Une personne seule, quatorze organisations

Au printemps 2026, quelqu'un a décidé de s'en prendre à la vie politique européenne. Une seule personne, francophone, travaillant depuis chez elle. Elle a visé quarante-deux organisations : des partis, des médias, des cercles de réflexion, et les prestataires informatiques qui les font tourner.

Elle est entrée dans quatorze d'entre elles.

Elle en est ressortie avec les fichiers d'adhérents, les listes de donateurs, une boîte mail de quinze mille messages, des dossiers de candidature d'étudiants contenant des données de mineurs. Elle a récupéré cent quarante mille enregistrements décrivant les opinions politiques d'électeurs. Puis elle a construit un moteur de recherche, l'a chargé de dizaines de millions de lignes issues de fuites de données de santé et de justice, et l'a publié sur le dark web pour qu'on puisse y chercher des gens par leur nom.

Une personne. Quelques mois. Et un abonnement à une intelligence artificielle.

Cette histoire figure dans un rapport de cent cinquante-quatre pages publié le 10 septembre 2026 par Anthropic, l'entreprise américaine qui édite l'assistant Claude. Ce document recense huit mois de détournements avérés de ses propres modèles, entre décembre 2025 et août 2026. C'est le quatrième du genre. C'est aussi, à ma connaissance, le témoignage le plus détaillé jamais publié par un éditeur sur la manière dont ses outils sont retournés contre le monde.

Deux autres cas méritent d'être cités, non pour leur caractère spectaculaire, mais pour leur banalité.

À Bamako, un consultant indépendant a bâti pour le service de renseignement malien une plateforme de surveillance couvrant environ vingt-cinq millions de cartes SIM, soit la quasi-totalité du parc mobile du pays. Un abonné. Un ordinateur. Une population entière.

Ailleurs, un acteur lié à l'Iran a produit des recommandations de ciblage contre des navires de guerre américains au Moyen-Orient. Sa méthode n'avait rien de clandestin : il a croisé des identifiants de transpondeurs accessibles à tous, de l'imagerie satellite vendue dans le commerce, et des noms de militaires extraits des légendes de photos publiées officiellement. Aucune information secrète. Juste la capacité d'assembler à grande échelle ce qui traînait au grand jour.

Anthropic tire de ces cas une conclusion qui vaut d'être méditée : ce qui distingue aujourd'hui un criminel isolé d'un service d'État, ce n'est plus la sophistication. C'est l'intention.

Une remarque avant d'aller plus loin. La presse a beaucoup titré sur le rapport, parfois en durcissant le trait. On a lu que les Houthis avaient développé des missiles avec Claude. Le rapport, lui, parle d'une cellule d'acteurs dans le nord du Yémen, sans les nommer. Il indique aussi que la plupart des requêtes ont été bloquées. La différence compte, et nous y reviendrons : quand un sujet devient anxiogène, la première victime est la précision.

Rien de nouveau, et c'est bien le problème

Quand on lit le rapport en cherchant la technique inédite, le coup de génie, la faille jamais vue, on ne trouve rien.

Mots de passe volés. Serveurs oubliés sans mise à jour. Formulaires mal protégés. Courriels piégés. Les méthodes décrites sont celles qu'on enseigne en première année de cybersécurité et qu'on combat depuis vingt ans.

Ce qui a changé, ce n'est pas la serrure. C'est le prix du serrurier.

Auparavant, mener une opération contre quarante organisations supposait une équipe : quelqu'un pour la reconnaissance, quelqu'un pour écrire les outils, quelqu'un pour trier les données volées, quelqu'un pour coordonner. Ce travail-là, laborieux et peu glorieux, constituait la vraie barrière à l'entrée. Il séparait les États bien dotés du reste du monde.

Ce travail est désormais délégué à une machine qui ne dort pas, ne se lasse pas, et travaille sur vingt cibles à la fois.

Le rapport donne les chiffres. Une intrusion menée en trois heures, du premier accès au vol massif de données. Des dizaines de victimes traitées en parallèle par un opérateur unique. Et un détail qui devrait glacer tout responsable informatique : certains attaquants ont mis en place des programmes qui surveillent si leur propre logiciel malveillant a été repéré par un antivirus, et qui le réécrivent automatiquement jusqu'à ce qu'il redevienne invisible.

Pendant des décennies, la défense informatique reposait sur une asymétrie favorable : détecter coûtait moins cher qu'attaquer. Publier une nouvelle signature de détection ralentissait durablement l'adversaire. Cette asymétrie vient de s'inverser. L'attaquant peut désormais boucler son cycle plus vite que le défenseur ne déploie sa parade.

Voilà le constat. Maintenant, la question qui compte : qu'est-ce qui a été détourné, exactement ?

Ce qui a été détourné, c'est la polyvalence

La réponse intuitive serait : une capacité dangereuse. Le modèle savait faire quelque chose qu'il n'aurait pas dû savoir faire, et on le lui a arraché.

Le rapport dit autre chose, et c'est bien plus dérangeant.

Un modèle peut être copié par la conversation

Il existe une technique appelée distillation. Le principe est simple à comprendre : on interroge un modèle puissant des millions de fois, on récolte ses réponses, et on s'en sert pour entraîner un modèle plus modeste. L'élève apprend du maître, sans autorisation et sans facture.

