Claude Code crée une activité en ligne en 1 h 14

Une seule demande a suffi à lancer l’expérience décrite par Ethan Mollick avec Claude Code. L’auteur lui a demandé de concevoir une activité en ligne générant 1 000 dollars mensuels. Il exigeait aussi que l’outil réalise tout le travail, sans connaissance en programmation de sa part. Claude Code a posé trois questions à choix multiple. Il a ensuite retenu la vente de lots de 500 prompts professionnels, proposés à 39 dollars.

Un travail autonome de 1 h 14 a suivi cette phase de cadrage. Le système a produit des centaines de fichiers de code et de prompts. Il a finalement livré un fichier unique permettant de lancer et de déployer un site fonctionnel. Cette séquence illustre la capacité d’un agent logiciel à enchaîner la conception, la production de contenu et la mise en ligne sans intervention constante de l’utilisateur. Lire l’article d’Ethan Mollick.

Un site réellement déployé

Le résultat était accessible en ligne et présentait les 500 prompts. Le site comportait toutefois des affirmations marketing jugées douteuses par l’auteur. Le lien de paiement a été retiré après l’expérience. Ethan Mollick indique néanmoins que ce lien fonctionnait et aurait pu collecter de l’argent. Il estime aussi probable que la vente des lots aurait atteint l’objectif mensuel annoncé. Cette estimation reste une appréciation de l’auteur, et non un résultat commercial mesuré.

L’exécution s’est déroulée sans erreur visible, mais l’outil demeure peu accessible aux débutants. Il suppose notamment une compréhension des commandes Python et des pratiques de programmation. Claude Code vise d’abord les flux de travail des développeurs et développeuses, même si ses capacités peuvent s’étendre à d’autres métiers de la connaissance. L’accès aux fichiers, au navigateur et aux systèmes de déploiement augmente également les risques opérationnels : une instruction imprécise peut produire du contenu trompeur, modifier des fichiers ou publier un résultat non vérifié.

Claude Code combine deux avancées

Deux progrès techniques expliquent selon l’auteur la montée en capacité observée récemment. Les modèles récents peuvent effectuer davantage de travail de manière autonome. Ils peuvent aussi corriger une partie de leurs erreurs, notamment dans les tâches de programmation. En parallèle, les outils leur fournissent un ensemble de méthodes et d’accès appelé « agentic harness ». Cet ensemble permet au modèle de sélectionner des outils pour résoudre un problème.

La durée des tâches réalisables progresse aussi. METR mesure la durée des tâches qu’une IA peut terminer seule avec une fiabilité de 50 %. Cette mesure progresse de manière exponentielle au fil du temps et a enregistré plusieurs fortes hausses pendant les derniers mois. L’auteur précise qu’elle reste une mesure parmi d’autres, même si elle est corrélée à plusieurs indicateurs de capacité. Voir la mesure de METR. Substack rassemble aussi les publications d’Ethan Mollick.