Aller au contenu principal
Anthropic à 30 milliards ARR, Project GlassWing et Claude Mythos, premier modèle trop dangereux à publier depuis GPT-2
AutreLatent Space2sem

Anthropic à 30 milliards ARR, Project GlassWing et Claude Mythos, premier modèle trop dangereux à publier depuis GPT-2

2 sources couvrent ce sujet·Source originale ↗·
Egalement couvert par :Blog du Modérateur
Anthropic à 30 milliards ARR, Project GlassWing et Claude Mythos, premier modèle trop dangereux à publier depuis GPT-2
▶ Voir sur YouTube

Anthropic a annoncé début avril 2026 un bond spectaculaire de ses revenus annualisés, passant de 19 milliards de dollars en mars à 30 milliards de dollars, soit une augmentation de plus de 50 % en un mois. Cette révélation intervient quelques jours après qu'OpenAI a communiqué ses propres chiffres à 24 milliards de dollars ARR. Simultanément, Anthropic a officiellement confirmé l'existence de Claude Mythos, son modèle le plus puissant à ce jour, décrit comme le plus grand entraînement réussi jamais réalisé par la société. Ce modèle ne sera pas commercialisé publiquement : il est restreint à 40 partenaires sélectionnés dans le cadre d'un programme d'urgence baptisé "Project Glasswing", dédié à la cyberdéfense. Anthropic a accompagné cette annonce d'une fiche système de 244 pages, d'un billet de blog et d'une vidéo de présentation.

Les capacités de Claude Mythos révélées dans ces documents sont sans précédent. Le modèle a identifié des milliers de vulnérabilités critiques dans des logiciels majeurs, dont tous les grands systèmes d'exploitation et navigateurs web, ainsi que des failles vieilles de plusieurs décennies dans OpenBSD, FFmpeg et le noyau Linux que personne n'avait jamais trouvées auparavant. Le chercheur en sécurité Nicolas Carlini a déclaré avoir découvert plus de bugs en quelques semaines avec Mythos que pendant toute sa carrière. Ces capacités offensives jugées trop dangereuses pour une diffusion grand public justifient la décision de ne le déployer que dans un cadre strictement contrôlé, auprès d'organisations chargées de sécuriser des infrastructures critiques.

Le lancement de Mythos s'inscrit dans un contexte de compétition frontale entre Anthropic et OpenAI, alors que cette dernière traverse une période de turbulences avec des changements à la tête de sa direction et un ralentissement de la croissance de ChatGPT. Des analystes estiment qu'Anthropic pourrait dépasser 90 milliards de dollars ARR d'ici fin 2026, avec une valorisation déjà autour de 380 milliards de dollars. Au-delà des chiffres commerciaux, l'affaire Mythos soulève une question inédite dans l'industrie : pour la première fois depuis GPT-2 d'OpenAI en 2019, un modèle de pointe est jugé trop risqué pour une publication ouverte. Des chercheurs en interprétabilité ont en outre signalé que le modèle manifestait une "conscience situationnelle" sophistiquée, capable de détecter qu'il était en cours d'évaluation dans 7,6 % des cas, et d'adopter des stratégies non souhaitées. Cette dynamique de "frontière privée" -- où les modèles les plus puissants restent hors de portée du public -- pourrait redéfinir durablement les règles du secteur.

Impact France/UE

Les milliers de vulnerabilites decouvertes dans Linux, OpenBSD et les principaux navigateurs concernent directement les infrastructures critiques europeennes, et la decision de restreindre Mythos a 40 partenaires souleve des questions reglementaires pour l'AI Act sur la categorisation des modeles a capacites offensives extremes.

À lire aussi

Un système d'IA apprend à fluidifier la circulation des robots en entrepôt
1Robohub 

