Le récap’ des outils IA — Quelles avancées cette semaine ? — Semaine du 18 septembre 2026

# De l’outil isolé au système coordonné

Cette semaine, la rupture n’est pas venue d’un nouveau générateur spectaculaire. Elle se trouve plutôt dans la manière dont les outils s’organisent : les modèles travaillent en équipe, se spécialisent par métier et participent même au développement de leur propre génération suivante.

Dans l’image, la vidéo et la musique, le mouvement est différent mais complémentaire. L’enjeu n’est plus seulement de produire un contenu impressionnant : il faut intégrer l’IA à un processus professionnel, maîtriser son usage et clarifier les droits.

Claude participe déjà à la création de ses successeurs

Anthropic affirme que Claude « dirige » désormais 26 % de ses travaux de recherche et développement sur l’IA. Dans la définition retenue par l’entreprise, cela signifie que le modèle peut réaliser l’essentiel d’une tâche à partir d’une consigne générale, sous la supervision et la direction d’un humain.

Claude intervient par ailleurs, au moins en collaboration, dans plus de 90 % des travaux de R&D mesurés chez Anthropic. La progression est rapide : la part des tâches qu’il dirige était quasiment nulle en février 2026.

Ces chiffres viennent d’Anthropic et doivent donc être lus comme une mesure interne, pas comme une évaluation indépendante des capacités de Claude. L’entreprise précise aussi que le modèle ne travaille pas encore de manière totalement autonome sur les activités évaluées.

Le signal reste important. L’IA ne sert plus seulement à écrire du code, résumer des articles scientifiques ou analyser des résultats : elle contribue directement à la conception des systèmes qui lui succéderont. Anthropic dit avoir compté environ 30 000 agents effectuant simultanément des travaux de recherche et d’ingénierie sur sa plateforme interne la plus utilisée en août.

Cette évolution pose une question autant organisationnelle que technique : comment superviser des milliers d’agents, détecter leurs erreurs et garder les humains en mesure de comprendre ce qui est produit ?

Claude Code transforme Projects en équipe d’agents

Cette logique d’organisation arrive aussi dans les outils destinés aux utilisateurs. Anthropic a entièrement revu Projects dans Claude Code pour permettre à plusieurs agents de travailler en parallèle sur un même objectif.

L’utilisateur décrit le résultat attendu. Un coordinateur découpe alors le travail, le distribue à plusieurs fils d’exécution, suit leur progression, examine leurs résultats et rassemble le livrable final. Chaque fil correspond à une session Claude Code dans le cloud, avec sa propre copie du dépôt et sa propre branche.

Concrètement, un agent peut analyser les performances d’une application pendant qu’un autre teste des optimisations et qu’un troisième prépare une pull request. L’utilisateur garde une conversation centrale pour suivre l’ensemble, mais peut aussi ouvrir chaque fil afin de vérifier ou réorienter son travail.

Tous les fils alimentent une mémoire partagée. Le projet peut ainsi conserver les décisions prises, les contraintes découvertes et les fichiers produits au fil du temps. Si plusieurs agents modifient le même code, les conflits doivent toutefois être résolus comme dans n’importe quel travail collaboratif sur Git.

La fonction est proposée en bêta à une partie des abonnés Claude Pro et Max utilisant les sessions cloud, avant un déploiement plus large. Les fils travaillent aujourd’hui dans le cloud ; la prise en charge des outils et du code locaux est annoncée pour plus tard.

L’intérêt de cette nouveauté dépasse le développement logiciel. Elle montre le passage d’un assistant auquel on confie une succession de demandes à un système capable de répartir et coordonner une mission composée de plusieurs tâches.

OpenAI spécialise Astra pour le droit

OpenAI a lancé Astra for Law, une version de GPT-6 Astra configurée pour la recherche juridique, l’analyse et la rédaction. Le produit associe le modèle à des instructions spécialisées et à un index couvrant notamment la jurisprudence, les lois, les règlements et les décisions administratives américaines.

