Anthropic : les agents IA proches d'un design autonome
Les dirigeants ont signalé un rythme de doublement des capacités sur quatre mois et ont averti que l'examen humain pourrait devenir le facteur limitant.
Marina Favaro, responsable de l'Institut Anthropic, et Jack Clark, co-fondateur d'Anthropic, ont averti le 5 juin que le développement de l'IA s'accélère vers des agents capables de concevoir et de développer de manière autonome leurs propres successeurs avec suffisamment de puissance de calcul.
Les deux ont soutenu que les décideurs politiques devraient avoir la possibilité de ralentir les progrès de l'IA de pointe, une position qui entre en collision avec les premiers signes d'automatisation des paiements pilotée par des agents déjà en cours d'expansion.
Points Clés
- Les dirigeants d'Anthropic ont déclaré que le développement de l'IA tend vers des agents capables de concevoir et de développer des systèmes successeurs, à condition d'avoir une puissance de calcul suffisante.
- Les gains de capacité des modèles ont été décrits comme doublant à peu près tous les quatre mois, plus rapidement qu'un rythme précédent de sept mois.
- Claude a rédigé environ 80 % du code fusionné dans la base de code d'Anthropic, soulignant l'intégration profonde des modèles dans les flux de travail de production.
- Keyrock a rapporté 73 millions de dollars réglés à travers 176 millions de transactions par des agents IA, présentant les paiements réglés par des agents comme un comportement vivant et en croissance.
Avertissement d'Anthropic : Les agents se dirigent vers la conception autonome de successeurs
Marina Favaro, responsable de l'Institut Anthropic, et Jack Clark, co-fondateur d'Anthropic, ont déclaré que les agents IA prennent déjà en charge des portions significatives du travail de R&D en IA, y compris l'exécution de code et la délégation de tâches à d'autres agents.
Dans leur article de blog du 5 juin, ils ont présenté la trajectoire comme allant au-delà des « assistants » vers des systèmes capables d'exécuter de plus en plus eux-mêmes la boucle de développement.
Leur affirmation principale était explicite : « Si l'on pousse assez loin, et avec suffisamment de puissance de calcul, cette tendance pointe vers un système d'IA capable de concevoir et de développer de manière totalement autonome son propre successeur. » Favaro et Clark ont ajouté que l'amélioration autonome récursive n'est « pas inévitable », mais ont averti qu'elle pourrait arriver plus tôt que les institutions ne sont prêtes.
Pour les marchés de la crypto, la pertinence n'est pas philosophique. Si les agents peuvent agir de manière fiable au nom des utilisateurs et des entreprises, les paiements et le règlement deviennent d'abord un problème logiciel et ensuite un problème de gouvernance. C'est là que les effets de second ordre commencent à se manifester.stablecoinrails, outils de conformité et récits de débit en chaîne.
Les métriques d'accélération : doublement en quatre mois et partage de code de Claude
Favaro et Clark ont déclaré que l'amélioration des modèles d'IA a été « à peu près doublée tous les quatre mois », contre « tous les sept mois ». Une courbe de composition plus rapide est importante car elle compresse le temps dont le marché dispose pour observer, valider et intégrer l'adoption en aval.
Ils ont également offert un point de preuve opérationnel qui coupe à travers la plupart des discours sur les agents : Claude a rédigé « environ 80 % du code fusionné dans la base de code d'Anthropic ». L'extrait ne précise pas la fenêtre de mesure ou la méthodologie, mais le signal directionnel est clair. L'IA ne se contente pas de générer des extraits. Elle est utilisée dans un pipeline de production où le code est fusionné.
Cette affirmation sur le flux de travail interne renforce l'idée que l'automatisation des transactions pilotée par des agents peut passer des démonstrations à une utilisation soutenue plus rapidement que de nombreuses narrations crypto ne le supposent, surtout si l'« agent » devient de plus en plus l'interface par défaut pour l'exécution des logiciels.
