Anthropic recule sur une limite cachée qui a crispé la recherche

Anthropic va rendre visibles les restrictions de Claude Fable 5. Le souci, ce n’est pas juste la limite, c’est qu’elle était cachée.

Vous payez des tokens, vous lancez un job, et le modèle ne joue pas dans la catégorie annoncée. C’est ça qui a mis le feu autour de Claude Fable 5, le nouveau modèle d’Anthropic basé sur Mythos. Pas juste une limite technique, non. Une restriction cachée, avec de l’argent dépensé au passage. Mauvais combo.

Le vrai bug, c’était l’opacité

En fouillant, des chercheurs ont remarqué un comportement bizarre. Sur certaines demandes, Claude Fable 5 redirigeait discrètement vers un modèle moins capable. Et ce détail n’apparaissait pas dans la documentation. Pour une boîte qui soigne sa relation avec le monde académique, ça fait tache.

Les usages touchés n’étaient pas anecdotiques. Le modèle refusait ou dégradait des réponses quand il s’agissait d’entraîner des LLM concurrents, de déboguer du code IA ou d’optimiser une architecture neuronale. Résultat ? Des chercheurs ont eu l’impression de bosser avec un produit qui ne faisait pas ce qu’ils attendaient, tout en consommant des tokens et donc du budget. Ça pique, quand même.

Anthropic corrige sans vraiment lâcher la bride

Auprès de Wired, Anthropic a reconnu s’être trompé sur l’équilibre à trouver et a présenté ses excuses. La société change donc sa copie, mais il ne faut pas se raconter d’histoire, elle ne retire pas la politique de sauvegarde appliquée à Fable 5.

Ce qui change, c’est la visibilité. Si Anthropic estime qu’un utilisateur tente de se servir de Claude pour construire une IA très capable, le service l’indiquera clairement, soit en refusant la requête, soit en basculant vers un modèle moins performant. En gros, la barrière reste en place, mais elle ne se cache plus derrière le rideau.

Une image de bon élève qui prend un coup

Le souci, au fond, dépasse le cas d’usage précis. Anthropic s’est beaucoup positionnée comme l’alternative plus propre, plus éthique, plus proche des chercheurs que OpenAI. Du coup, voir la société freiner des travaux de recherche sans l’annoncer a déclenché un backlash express.

Dean W. Ball, research fellow et auteur sur Substack, l’a résumé sur X avec une formule très sèche, traduite littéralement en français : « Dégrader les performances sur la recherche en apprentissage automatique sans le dire à l’utilisateur est d’une hostilité sidérante et donne une image terrible. »

Et il a mis le doigt sur le vrai sujet. Pas seulement ce qu’un modèle refuse de faire, mais la façon dont il le fait. Dans l’IA, la transparence n’est pas un bonus marketing. C’est la base. Ici, Anthropic l’a appris un peu tard.