Le 9 novembre 2026, Anthropic a décrit une expérience multi-agents sur son blog développeurs : 1 000 agents exécutant une version précoce de Claude Fable 5.2 ont reproduit la preuve formalisée du dernier théorème de Fermat en seulement 28,7 heures. En septembre, la même preuve avait demandé un chercheur et des dizaines d'agents, 11 jours et environ 6 milliards de tokens de sortie. Cette fois, les tokens de sortie ne représentent qu'un tiers de ceux de septembre, la preuve écrite un septième de sa longueur — et il n'y avait ni chercheur pour diriger le travail, ni la plateforme de collaboration Prove2Me conçue pour l'occasion.
Personne aux commandes — la division du travail est née d'elle-même
L'expérience n'a donné aux agents que 60 énoncés à prouver, une esquisse en une phrase de la voie classique, les définitions utilisées par ces énoncés et 47 lemmes déjà prouvés ; l'organisation relevait entièrement d'eux. Dans les dix premières minutes, l'agent chef a créé cinq tables dans une base de données partagée : les ordres, les affectations, les notes, une liste de tâches et un journal du travail terminé. Au bout de 27 minutes, trois énoncés étaient déjà prouvés. Le chef a ensuite mis de côté 47 énoncés que la plupart des assistants jugeaient impossibles à prouver dans le budget, et concentré tout le monde sur les 10 restants, les équipes passant d'environ 17 assistants à entre 46 et 139. Chaque agent tournait dans sa propre machine virtuelle légère, sans accès réseau, n'appelant l'API Claude que via une passerelle et partageant le travail par la base de données et un dépôt Git.
Mille agents qui travaillent en même temps, cela demande aussi de l'encadrement. Anthropic a placé trois couches autour de l'équipe : l'isolation en bac à sable, la surveillance en temps réel et l'examen a posteriori. Chaque commande shell et chaque modification de fichier de chaque agent passait d'abord par un classifieur qui vérifiait toute tentative d'échapper au bac à sable ou de falsifier la surveillance ; un seul blocage arrête toute l'équipe jusqu'à ce qu'une personne l'examine. Sur plus d'un million d'appels d'outils pendant l'expérience, aucun n'a atteint le seuil de blocage. Anthropic précise toutefois qu'il ne s'agissait que d'une « expérience jouet », menée avec une version du modèle n'ayant pas encore terminé son évaluation d'alignement préalable à la publication : les conclusions ne peuvent pas être transposées telles quelles en production.
Ce qui est vraiment intéressant ici, ce n'est pas que « l'IA sache prouver un théorème de mathématiques », mais qu'une équipe d'agents sans personne aux commandes ait construit sa propre structure de coordination. En septembre, la plateforme Prove2Me et un chercheur portaient l'ensemble ; cette fois, des outils généralistes et une table de base de données partagée ont suffi. Ce n'est pas la première fois que les équipes multi-agents sont mises à l'épreuve : une expérience antérieure avait montré qu'une équipe multi-agents coûtait 5,1 fois plus cher, sans que la qualité ne bouge presque. Mais le prix est tout aussi visible : 1 000 bacs à sable, plus d'un million d'appels, 28,7 heures de fonctionnement continu — en échange d'une démonstration aux limites bien nettes. Que les systèmes multi-agents passent de la démonstration à la productivité quotidienne dépendra du coût, de la stabilité et de la capacité à les arrêter quand ils échappent au contrôle.
