Un groupe d'utilisateurs intensifs de Claude s'est récemment exprimé sur des forums, affirmant que le modèle était devenu « plus bête ».
Ce n'est pas une métaphore, il s'agit d'une plainte réelle concernant une dégradation des performances. Un directeur senior d'AMD a posté sur Twitter que Claude n'est désormais « plus fiable pour gérer des tâches d'ingénierie complexes ». Un fil a été ouvert sur Hacker News, avec des dizaines de commentaires contenant les mêmes plaintes : les instructions ne sont pas suivies, les processus échouent, des choses qui étaient possibles auparavant ne le sont plus.
Ensuite, un journaliste de Fortune a enquêté et a découvert qu'Anthropic avait effectivement modifié quelque chose en coulisses.
Ce qui a été fait
Anthropic a discrètement abaissé le niveau d'effort par défaut de Claude de « high » à « medium ».
L'effet direct de cet ajustement est : le nombre de tokens consommés par requête diminue, la profondeur du raisonnement devient plus superficielle, passant d'un style « Research-first » (d'abord comprendre le contexte, puis agir) à un style « Edit-first » (donner une réponse rapide).
Vous pouvez comprendre ainsi : avant, pour faire un devoir, Claude lisait l'énoncé trois fois, organisait les connaissances pertinentes, puis écrivait. Maintenant, il le survole et commence à écrire. Les tâches plus complexes sont naturellement plus sujettes aux erreurs.
Boris Cherny, responsable de Claude Code, a répondu et a reconnu que ce changement « a été effectué en fonction des retours des utilisateurs sur la consommation de tokens ».
Mais cette réponse en elle-même est le problème.
Le problème n'est pas le changement, mais la façon dont il a été fait
Ce qui mécontente vraiment les gens, ce n'est pas l'ajustement des performances en soi, mais le fait qu'Anthropic n'ait pas informé les utilisateurs de manière proactive.
Pour les utilisateurs de l'API, les changements de comportement du modèle devraient être documentés – si vous modifiez la profondeur du raisonnement, mentionnez-le au moins dans les notes de version. Mais cette fois, les utilisateurs l'ont découvert par eux-mêmes, en comparant les résultats, et non par un avis officiel.
L'image de marque d'Anthropic a toujours été construite sur la base de « nous sommes plus transparents que les autres entreprises d'IA ». Constitutional AI, Model Cards, recherches sur l'Alignment publiées ouvertement… tout le discours externe insiste sur « nous sommes une entreprise d'IA responsable ». Pourtant, lorsqu'il s'agit des performances de leur propre produit, ils n'ont pas réussi à assurer la divulgation d'informations la plus élémentaire.
Encore plus embarrassant, cet incident survient exactement au moment où le chiffre d'affaires annualisé d'Anthropic a dépassé les 30 milliards de dollars et que l'extérieur commence à discuter d'une possible introduction en bourse (IPO).
La thèse de la crise de capacité de calcul
L'industrie a une interprétation plus audacieuse de cet ajustement : Anthropic pourrait réellement être en difficulté en matière de capacité de calcul.
Comparé à OpenAI et Google, Anthropic n'a pas autant d'accords de centres de données propres. OpenAI a Microsoft Azure, Google a sa propre infrastructure, Meta a même dépensé près de 50 milliards de dollars en infrastructure IA. Anthropic dépend des services cloud externes d'Amazon et de Google, ce qui la place dans une position de faiblesse naturelle pour l'allocation flexible des ressources de calcul.
De plus, Anthropic a récemment subi plusieurs interruptions de service, ainsi que des limites d'utilisation plus strictes aux heures de pointe – ces signes combinés, bien que la thèse de la capacité de calcul soit spéculative, n'est pas infondée.
Un initié d'OpenAI a même déclaré dans une interview aux médias qu'il s'agissait d'une « erreur stratégique » d'Anthropic de ne pas avoir sécurisé suffisamment de ressources de calcul à l'avance. Que cette déclaration soit une attaque opportuniste ou non, libre à chacun d'en juger, mais elle montre au moins que cette préoccupation existe réellement.
La contradiction centrale de l'incident
| Perspective | Attente de l'utilisateur | Action réelle d'Anthropic |
|---|---|---|
| Changement de performance | Les capacités du modèle ne font qu'augmenter, jamais diminuer | Réduction discrète du niveau d'effort |
| Divulgation d'informations | Les changements importants doivent être communiqués | Reconnu seulement après avoir été interrogé |
| Engagement de marque | Entreprise d'IA la plus transparente du secteur | Cette fois, clairement pas respecté |
Si cela n'avait été qu'une optimisation de produit, les gens se seraient plaints quelques jours puis auraient oublié. Mais cela touche à un problème plus fondamental : lorsqu'une entreprise d'IA commence à ressentir une pression commerciale, va-t-elle prioriser la protection des profits ou la protection des intérêts des utilisateurs ?
Le groupe d'utilisateurs principaux de Claude – les développeurs intensifs d'API, les décideurs techniques en entreprise – est précisément le plus sensible à ce genre de problèmes. Ils ne se soucient pas seulement de la capacité actuelle du modèle, mais aussi des choix que cette entreprise fera sous pression.
La manière dont cet incident sera traité par la suite est, dans une certaine mesure, plus importante que l'incident lui-même.
« Ce n'est pas que nous n'acceptons pas les changements, c'est que nous n'acceptons pas qu'on nous les cache. » – Commentaire sur Hacker News
Source de référence : CocoLoop, Anthropic is facing a wave of user backlash over reports of performance issues with its Claude AI chatbot (Fortune)