Anthropic dévoile Claude Fable 5.2 : le dernier théorème de Fermat en Lean en 30 heures au lieu de 11 jours

Quand un laboratoire affirme que « l'IA fait désormais de la science », la première question est simple : qu'a-t-elle fait exactement, et qui l'a vérifié ? Anthropic a lancé Claude Fable 5.2 et Mythos 5.2 et avance d'un coup quatre annonces. Elles n'ont pas du tout le même poids, et il ne faut pas les fondre en un seul titre sur une « percée ».

Ce qu'Anthropic affirme exactement

Selon l'entreprise, Fable 5.2 a formalisé en Lean en 30 heures la preuve du grand théorème de Fermat. La version précédente y consacrait 11 jours. Dans la deuxième expérience, Fable a coordonné plus d'un millier d'agents d'IA, et en huit jours ceux-ci ont écrit un prototype de système d'exploitation doté de son propre noyau, de pilotes et d'une interface graphique.

Les deux autres annonces relèvent de la science. Anthropic indique avoir résolu deux problèmes ouverts de physique théorique liés aux trous noirs et à la gravité quantique. Le modèle Mythos aurait, d'après elle, proposé une nouvelle méthode de modélisation des capsides virales (les enveloppes protéiques des virus).

Où se trouve le vrai signal

L'histoire la plus précieuse pour un praticien est celle de Lean. C'est un système où la preuve est vérifiée non par un relecteur, mais par un compilateur. Soit la chaîne de raisonnement tient, soit le fichier ne compile pas. Formaliser une preuve connue revient à traduire un texte humain, plein de formules du type « il est évident que », en une forme machine rigoureuse. C'est un immense travail de routine, et le passage de 11 jours à 30 heures représente une accélération de près de neuf fois.

Autre point important : un tel résultat peut être vérifié sans croire le laboratoire sur parole. Si Anthropic publie les fichiers sources, n'importe qui pourra les faire passer dans Lean. C'est la même logique que celle des tests et du compilateur dans le développement ordinaire : plus le vérificateur automatique est strict, plus on peut laisser un agent travailler longtemps en toute sécurité.

L'histoire des mille agents est intéressante non pour l'OS lui-même, mais parce que le modèle y joue le rôle de chef d'orchestre. La question n'est plus de savoir s'il écrit bien une fonction, mais s'il tient un plan, répartit les tâches et rassemble le résultat au bout d'une semaine de travail. Le post ne dit rien du coût, du nombre d'erreurs ni de la distance entre ce « prototype » et un système fonctionnel. Sans ces chiffres, impossible d'évaluer l'ampleur.

Ce qui reste en suspens

L'auteur du post d'origine formule lui-même des réserves importantes. L'IA n'a pas redémontré le théorème de Fermat : la preuve est connue depuis longtemps, elle l'a seulement traduite en forme formelle. C'est une réussite d'ingénierie, pas une découverte mathématique.

Avec la physique, il faut être plus prudent encore. Les résultats sont pour l'instant présentés sous forme de prépublications, c'est-à-dire qu'ils n'ont pas été évalués par des pairs, simplement publiés. La plupart des expériences ont été menées par Anthropic elle-même. Le document ne contient ni reproductions indépendantes, ni comparaisons avec les méthodes existantes, ni chiffres sur les métriques pour les capsides virales. Pour l'instant, c'est une annonce, pas un fait établi.

Que faire de tout cela

Pour le développeur. Retenez le schéma, pas la marque. Là où le résultat de l'agent est vérifié par une machine (Lean, tests, types, simulation), les longues tâches autonomes sont déjà réalistes. Là où la vérification se résume à « ça a l'air bon », il est trop tôt pour déléguer autant.

Pour le product manager. Regardez la durée des tâches, pas les benchmarks de cinq minutes. Le passage de 11 jours à 30 heures montre que, sur les longs horizons, les modèles progressent vite. Intégrez-le à votre planification, mais testez-le sur vos propres cas.

Pour le fondateur. Ne bâtissez pas votre feuille de route sur un communiqué de presse. Attendez les données primaires, les reproductions indépendantes et les conditions d'accès : le prix et la disponibilité dans l'API ne sont pas mentionnés dans le post. Pour l'instant, on peut simplement noter que les systèmes d'agents ont appris à travailler des jours et non des minutes. Mais les déclarations sur des « problèmes de physique résolus » mieux vaut les mettre de côté tant que quelqu'un d'autre que les auteurs ne les a pas vérifiées.