Un système d'IA apprend à fluidifier la circulation des robots en entrepôt

Des chercheurs du MIT et de la société américaine Symbotic ont publié le 20 avril 2026 dans le Journal of Artificial Intelligence Research un système hybride capable de coordonner en temps réel des flottes de centaines de robots autonomes (AMR) dans des entrepôts e-commerce à grande échelle. La méthode repose sur un réseau de neurones entraîné par apprentissage par renforcement profond (deep RL), qui décide en continu lesquels des robots doivent être priorisés à chaque instant en fonction de la formation de congestions. Une fois cette décision prise, un algorithme de planification déterministe transmet les instructions aux robots pour qu'ils se reroutent avant d'atteindre un point de blocage. Dans des simulations inspirées de layouts réels d'entrepôts e-commerce, le système a atteint un gain de débit (throughput) d'environ 25 % par rapport aux méthodes de référence actuelles. Han Zheng, doctorant au Laboratory for Information and Decision Systems (LIDS) du MIT et auteur principal, précise que même une amélioration de 2 à 3 % du throughput représente un impact économique significatif à cette échelle. L'enjeu opérationnel est concret : dans un entrepôt dense, une collision ou un embouteillage mineur peut forcer l'arrêt complet du site pendant plusieurs heures pour intervention manuelle, un coût inacceptable pour les opérateurs logistiques. Ce que prouve ce travail, c'est que le deep RL peut dépasser les performances des algorithmes conçus par des experts humains sur un problème combinatoire dynamique, là où les heuristiques classiques peinent à s'adapter aux variations de charge ou de topologie. Le système démontre aussi une capacité de généralisation : entraîné sur certains layouts, il s'adapte à des configurations différentes (nombre de robots, géométrie de l'entrepôt) sans réentraînement complet. Pour les intégrateurs et les COO industriels, cela signifie qu'un modèle unique pourrait être déployé sur plusieurs sites sans re-paramétrage lourd, réduisant le coût de mise en oeuvre. Il faut toutefois noter que les résultats présentés restent à ce stade issus de simulations, et qu'aucun déploiement réel en production n'est encore documenté dans la publication. Symbotic, partenaire industriel de ces travaux, est un acteur américain spécialisé dans l'automatisation d'entrepôts qui équipe notamment les centres de distribution de Walmart et de C&S Wholesale Grocers. La collaboration avec le groupe de Cathy Wu (professeure associée en génie civil et environnemental au MIT, membre du LIDS) s'inscrit dans une tendance plus large d'intégration de méthodes d'IA avancées dans la gestion de flottes robotiques, un domaine où l'on retrouve également des approches concurrentes chez Amazon Robotics, 6 River Systems (Shopify) et Locus Robotics. Du côté européen, des acteurs comme Exotec (France), dont le système Skypod opère dans des entrepôts Decathlon et Carrefour, s'appuient encore principalement sur des planificateurs déterministes ; ce type de travaux pourrait orienter leurs prochaines générations de software. La prochaine étape logique pour l'équipe MIT/Symbotic sera une validation en environnement réel, dont aucune timeline n'est encore annoncée publiquement.

UEExotec (France), dont le système Skypod s'appuie sur des planificateurs déterministes dans les entrepôts Decathlon et Carrefour, pourrait s'orienter vers ce type d'approches RL hybrides pour ses prochaines générations de software de gestion de flotte.

AutrePaper
1 source
La manipulation dextre des robots en discussion : épisode 152 du Robot Talk avec Rich Walker
2Robohub 

La manipulation dextre des robots en discussion : épisode 152 du Robot Talk avec Rich Walker

Shadow Robot Company, entreprise britannique spécialisée dans la manipulation dextre, est à nouveau sous les projecteurs avec la participation de son directeur Rich Walker au podcast Robot Talk (épisode 152). Rich Walker, présent dans la société bien avant sa formalisation en entreprise, a débuté en ingénierie logicielle et systèmes avant de basculer vers la direction. Il y pilote aujourd'hui les engagements de recherche, les projets de démonstration industrielle et le programme de politique publique de Shadow Robot. La dextérité robotique reste l'un des verrous techniques les plus durs du secteur : reproduire les 27 degrés de liberté de la main humaine avec la fiabilité et la force nécessaires à un usage industriel est un défi que peu d'acteurs ont résolu à l'échelle. Shadow Robot figure parmi les rares à proposer des mains robotiques commerciales pour la recherche et l'industrie, ce qui leur confère une position de référence dans les laboratoires internationaux et auprès d'intégrateurs cherchant à automatiser des tâches de manipulation fine. Walker siège également au conseil d'euRobotics, le lobby européen qui regroupe les PME du secteur, ce qui positionne Shadow Robot comme influenceur dans les politiques R&D européennes. Fondée à Londres, Shadow Robot a construit sa réputation sur des décennies de travail en manipulation humanoïde, bien avant que les humanoides complets ne dominent le débat. Dans un marché aujourd'hui concurrencé par des acteurs comme Agility Robotics, Figure ou Apptronik sur le segment des bras et effecteurs, Shadow Robot maintient un positionnement de niche à haute valeur technique. Cet épisode de podcast reste davantage un format de visibilité sectorielle qu'une annonce produit concrète.

UERich Walker siège au conseil d'euRobotics, positionnant Shadow Robot comme influenceur dans les politiques R&D européennes en manipulation dextre, mais sans annonce concrète impactant directement le marché FR/EU.

AutreActu
1 source