Anthropic a découvert dans Claude des motifs neuronaux qui rappellent un « espace de travail global »

Le 6 juillet 2026, Anthropic a publié sur son site transformer-circuits.pub l'étude « Verbalizable Representations Form a Global Workspace in Language Models ». Elle montre que dans les modèles de langage comme Claude se forme une structure qui ressemble, sur le plan structurel, à ce que les neuroscientifiques appellent l'espace de travail global de la conscience.

Ce qu'Anthropic a découvert

Les auteurs partent d'une analogie avec le cerveau humain. Pendant qu'une personne lit une phrase, son cerveau mène en parallèle des dizaines de processus dont elle n'a pas conscience : il maintient la posture, régule la respiration, transforme des traits sur un écran en mots reconnaissables. Une partie de cette activité reste pourtant accessible à la conscience : une image qui surgit, une décision réfléchie, l'orientation de l'attention. Les neuroscientifiques qualifient cette activité de consciemment accessible et la distinguent des processus automatiques. Elle présente des propriétés particulières : on peut la décrire avec des mots, la contrôler et raisonner à partir d'elle.

• Date de publication : 6 juillet 2026
• Éditeur : Anthropic, développeur de la famille de modèles Claude
• Titre de l'étude : Verbalizable Representations Form a Global Workspace in Language Models
• Plateforme de publication : transformer-circuits.pub, la section de recherche d'Anthropic consacrée à l'interprétabilité des modèles

Selon l'étude, une séparation comparable existe dans les modèles de langage. Les chercheurs ont identifié dans le modèle un petit ensemble de motifs neuronaux internes qui jouent un rôle particulier par rapport au reste du traitement : on peut les exprimer en mots (verbalizable). À l'inverse, un volume bien plus important de calculs internes reste entièrement « non verbalisable » et se déroule de lui-même, à la manière des processus automatiques du cerveau.

Pourquoi c'est important pour l'interprétabilité de l'IA

Anthropic étudie depuis longtemps le fonctionnement interne de ses modèles dans le cadre de son programme d'interprétabilité mécaniste. L'objectif : comprendre ce qui se passe précisément à l'intérieur du réseau de neurones entre le texte d'entrée et la réponse produite, plutôt que de juger le modèle uniquement de l'extérieur, sur ses réponses. La découverte d'une structure analogue à un espace de travail global offre aux chercheurs un nouvel outil.

Si une partie des représentations internes du modèle fonctionne réellement comme un sous-système « accessible au compte rendu », il devient possible de vérifier plus finement ce que le modèle « sait » vraiment et peut rapporter sur ses propres états internes, et ce qui reste caché, y compris au modèle lui-même. Cette distinction compte d'autant plus que les modèles de langage servent de plus en plus dans des scénarios où on ne leur demande pas seulement une réponse, mais aussi d'expliquer leur raisonnement, par exemple dans les chaînes de raisonnement (chain-of-thought) ou lorsqu'on demande au modèle pourquoi il a pris telle ou telle décision.

Ce que cela signifie

L'étude n'affirme pas que les modèles de langage possèdent une conscience au sens humain du terme. Elle met en évidence une analogie structurelle : un petit ensemble vérifiable de représentations internes, distinct du reste du traitement automatique. Pour l'interprétabilité de l'IA, c'est une avancée significative. Savoir quelle part des processus internes d'un modèle est, en principe, accessible à la vérification et au compte rendu verbal, et laquelle ne l'est pas, détermine directement le degré de confiance que l'on peut accorder aux explications que le modèle donne sur son propre raisonnement.

Questions fréquentes

Quand l'étude d'Anthropic sur l'espace de travail global dans les LLM

a-t-elle été publiée ?

Anthropic a publié l'étude « Verbalizable Representations Form a Global Workspace in Language Models » le 6 juillet 2026 sur le site transformer-circuits.pub.

Qu'est-ce que l'espace de travail global dans le contexte des modèles

de langage ?

Il s'agit d'un petit ensemble de motifs neuronaux internes du modèle que l'on peut exprimer en mots et contrôler. Il fait écho à la part de l'activité du cerveau humain qui est consciemment accessible, par opposition aux processus automatiques qui se déroulent sans intervention de l'attention.