Anthropic passe de 47 à 65 Md$ de revenus annualisés entre mai et juillet, mais son meilleur modè...

Les revenus annualisés d’Anthropic atteignent 65 Md$ en juillet, contre 47 Md$ en mai ⁸. Pendant ce temps, son modèle phare « struggle to attract users » face à des outils moins chers ⁸. Drew Breunig explique le mécanisme : avant Fable, améliorer son harness ou sa stratégie de contexte semblait inutile car un nouveau modèle arrivait au même prix et corrigeait les défauts. Fable a changé la donne : « la facture était si élevée et Opus était suffisant » ⁹. Le coût d’inférence pousse désormais les équipes à optimiser leur code au lieu d’attendre le prochain modèle.

Trois papiers convergent sur l’évolution des harness d’agents. FlowEvo propose des agents qui co-évoluent workflows et compétences exécutables au fil des épisodes, au lieu de jeter les procédures découvertes ¹⁴. Le framework « Hierarchical Self-Improvement » traite le harness comme un artefact évolutif et spécifique à chaque tâche, plutôt que fixé après déploiement ¹⁶. AgentMercury synthétise des environnements vérifiables pour entraîner des agents sur des workflows métiers réalistes à l’échelle ³. Le papier « Graph Engineering » formalise la progression : Prompt Engineering, Context Engineering, Harness Engineering, et au-delà ¹².

QuoteBench démontre que les scores de correspondance ne distinguent pas les erreurs de génération de commandes des échecs introduits par l’interface qui sérialise, wrappe et reparse la sortie du modèle ¹⁵. Sur 56 tâches one-shot, la validation d’état final révèle cette frontière ¹⁵. Parallèlement, l’étude sur le raisonnement en langue faiblement dotée montre que les benchmarks de précision sont du bruit à cette échelle : changer la graine aléatoire déplace le score de 7,7 points ⁵. Linus Torvalds raconte une session de debug « de l’enfer » où l’IA a énormément aidé, mais a plusieurs fois affirmé que le problème était insoluble — « je soupçonne que ces choses ont été entraînées par des gens qui… » ¹⁰.