux et intégrer le sillage aérodynamique. L’[étude sur les courses multi-agents](https://arxiv.org/abs/2605.22748) décrit ces comportements comme émergents de l’auto-compétition. **Le déploiement reste connecté** à un ordinateur distant qui pilote les drones par réseau. Les politiques ne fonctionnent donc pas localement sur les appareils pendant ces expériences. Cette architecture distingue les résultats obtenus du fonctionnement autonome embarqué. Les quadricoptères reposent sur des plateformes Agilicious identiques, pesant 220 grammes avec une tolérance de trois grammes. Leur rapport poussée-poids atteint 6,5, avec des hélices de trois pouces. SocioHack, Anthropic et les courses de drones montrent ainsi trois mesures séparées de capacités croissantes. Les premières portent sur la [recherche](/signal-ia/actu/anthropic-voit-le-code-fusionne-exploser-zurich-bat-un-champion) de failles dans des règles. Les secondes concernent la production logicielle. Les dernières évaluent une coordination physique à grande vitesse.