Anthropic : 207 000 sessions Claude — où l’IA aide déjà la science, et où le banc bloque

En une phrase : Le 5 novembre 2026, Anthropic a publié une analyse de 207 049 sessions scientifiques sur Claude et Claude Code (2 août–30 septembre 2026) : l’usage se concentre sur l’analyse de données et l’écriture, les sciences formelles surutilisent l’outil par rapport à leur poids démographique, et les scénarios d’accélération ×2 à ×15 sont illustratifs — pas une mesure d’articles publiés ni une prévision.

Le titre qui circule (« Claude accélère la science ×15 ») mélange trois choses que le rapport Anthropic du 5 novembre 2026 sépare. D’abord, un relevé d’usage sur 207 049 sessions classées. Ensuite, un modèle économique de scénarios. Enfin, une enquête auprès de 528 chercheurs. Pour un labo ou un décideur R&D en France, l’intérêt n’est pas le superlatif : c’est de savoir où Claude aide déjà, où la paillasse reste le goulot, et ce qu’il ne faut pas lire comme une prévision.

Ce qu’Anthropic a réellement mesuré

L’échantillon principal du rapport porte sur des forfaits grand public, du 2 août au 30 septembre 2026 : 128 914 sessions Claude (interfaces Chat et Cowork) et 78 135 sessions Claude Code. Une session est une interaction classée comme travail scientifique, pas un chercheur unique, pas un article, pas une découverte validée. The Boston Report le rappelle : confondre ces unités gonfle le titre.

La méthode, décrite par Anthropic, repose sur une infrastructure qui préserve la confidentialité : un premier classificateur repère le travail scientifique ; un second assigne champ, sous-champ et tâche selon la taxonomie SciNet (7 262 tâches, 34 champs, 318 sous-champs). Seules les étiquettes sont retenues pour l’analyse agrégée ; le contenu (hypothèses, jeux de données, résultats non publiés) n’est pas stocké pour ce rapport. Les résultats ne sortent que pour des cellules qui dépassent un seuil minimal de comptes distincts.

Limites affichées, à garder en tête avant tout chiffre :

1. Données Anthropic seulement : on mesure l’usage de Claude / Claude Code / Claude Science, pas celui de ChatGPT, Gemini ou Mistral.
2. Classification automatique : erreur de classement et sélection (qui utilise Claude) restent des biais.
3. Enquête non représentative : 528 scientifiques, surtout sciences de la vie et de la santé, recrutés parmi des candidats à des programmes de crédits Anthropic aux États-Unis et au Canada — donc des adoptants déjà actifs.

Où les sessions se concentrent — et où elles manquent

Sur Claude, les trois plus grands champs en volume de sessions sont l’informatique (11,9 %), l’ingénierie (8,4 %) et la médecine (7,7 %). Mais le volume absolu suit surtout la taille des communautés. Le signal utile est l’usage relatif au nombre de chercheurs : les sciences formelles (informatique, mathématiques, statistiques) sont au-dessus de la diagonale ; chimie de labo et médecine, souvent plus physiques ou cliniques, restent en dessous.

Sur Claude Code, la concentration est plus nette : l’informatique pèse 32,7 % des sessions alors qu’elle ne représente, selon SciNet cité par Anthropic, que 4,3 % des chercheurs mondiaux (hors pays où Claude n’est pas disponible). L’intelligence artificielle et l’apprentissage automatique, sous-champ, atteignent 5,0 % des sessions Claude et 15,2 % de Claude Code pour 1,2 % des chercheurs.

Par catégorie de tâche, le rapport compare la part des sessions à une estimation du temps chercheur (aussi via SciNet) :

Source : Anthropic, 5 novembre 2026, consulté le 7 novembre 2026. La rédaction du manuscrit est la tâche individuelle la plus fréquente (18,6 % sur Claude, 11,1 % sur Claude Code).

L’écart le plus utile pour un labo : les tâches que les chercheurs sondés jugent les plus importantes pour une découverte (idéation, puis collecte) sont précisément celles sous-représentées dans l’usage observé. Pour la collecte, Anthropic pointe surtout les barrières physiques (données cliniques, biochimiques). Pour l’idéation, les raisons possibles se mélangent : préférence humaine, capacités perçues comme limitées, et sous-comptage (l’idéation est souvent tissée dans d’autres tâches).

Sur l’outil spécialisé Claude Science, l’idéation remonte à environ 8 % des sessions — du même ordre que la part de temps chercheur — et les tâches y sont plus longues, plus doctorales et plus autonomes que sur Claude. Ce n’est pas une preuve que « la science est déjà automatisée » : c’est un signal que l’interface et les connecteurs de données changent le mix de tâches.