L’objectif n’est pas seulement de fournir un chatbot aux avocats. Astra for Law doit servir de socle aux cabinets et aux éditeurs de logiciels juridiques pour construire leurs propres applications et processus. Harvey et Legora pourront notamment l’intégrer à leurs produits.

OpenAI annonce également des connexions avec des outils déjà utilisés par les professionnels, parmi lesquels Clio et Relativity. Reuters cite aussi Intapp et Thomson Reuters parmi les intégrations prévues. L’accès commence auprès d’une sélection de cabinets, avec des contrôles spécifiques pour protéger les informations confidentielles des clients.

Cette spécialisation illustre une tendance nette : pour entrer durablement dans un métier, un modèle généraliste doit être relié aux bonnes sources, aux logiciels existants, aux règles de confidentialité et aux pratiques du secteur. Dans le droit, une réponse fluide ne suffit pas ; elle doit être fondée sur des références vérifiables et rester sous le contrôle d’un professionnel.

Image et vidéo : l’IA s’installe avant le tournage

La semaine a été calme du côté des nouveaux modèles d’image et de vidéo. Mais les usages professionnels continuent de progresser, comme le montre le retour d’expérience publié par Runway avec Skyscanner.

Pour une campagne destinée aux États-Unis et au Canada, l’équipe de la marque a utilisé Runway pendant la préproduction afin de tester la composition des plans, l’éclairage, la position des acteurs, les accessoires et les décors. Les créations ont été préparées dans leurs formats publicitaires définitifs avant même le début du tournage.

Sur le plateau, les images capturées pouvaient être insérées immédiatement dans les maquettes validées. L’équipe a aussi généré des arrière-plans provisoires pour vérifier que costumes et accessoires fonctionnaient dans la scène prévue.

Point important : Skyscanner explique ne pas avoir utilisé ces images générées comme créations finales. L’IA a servi à prévisualiser et à valider une direction artistique humaine, afin de limiter les incertitudes lors d’un tournage coûteux et difficile à recommencer.

C’est peut-être là que se trouve l’usage le plus solide aujourd’hui : non pas remplacer toute la production, mais tester plus vite, aligner les parties prenantes et sécuriser les choix créatifs avant d’engager les budgets.

Musique : les droits prennent le devant de la scène

Dans l’audio, aucun lancement majeur n’a dominé la semaine. L’actualité la plus marquante est juridique : Universal Music Group a poursuivi DistroKid devant un tribunal fédéral américain.

UMG accuse le distributeur d’avoir diffusé des milliers de morceaux non autorisés, notamment des remixes, des versions accélérées ou des titres utilisant illégalement des enregistrements du label. La plainte affirme également qu’une part importante du catalogue concerné serait composée de musique générée en masse par IA et que plusieurs titres auraient été créés avec Suno.

Il s’agit à ce stade d’accusations contestées. DistroKid dit être en désaccord avec UMG et entend se défendre. Le litige ne constitue donc pas une conclusion judiciaire sur ses pratiques ni sur celles de Suno.

L’affaire montre néanmoins que le débat se déplace. La qualité des générateurs reste importante, mais les plateformes doivent aussi savoir qui possède les droits, si un enregistrement a été modifié sans autorisation et comment éviter que des catalogues générés en masse captent artificiellement l’attention et les revenus.

Ce qu’il faut retenir

Le mouvement de fond est celui d’une IA qui devient moins visible comme outil isolé, mais plus structurante dans les organisations :

• elle participe à la recherche qui prépare les modèles suivants ;
• elle se répartit le travail entre plusieurs agents coordonnés ;
• elle se spécialise pour entrer dans les outils et les règles d’un métier ;
• elle intervient en amont des productions créatives pour guider les décisions ;
• elle oblige les plateformes à renforcer la gestion des droits et de la provenance.

La prochaine étape ne se jouera donc pas uniquement sur le modèle le plus spectaculaire. Elle dépendra de la capacité à construire des systèmes fiables autour de lui : coordination, mémoire, sources, supervision humaine, intégrations et garde-fous.