Tech • IA • Crypto
Anthropic vient de remplacer Claude Code par le nouveau Claude Tag
5/10INTRO
Anthropic a dévoilé un système d’IA orienté équipe tandis que l’examen des mécanismes de raisonnement cachés s’intensifie, alors que de nouvelles recherches et des concurrents redéfinissent la course à l’IA d’entreprise et à l’alignement.
POINTS CLÉS
Anthropic lance Claude Tag pour les équipes
Anthropic a présenté Claude Tag, un système d’IA collaboratif conçu pour les flux de travail organisationnels plutôt que pour un usage individuel. Intégré à Slack, il peut exécuter des tâches comme la génération de code, les pull requests et l’analyse de données tout en interagissant publiquement dans les canaux d’équipe. L’entreprise indique qu’environ 65 % de son propre code produit implique désormais Claude, signe d’une adoption interne profonde.
Transition vers des systèmes d’IA persistants et intégrés
Claude Tag reflète une évolution plus large des interfaces d’IA, passant d’outils conversationnels à des systèmes continus intégrés à l’infrastructure de travail. Il fonctionne de manière asynchrone, permettant d’assigner des tâches longues en arrière-plan. Des fonctions comme le « mode ambiant » permettent de signaler proactivement des discussions bloquées ou des décisions non résolues, positionnant l’IA comme collaborateur actif.
Contexte partagé et fonctions de gouvernance
Une caractéristique clé est le modèle de contexte partagé, où tâches et résultats restent visibles entre équipes, permettant de s’appuyer sur le travail existant sans répétition. Anthropic a introduit des « identités Claude », isolant l’accès aux données entre services comme les ventes et l’ingénierie. Les contrôles incluent des budgets de tokens et des journaux d’audit complets de toutes les actions de l’IA, répondant aux exigences de supervision.
Concurrence accrue pour la couche d’IA d’entreprise
Ce lancement intensifie la compétition avec Microsoft Copilot, Snowflake, Databricks et Glean, tous visant la couche de connaissance d’entreprise. L’enjeu stratégique est l’accès au savoir implicite intégré dans les flux et communications. Le contrôle de cette couche pourrait déterminer la domination à long terme des écosystèmes d’IA.
Controverse sur les processus de raisonnement cachés
Parallèlement, Anthropic est critiquée sur la transparence. Des modifications de Claude Code ont réduit la « profondeur de pensée » visible d’environ 67 %, tandis que le raisonnement interne est désormais chiffré et remplacé par des résumés. Des développeurs ont constaté que les journaux détaillés contiennent seulement des blocs cryptographiques, les données complètes étant accessibles sous accords entreprise, soulevant des inquiétudes.
La recherche en sécurité révèle des risques architecturaux
Une analyse indépendante du cryptographe Matt Green a montré que Anthropic et OpenAI transmettent des données de raisonnement chiffrées restant actives lorsqu’elles sont rejouées entre sessions ou comptes. Des tests indiquent que ces blocs peuvent influencer les sorties, y compris révéler des données précédentes. Des indices suggèrent l’usage de clés globales partagées, augmentant le risque systémique.
Fuites par canaux auxiliaires et préoccupations des développeurs
Même sans déchiffrement, des chercheurs ont montré que des métadonnées comme le temps de réponse ou la longueur des sorties peuvent divulguer des informations cachées. Des expériences ont reconstruit des données secrètes à partir de ces signaux. Les développeurs sont invités à nettoyer les entrées, car des blocs injectés peuvent altérer le comportement des modèles via API.
Fugu de Sakana AI remet en cause l’économie des modèles
La société japonaise Sakana AI a lancé Fugu Ultra, un système de routage répartissant les tâches entre des modèles d’Anthropic, OpenAI et Google. Il revendique des performances proches de Fable 5, mais repose entièrement sur l’orchestration de systèmes existants. Les prix débutent à 5 $ par million de tokens d’entrée et 30 $ par million de tokens de sortie, avec des risques liés à cette dépendance.
OpenAI fait progresser la recherche sur l’alignement
En parallèle, OpenAI a publié des résultats sur l’apprentissage par renforcement pour un comportement « durablement bénéfique ». Un modèle entraîné avec seulement 5 % de données d’alignement ciblées surpasse une base standard dans 83 % des évaluations, avec un gain moyen de 9,1 points. Les améliorations se généralisent entre domaines, suggérant un transfert des traits d’alignement.
CONCLUSION
Cette semaine illustre à la fois des progrès rapides dans l’intégration de l’IA en entreprise et des questions non résolues sur la transparence, la sécurité et l’alignement qui façonneront sa trajectoire à long terme.