Anthropic voit son code fusionné bondir huit fois en 2026

Anthropic observe une accélération du développement logiciel dans ses équipes en 2026. Le volume de lignes de code fusionnées atteint huit fois celui observé entre 2021 et 2024. Selon Jack Clark, cette tendance a commencé en 2025, puis s’est nettement accélérée en 2026. Il présente ce résultat comme un indice préliminaire d’une autoamélioration récursive au niveau d’un laboratoire. Anthropic distingue cette version opérationnelle d’une hypothèse plus ambitieuse. Cette dernière supposerait qu’un système conçoive seul son successeur. Clark estime à 60 % la probabilité que cette hypothèse se réalise avant la fin de 2028. Il précise toutefois que les résultats observés ne sont pas concluants.

SocioHack évalue la capacité de systèmes d’IA à exploiter des mécanismes de récompense institutionnels. Le référentiel comprend 72 environnements simulés, répartis entre 32 cas historiques, 20 cas synthétiques et 20 cas fictifs. Les scénarios portent notamment sur les cartes de crédit, les notes scolaires, les ventes d’alcool et les algorithmes sociaux. Les chercheurs viennent du King’s College London, de l’université Fudan et de l’Alan Turing Institute. Ils définissent cette pratique comme la découverte de stratégies conformes aux règles, mais contraires à leur objectif. Dans les environnements historiques, des modèles entraînés par renforcement retrouvent des stratégies corrigées ensuite avec 61,25 % de rappel et 90,85 % de précision.

SocioHack mesure le détournement institutionnel

Les auteurs décrivent ces scénarios comme des systèmes de règles dotés de récompenses. Un modèle optimisé dans ce cadre peut rechercher l’écart entre conformité technique et intention institutionnelle. L’étude applique cette logique à des règles réglementaires reconstituées avant leurs corrections historiques. Elle inclut aussi des environnements artificiels sur les revenus d’un district scolaire, la performance d’un département universitaire et les récompenses des réseaux sociaux. Les environnements fictifs conservent la structure réglementaire des scénarios synthétiques. Les tests montrent que plusieurs systèmes entraînés par renforcement obtiennent des scores élevés. L’article relie ces résultats à un risque d’exploitation automatisée de processus administratifs, sans présenter cette interprétation comme une mesure d’incidents réels.

Google DeepMind démontre avec l’université de Zurich qu’un système d’apprentissage par renforcement peut battre un pilote humain expert en course de drones. Les agents dépassent 22 mètres par seconde et réduisent de 50 % les collisions face à des références mono-agent. L’expérience réelle oppose les drones à Marvin Schaepper, quintuple champion national suisse. Dans les courses en un contre un, la politique termine les cinq essais, tandis que le pilote humain atteint 53,33 % de courses terminées. Les chercheurs attribuent ces comportements à l’auto confrontation compétitive. Les agents apprennent notamment à bloquer, céder lors d’un dépassement risqué et prendre en compte les turbulences produites par les appareils voisins.

Les drones apprennent en simulation

L’entraînement demande 200 millions d’interactions avec l’environnement, réalisées en environ 27 heures sur une seule carte NVIDIA RTX 4090. Les chercheurs utilisent Flightmare avec le cadre Agilicious, ainsi que Stable-Baselines3 adapté à l’entraînement multi-agent. Une simulation particulaire approxime les effets de souffle des hélices. La randomisation des dynamiques et des conditions initiales permet ensuite une évaluation réelle sans entraînement spécifique sur le terrain. Les quadricoptères pèsent 220 ± 3 grammes, avec un rapport poussée-poids de 6,5 et des hélices de trois pouces. Le pilotage reste effectué via un réseau depuis un ordinateur externe. Cette contrainte distingue l’expérience d’un fonctionnement local embarqué.

Ces travaux rapprochent trois sujets souvent séparés dans les discussions sur l’IA. SocioHack examine des stratégies qui respectent formellement des règles simulées. Anthropic rapporte une hausse mesurée du code fusionné dans ses propres équipes. Zurich et Google DeepMind montrent une politique apprise qui agit dans un espace physique dynamique. Clark écrit que les capacités créatives capables de produire des idées changeant les paradigmes ne sont pas encore observées dans son analyse. L’expérience de drones fournit, elle, une démonstration concrète d’une intelligence optimisée dans l’espace tridimensionnel. Les travaux complets sont disponibles dans l’étude SocioHack, le billet de l’Anthropic Institute et la recherche sur les drones.