Anthropic a fait tourner 950 agents IA pendant 21 heures. Ce qui compte, c'est qui a vérifié le travail.

Dans la plupart des comités de direction, il y a une question que personne ne pose à voix haute : si on laisse un agent IA tourner seul, toute une journée, sur une vraie tâche, qu'est ce qui revient vraiment. Une réponse exploitable, ou un résultat qui prend plus de temps à vérifier qu'à faire soi même. Cette question n'est plus théorique. Anthropic vient d'y répondre publiquement, avec des chiffres réels.

Le 25 septembre, Anthropic a publié les résultats d'une expérience dans laquelle environ 950 agents Claude ont tourné pendant 21 heures, consommant environ 210 millions de tokens, pour fouiller une base de données publique de séquences ADN à la recherche d'un type précis d'enzyme, la transcriptase inverse. Les agents ne rédigeaient pas un texte et ne résumaient pas une réunion. Ils filtraient. Sur un très grand nombre de séquences candidates, ils ont réduit la recherche à une courte liste méritant un examen plus poussé, et ont repéré un système, une enzyme associée à une séquence ADN répétitive, qui ressemblait aux composants de CRISPR, la technologie d'édition génétique qui a transformé la biologie ces dix dernières années. Feng Zhang, chercheur au MIT et au Broad Institute dont le laboratoire a contribué au développement d'outils fondés sur CRISPR, a qualifié cela d'exemple parlant de la manière dont des agents IA peuvent contribuer à la découverte biologique.

C'est le titre que la plupart des gens vont retenir. Voici la partie qui compte davantage pour quiconque dirige une entreprise. Anthropic est explicite : ce ne sont pas les agents qui ont fait la découverte. Des scientifiques humains ont défini les paramètres de recherche au départ, examiné chaque candidat signalé par les agents, décidé lesquels méritaient d'être approfondis, et réalisé chaque heure de travail en laboratoire : expression des protéines, tests biochimiques, analyse structurelle. Les agents ont fait le filtrage. Les humains ont fait le jugement.

La plupart des articles sur cette histoire vont la présenter comme la preuve que l'IA fait désormais de la science. La lecture la plus utile est plus étroite. Une exécution de 21 heures a transformé un espace de recherche d'environ 200 000 candidats en une poignée méritant le temps d'un scientifique. Ce n'est pas de l'autonomie. C'est une réduction de volume, à une échelle et une vitesse qu'aucune équipe humaine ne pourrait atteindre seule, suivie exactement de la même étape de vérification qu'un laboratoire rigoureux aurait toujours exigée. Les agents ont changé ce qui arrivait devant un humain. Ils n'ont pas changé qui décidait ce qui comptait.

Cette distinction est au cœur de la question d'adoption pour la plupart des PME et des équipes dirigeantes aujourd'hui, que la tâche concerne des séquences ADN, des prospects entrants, des tickets support ou des CV.

Quatre implications pratiques en découlent.

1. Cherchez l'étape de filtrage, pas la réponse finale. Le cas d'usage IA à plus forte valeur dans la plupart des entreprises n'est pas de rédiger le rapport, c'est de réduire la pile à la partie qui mérite le temps d'un humain. Listes de prospects, candidatures, tickets support en attente, relecture de contrats : ce sont d'abord des problèmes de filtrage, avant d'être des problèmes de jugement.
2. Votre vraie contrainte c'est la capacité de vérification, pas le prix de l'abonnement. Anthropic a pu faire tourner 950 agents parce que des scientifiques étaient prêts à examiner chaque élément de la liste courte avant toute suite. Une équipe qui déploie un agent pour filtrer, sans personne dédiée à vérifier cette liste courte, n'a construit que la moitié d'un système. Budgétez le temps de vérification avant de budgétiser l'outil.
3. La tâche a besoin d'un résultat vérifiable. Les agents cherchaient quelque chose à la forme définie : un gène plus une séquence répétitive. Les tâches ouvertes, sans ligne claire entre correct et incorrect, sont beaucoup plus difficiles à filtrer de façon fiable, et beaucoup plus faciles à faire confiance à tort. Dans le cadre MAKIA, c'est d'abord une question de Knowledge avant d'être une question d'Impact : il faut définir à quoi ressemble une bonne réponse avant de laisser l'IA toucher au volume. Avant de confier un processus à un agent, demandez à quoi ressemble, par écrit, un élément correct de la liste courte.
4. Un usage discipliné des agents c'est rare, mais c’est nécessaire. La plupart des entreprises qui expérimentent avec des agents IA sautent l'étape où quelqu'un est responsable de la vérification. L'expérience d'Anthropic est notable moins pour la taille de l'essaim d'agents que pour le fait que chaque résultat avait un point de décision humain nommé avant de compter comme réel.

Rien de tout cela ne demande un budget de recherche ni un laboratoire de biologie. Cela demande de savoir, pour un seul processus de votre entreprise, où s'arrête exactement le filtrage et où commence le jugement, et de s'assurer qu'une personne se tient toujours à ce second point.

À tester cette semaine

Choisissez une tâche récurrente où votre équipe filtre manuellement un grand volume pour en tirer une liste courte : prospects entrants, CV, tickets support, factures à vérifier. Chronométrez cette semaine le temps que prend le filtrage lui même, séparément du temps passé à décider une fois la liste courte obtenue. Notez les deux chiffres. Ce ratio indique où un agent IA pourrait vous aider ce trimestre, et où il ne doit remplacer personne.