Anthropic présente Claude Sonnet 4.5 : Un bond en avant ou une continuité des promesses non tenues ?
Anthropic, la société à la pointe de l’intelligence artificielle, a récemment dévoilé son dernier modèle, Claude Sonnet 4.5. Ce modèle a été mis à l’épreuve dans une expérience impressionnante où il a réussi à générer 11 000 lignes de code sans supervision, en travaillant pendant 30 heures consécutives. Bien que cela puisse sembler révolutionnaire, la question se pose : est-il vraiment aussi performant qu’annoncé ?
Une rivalité acharnée dans le secteur
Dans un écosystème dominé par des géants tels qu’OpenAI et Google, la bataille pour le contrôle des agents autonomes et des outils de programmation est plus intense que jamais. Les entreprises qui parviennent à convaincre le public et les entreprises de leurs solutions novatrices seront celles qui captureront des parts de marché considérables, notamment à travers des licences lucratives. Selon Scott White, responsable produit chez Anthropic, Claude Sonnet 4.5 fonctionne “au niveau d’un chef de cabinet“, impliquant des tâches de coordination, d’analyse de données, et de rédaction d’rapports.
L’expérience des développeurs : un récit contrasté
Cependant, certains développeurs ont une vision plus nuancée de ce modèle. Miguel Ángel Durán, connu sous le pseudonyme @midudev, a partagé son expérience décevante : “Claude Sonnet 4.5 a refactorisé tout mon projet en un prompt. Au final, malgré l’apparence d’un code bien structuré — 14 nouveaux fichiers et 1500 lignes modifiées — rien ne fonctionnait.” Cette situation n’est pas unique, plusieurs utilisateurs constatent que, bien que le code généré semble professionnel, il échoue souvent à se compiler correctement.
La limite des promesses : discours versus réalité
Anthropic n’a jusqu’à présent pas montré de manière concrète que l’application de Slack qu’il a développée fonctionne réellement. Cette dissociation entre communication et preuves tangibles a été mise en lumière par de nombreux utilisateurs, dont Ed Zitron. De plus, la société reconnaît implicitement que Claude Sonnet 4.5 nécessite une infrastructure supplémentaire pour créer des agents efficaces, indiquant ainsi que même le modèle le plus sophistiqué a besoin d’outils complémentaires pour assurer une programmation fiable. Cela soulève des questions sur la véritable avancée technologique de ce modèle.
Dans une interview accordée à The Verge, Dianne Penn a déclaré que les améliorations apportées à Claude Sonnet 4.5 ont étonné l’équipe interne. En effet, le modèle est désormais trois fois plus efficace lorsqu’il s’agit d’utiliser des ordinateurs que la version précédente. Enfin, des entreprises comme Canva, qui participent à la phase de beta-testing, affirment que le modèle les aide dans “des tâches complexes de long contexte”.
Un gouffre entre marketing et réalité technique
Il est évident qu’un décalage existe entre le marketing d’Anthropic et la réalité technique. Bien que les promesses d’une IA capable de produire du code pendant des heures soient intrigantes, les développeurs pointent du doigt le fait que même si le code généré est bien structuré, il reste souvent inutilisable. Ce schéma est loin d’être unique à Claude Sonnet 4.5. De nombreux modèles contemporains promettent des avancées tout en continuant à générer du code qui semble professionnel mais ne fonctionne pas de manière autonome.
Quelles perspectives d’avenir ?
La question demeure : quand passerons-nous d’une IA qui génère du code esthétiquement plaisant mais non fonctionnel à une IA capable de produire, de manière autonome, du code opérationnel ? Anthropic mise sur sa combinaison d’un modèle avancé et d’une infrastructure supplémentaire pour surmonter ces défis. Cependant, les utilisateurs attendent des preuves concrètes et vérifiables qui démontreraient que la technologie mise au point résout ces problèmes.
La quête pour une intelligence artificielle véritablement fonctionnelle ne fait que commencer. En attendant, il est impératif pour les entreprises et les développeurs de rester critiques face aux promesses” sur les modèles d’A.I. et de ne pas hésiter à tester ces solutions avant de les adopter massivement.