Capacités théoriques et scénarios ×2 à ×15

Anthropic construit un score de capacité théorique par tâche (comparaisons pairwise agrégées type Bradley–Terry). Les tâches du quintile supérieur (visualiser des données, appliquer des tests statistiques…) obtiennent environ deux fois plus d’usage que le temps chercheur ne le prédirait sur Claude, et environ quatre fois sur Claude Code. Le quintile inférieur (purifier un mélange réactionnel, observation participante…) est quasiment absent. Le score corrèle avec l’aptitude à l’apprentissage par renforcement (0,78) et le caractère cognitif du travail (0,69) ; il chute avec le travail physique (−0,57).

À partir de là, le rapport explore trois scénarios illustratifs, pas des prévisions de publications :

Source : section « Research acceleration scenarios » du rapport Anthropic, consulté le 7 novembre 2026. Les coûts retenus pour le modèle (30 $ l’heure d’agent IA contre 95 $ l’heure chercheur, 0,2 h d’IA par heure chercheur économisée) sont présentés comme illustratifs.

Deux leçons du modèle, utiles même si tu rejettes les multiplicateurs :

1. Le banc plafonne : dès que ~38–41 % du temps chercheur est physique (chimie, matériaux, biomédical…), l’accélération reste bornée sans labos automatisés.
2. Le ×15 n’est pas « Claude aujourd’hui » : c’est l’hypothèse où tout le non-physique est automatisé et où le coût de l’IA devient le plafond.

Dans l’enquête, environ 40 % des répondants attendent que l’IA mène des projets de recherche bout-en-bout d’ici 2030 (environ 64 % d’ici 2035 ; 16 % disent que cela n’arrivera jamais). Plus de la moitié attendent que l’IA égale les meilleurs chercheurs en analyse de données dès 2027. Ce sont des attentes d’adoptants déjà actifs, pas un sondage de la communauté scientifique mondiale.

Ce que ça change pour un labo ou un décideur R&D en France

Si tu diriges une équipe ou tu finances de la R&D, trois lectures concrètes du rapport :

1. Où déployer d’abord : analyse statistique, code, nettoyage et visualisation de données, rédaction et réponses aux relecteurs. C’est là que l’usage observé et le score de capacité se rejoignent. Un pôle stats / informatique a plus à gagner qu’un protocole de purification sur paillasse.
2. Où ne pas promettre de ROI ×15 : toute feuille de route qui ignore la part physique du temps chercheur contredit le modèle d’Anthropic elle-même. En sciences de banc, le plafond affiché sous automatisation totale du non-physique reste autour de ×3 à ×4.
3. Comment lire les autres signaux Anthropic : ce rapport mesure l’usage et des scénarios. Ce n’est pas la même chose que l’évaluation METR sur l’accélération de la R&D chez Anthropic (~×1,9 sur l’AECI, preuves en partie caviardées), ni que le seuil RSP évoqué dans le S-1. Trois angles, trois méthodes : les croiser sans les fusionner.

Pour un chercheur individuel en France : le rapport ne dit pas si Claude est autorisé par ton établissement, ni s’il respecte ton régime de données personnelles ou de secrets industriels. Il dit seulement où, dans l’échantillon Anthropic, l’outil est déjà massivement utilisé — et où le goulot reste humain et physique. Les agents IA et les outils type Claude Code accélèrent surtout le segment cognitif déjà bien servi ; ils ne remplacent pas une campagne expérimentale. L’interprétation des données déjà produites en paillasse est un autre sujet : le 6 novembre 2026, OpenAI a publié BioBasicsBench, un banc de 100 tâches wet-lab sur données brutes, distinct de ce rapport d’usage — il n’évalue pas la collecte physique.

Ce qu’on ne sait toujours pas

Le rapport ne mesure pas la qualité des découvertes, ni le taux d’erreurs ou d’hallucinations dans les sorties, ni l’impact sur le nombre d’articles acceptés. Il ne couvre pas les forfaits entreprise hors échantillon décrit, ni les chercheurs qui n’utilisent pas Claude. Il n’évalue pas non plus si l’idéation assistée produit de meilleures questions — point que la discussion du rapport reconnaît comme potentiellement décisif, et encore mal mesuré. Pour une organisation déjà sur Claude Enterprise, ou qui l'évalue, les contrôles de sécurité annoncés le même jour (5 novembre 2026) sont cartographiés à part : seuls les hooks d'inférence sont généralisés, le security center reste en bêta.

En résumé : 207 049 sessions dessinent une carte d’usage (stats/code/écriture en tête ; idéation et collecte physique en retrait ; sciences formelles en sur-usage). Les scénarios ×2 et ×15 disent surtout où le physique bloque. Pour un lecteur français, la décision utile est opérationnelle : déployer là où le rapport montre déjà de la densité, et refuser de traiter un scénario illustratif comme une prévision d’automatisation de la science.