Claude dans la recherche scientifique. Anthropic analyse 207 049 sessions
Le rapport distingue les usages observés de Claude et les projections d’accélération scientifique. Son échantillon et sa méthode limitent les conclusions possibles.
Anthropic publie le 5 novembre 2026 une étude sur les usages scientifiques de Claude. L’analyse porte sur 207 049 sessions réalisées entre le 2 août et le 30 septembre. Elle montre surtout une concentration sur l’analyse de données et la rédaction. Le rapport explore aussi des accélérations possibles de la recherche. Ces projections reposent toutefois sur un modèle économique et des hypothèses explicites. Elles ne mesurent pas des découvertes déjà obtenues plus vite.
Des conversations classées selon le travail réalisé
Le corpus principal réunit 128 914 sessions de Chat et Cowork ainsi que 78 135 sessions de Claude Code. Anthropic retient des comptes grand public Free ou Pro ou Max. Pour Claude Code, les sessions doivent impliquer une interaction avec une personne. L’usage programmatique reste hors de ce périmètre. Ces nombres décrivent des sessions et ne donnent donc pas un nombre de chercheurs distincts.
Un modèle repère les échanges liés à un travail scientifique. Un autre les associe à une discipline et à une tâche principale. La nomenclature SciNet couvre 34 domaines disciplinaires et 7 262 tâches. Les résultats sont pondérés pour corriger les probabilités d’échantillonnage. Selon Anthropic, les équipes de recherche analysent des catégories fermées plutôt que des détails ouverts sur les travaux. Les résultats ne sont publiés que pour des groupes dépassant un seuil de comptes.
L’analyse de données et l’écriture dominent
L’analyse de données représente 33,7 % des sessions scientifiques sur Claude et 48,1 % sur Claude Code. L’écriture et la communication occupent 32 % des sessions sur Claude. La génération d’idées et d’hypothèses apparaît dans 4,2 % des sessions sur Claude et 2,1 % sur Claude Code. Il s’agit de parts de sessions classées. Ces chiffres ne constituent ni des parts du temps de travail réel ni des taux de réussite.
Les sciences formelles utilisent davantage Claude relativement à leur nombre de chercheurs estimé. Les disciplines reposant sur le laboratoire ou le contact avec des patients l’utilisent moins. Cette comparaison dépend aussi des estimations de SciNet. Elle ne fournit pas un recensement de tous les outils d’IA utilisés dans la recherche mondiale. Le rapport observe également Claude Science dans un échantillon complémentaire. Ses utilisateurs et ses tâches peuvent différer de ceux des interfaces généralistes.
Une enquête auprès de chercheurs déjà intéressés par l’IA
Une enquête séparée complète les conversations observées. Sur 1 813 chercheurs contactés, 528 répondent en septembre 2026. Ils ont candidaté à des programmes de crédits Anthropic et travaillent surtout en sciences biologiques ou médicales. Le rapport les rattache à des institutions américaines et canadiennes. Leur sélection favorise donc des utilisateurs déjà intéressés par l’IA. Leurs attentes ne représentent pas automatiquement celles de toute la communauté scientifique.
Les projections d’accélération restent conditionnelles
Le rapport construit un classement théorique des tâches que l’IA saurait réaliser. Ce classement vient de comparaisons effectuées par un modèle. Il sert ensuite à construire plusieurs scénarios économiques. Les résultats les plus élevés supposent l’automatisation de toutes les étapes non physiques. Les expériences matérielles restent des contraintes. Le coût des machines et des consommables ne figure pas dans le calcul présenté.
L’annexe précise aussi des hypothèses sur le prix du travail humain et de l’IA. Elle suppose notamment une qualité identique avec ou sans assistance. Aucune de ces hypothèses ne remplace une mesure expérimentale de la production scientifique. La validation du classement des sessions comporte elle-même des limites. Sur des conversations synthétiques, la précision annoncée atteint 69 % pour la tâche et 58 % pour le couple tâche et sous-discipline. Ce contrôle ne constitue pas une validation indépendante sur les conversations réelles.
Ce que cette étude permet de retenir
Le rapport intégral d’Anthropic et son annexe méthodologique permettent de séparer les observations et les simulations. Cette distinction complète notre article sur la méthode de METR pour étudier l’accélération de la recherche. Les deux travaux ont des protocoles différents. Leurs indicateurs ne peuvent pas être additionnés pour annoncer un gain général.
Je retiens surtout l’intérêt de regarder les tâches une par une. Une aide à la rédaction peut être utile sans accélérer toute une étude. Pour juger le progrès, je regarderais le temps de vérification et la solidité des résultats autant que le volume de textes ou de code produit. Ça donne un critère plus concret pour décider où l’assistance mérite une place.