Où le goulet d'étranglement se déplace : révision humaine contre sortie de machine
Favaro et Clark ont soutenu que le facteur limitant pourrait bientôt passer de l'écriture de code à sa révision. Leur avertissement était mécanique, pas cinématographique : « Une fois que la qualité du code rédigé par des humains et par l'IA atteint la parité, les humains cesseront d'écrire du code entièrement et se concentreront uniquement sur sa révision.
Mais s'ils ne peuvent pas réviser le code aussi rapidement que Claude peut le générer, la révision humaine deviendra le goulet d'étranglement du développement de l'IA. »
Ce cadre de goulet d'étranglement s'applique parfaitement à l'infrastructure crypto. Le commerce agentique peut évoluer l'intention de transaction plus rapidement que les humains ne peuventauditer contrats intelligents, surveiller le risque ou gouverner les changements de protocole. Si la capacité de révision est en retard par rapport à la capacité de production, le marché peut obtenir plus de transactions sans obtenir plus de sécurité.
Garde-fous, décisions de publication et signaux de croissance des transactions à suivre
Favaro et Clark ont déclaré qu'il serait « bon pour le monde d'avoir la possibilité de ralentir ou de suspendre temporairement le développement de l'IA de pointe » pour permettre aux structures sociétales et à la recherche sur l'alignement de rattraper leur retard. Ils ont également averti que des ralentissements unilatéraux pourraient avantager « les acteurs les moins prudents », citant le manque de mécanisme de coordination mondial.
Le même jeudi, un groupe de dirigeants technologiques, y compris certains d'Anthropic et d'OpenAI, a publié une lettre ouverte exhortant les législateurs à adopter des garde-fous plus stricts pour l'IA, citant des préoccupations selon lesquelles l'IA pourrait surmonter les « barrières de connaissance » qui ont historiquement empêché les acteurs malveillants de créer des armes biologiques.
Les éléments de surveillance concrets se concentrent désormais sur la politique et le contrôle des produits. Toute action de suivi liée à la lettre ouverte du 5 juin est d'autant plus importante si elle inclut des délais ou des mécanismes d'application.
La prochaine position d'Anthropic sur la publication de modèles à plus haute capacité est une autre variable en cours après qu'elle a retenu la publication publique de « Claude Mythos » en avril 2026, citant des préoccupations en matière de cybersécurité après que le modèle pourrait « facilement créer des exploits logiciels ».
Du côté de l'adoption, Keyrock a déclaré le mois dernier que les agents IA réglant les paiements étaient passés du concept à la réalité au cours des 12 derniers mois, avec 73 millions de dollars réglés sur 176 millions de transactions. L'extrait ne fournit pas de détails chaîne par chaîne ou rail par rail, donc le prochain point de données utile est une répartition et un taux de fonctionnement mis à jour sur 3 à 6 mois.
Des divulgations similaires de grands laboratoires d'IA sur la part de code de production rédigé par des modèles agiraient également comme un indicateur de la rapidité avec laquelle l'autonomie des agents augmente.
Négocier le récit du commerce agentique sans surajuster l'engouement
Je considère la revendication de « ~80 % de code fusionné » et les 73 millions de dollars sur 176 millions de transactions réglées par des agents comme le même type de signal : les agents sont déjà intégrés dans des flux de travail réels, et le marché a tendance à sous-estimer la composition lorsque les points de preuve arrivent dans des métriques opérationnelles plutôt que dans des lancements de produits.
Le seuil qui compte est de savoir si les garde-fous et les décisions de publication ralentissent le déploiement suffisamment pour limiter la croissance des transactions à court terme, ou si la capacité continue de se composer sur ce rythme de quatre mois et force les rails de paiement à se développer sous pression.
Cela a de l'importance en termes pratiques si le volume des paiements réglés par des agents montre une augmentation durable du taux de fonctionnement tandis que les publications de modèles de pointe restent suffisamment disponibles pour maintenir l'expansion de l'automatisation.
