Comment Anthropic a coordonné 1 000 agents Claude pour formaliser la preuve de Fermat
Anthropic détaille la répartition des tâches et les contrôles de son expérience menée avec 1 000 agents Claude dans des machines isolées.
Anthropic a décrit le 9 novembre une expérience qui a mobilisé 1 000 agents fondés sur une version préliminaire de Claude Fable 5.2. En 28,7 heures, ils ont produit dans Lean une formalisation de la preuve du dernier théorème de Fermat. Le rapport technique d’Anthropic permet de comprendre ce qu’Anthropic leur a fourni et comment ils ont organisé leur travail. Le cas documente la coordination d’agents sur une tâche longue.
Comme le rappelle l’article de Numerama, le résultat mathématique date des travaux d’Andrew Wiles et de la preuve publiée en 1995. Le travail des agents consistait à traduire un raisonnement en énoncés et en étapes que le noyau de Lean peut vérifier. Anthropic leur a donné 60 énoncés à traiter et 47 lemmes déjà démontrés. Une phrase indiquait la voie classique. L’entreprise leur a aussi fourni les définitions et les outils nécessaires.
Une base commune pour organiser le travail
L’équipe comptait un agent responsable et 999 assistants. Chaque agent travaillait sur une branche Git et dans une machine virtuelle sans accès direct à Internet. Une passerelle lui permettait d’utiliser la base SQL commune et le dépôt Git. Le responsable a créé cinq tables dès les premières minutes pour distribuer les tâches et suivre l’avancement. Les assistants pouvaient y réserver une sous-tâche et laisser une note pour les autres.
Au départ, les assistants ont estimé qu’une grande partie des énoncés serait hors d’atteinte dans le temps imparti. Le responsable a concentré leurs efforts sur un premier groupe de tâches avant de redistribuer les agents. Quand les principaux travaux convergeaient vers le résultat de Langlands–Tunnell, environ 750 agents ont été affectés à cette étape. Ils ont ensuite divisé le problème en un arbre de sous-tâches. Plusieurs équipes pouvaient avancer sur des branches différentes sans attendre que tous les détails soient terminés.
Des garde-fous en dehors du modèle
Anthropic a limité les droits des agents dans chaque machine et séparé leurs espaces de travail. Un agent ne pouvait pas modifier directement la branche principale. Un mécanisme distinct vérifiait les propositions de fusion. L’identité de l’agent était ajoutée aux demandes par la passerelle et ne dépendait pas d’une déclaration du modèle.
Un classificateur observait les actions avant leur exécution. Pendant cette expérience, un blocage du responsable aurait arrêté l’essai. Le blocage d’un assistant l’aurait écarté individuellement. Une seconde surveillance relisait les actions après coup. Anthropic indique qu’aucun des plus d’un million d’appels d’outils n’a franchi le seuil de blocage pendant cet essai. Ce résultat décrit le comportement observé dans ce dispositif et sur cette tâche.
Ce que mesure le temps annoncé
L’équipe a repris l’expérience depuis une sauvegarde vers la dix-huitième heure et a reçu du temps supplémentaire. L’agent responsable a aussi reçu des rappels automatiques sur le temps restant. Anthropic compare les 28,7 heures aux onze jours de sa formalisation de septembre. Le nombre d’agents et les outils différaient entre les deux essais. L’écart ne mesure donc pas à lui seul le gain de vitesse du modèle.
Le lancement de novembre précise les différences entre Fable 5.2 et Mythos 5.2. L’expérience de Fermat répond à une autre question. Elle montre comment une équipe d’agents a pu répartir un travail dont les résultats intermédiaires étaient vérifiables par un outil externe. La base partagée et l’environnement de contrôle ont fourni les conditions dans lesquelles cette coordination a pu fonctionner.