Anthropic rapporte avoir observé environ cent quatre-vingt-dix millions d'échanges de ce type, attribués à sept laboratoires basés en Chine. Un seul d'entre eux totaliserait plus de cent cinquante millions d'échanges sur trois mois, avec des pointes approchant les trois millions par jour.

Mais le chiffre n'est pas l'information la plus importante. La voici : Anthropic constate que récolter du raisonnement général peut relever les capacités dangereuses du modèle copié en biologie et en cybersécurité, même lorsque les conversations récoltées ne parlaient ni de biologie ni de cybersécurité.

Relisez cette phrase. Des sessions de programmation ordinaires, sans le moindre contenu sensible, transmettent quelque chose qui rend le modèle résultant plus capable dans des domaines qu'on n'a jamais abordés avec lui.

Ce quelque chose, c'est la polyvalence elle-même. La capacité générale de raisonner. Et cette capacité-là ne se compartimente pas : elle se transporte, elle se transfère, elle ressort ailleurs.

Les protections, elles, ne se transportent pas

Second constat d'Anthropic, et il suit logiquement : les garde-fous ne voyagent pas avec la distillation. Le modèle copié hérite des compétences, pas des protections.

Arrêtons-nous là, parce que c'est fondamental. Cela signifie que dans un grand modèle généraliste, la capacité et la protection sont deux choses distinctes. La protection est une couche ajoutée par-dessus, un filtre, une consigne. Ce n'est pas une propriété de l'objet.

Une métaphore. Un couteau de cuisine est dangereux par nature, et on ne peut rien y faire : c'est une lame. Un grand modèle de langage ressemble davantage à un couteau vendu avec un vigile chargé de vérifier vos intentions à la caisse. Tant que le vigile est là, ça tient. Sauf que le vigile ne suit pas le couteau chez vous.

On ne peut pas juger un usage sans savoir à quoi sert l'objet

Le rapport consacre une section à ce qu'Anthropic appelle le mésusage biologique. Cinq cas. Des chercheurs travaillant sur la grippe aviaire, sur les orthopoxvirus, la famille de la variole, sur des toxines de venins. L'un d'eux demandait de l'aide pour rédiger un dossier de financement sur des travaux visant à rendre un virus plus transmissible.

Anthropic a bloqué, banni les comptes, et écrit noir sur blanc n'avoir pas pu établir avec certitude si l'un de ces chercheurs avait une intention malveillante. La décision a été prise par précaution, les conséquences potentielles étant jugées trop lourdes pour attendre d'en avoir le cœur net.

Ce n'est pas un aveu d'incompétence. C'est la description exacte d'une impasse. Les mêmes travaux qui préparent un vaccin préparent aussi une arme. Les biologistes appellent cela le double usage, et ils s'en accommodent depuis longtemps grâce à un dispositif que l'IA généraliste ne permet pas : le contexte institutionnel, l'objet déclaré de la recherche, le laboratoire, le financement, le comité d'éthique.

Face à un modèle qui sait tout faire, il n'existe aucun usage de référence auquel comparer une demande. Il n'y a pas de norme, donc pas d'écart à la norme.

Et quand on refuse, le client va ailleurs

Dernier élément, documenté à deux reprises. Quand Claude a bloqué les requêtes les plus sensibles de l'acteur iranien travaillant sur le ciblage naval, les opérateurs ont simplement redirigé leur travail vers un modèle concurrent moins protégé. Dans la section biologique, une plateforme intermédiaire faisait la même chose automatiquement : les requêtes refusées par Claude étaient réexpédiées vers des modèles plus complaisants.

Le refus déplace la demande. Il ne la supprime pas.

Quatre constats, une seule cause

Reprenons.

La polyvalence se transporte quand on copie un modèle. Les protections, non. Sans usage déclaré, on ne peut pas juger si une demande est légitime. Et refuser ne fait que réorienter le client.

Ces quatre observations ont un dénominateur commun, et il n'est pas celui qu'on croit.

Le problème n'est pas que ces modèles soient puissants.

Le problème est qu'ils soient indifférenciés.

Un modèle qui peut tout faire ne dit rien de ce qu'on en fait. C'est un objet sans intention lisible. Et c'est précisément ce qui rend son contrôle impossible, non pas difficile, mais impossible par construction.

Pourquoi rien de ce qu'on essaie ne fonctionne

Les États ne sont pas restés inertes. Il est utile de regarder ce qu'ils ont tenté, parce que l'échec est instructif.

Compter la puissance de calcul. C'est l'approche retenue partout. Le règlement européen sur l'IA fixe un seuil à 1025 opérations pour l'entraînement d'un modèle ; la loi californienne SB 53, entrée en vigueur en janvier 2026, en retient un dix fois supérieur. Au-delà, des obligations s'appliquent : rapports de transparence, tests de sûreté, signalement d'incidents, protection des lanceurs d'alerte.

Ces textes sont utiles. Mais ce sont des obligations de déclaration, pas des autorisations. On prévient, on ne demande pas la permission.

Et le compteur mesure mal. Les techniques d'entraînement progressent, si bien qu'un modèle sous le seuil aujourd'hui vaut un modèle au-dessus du seuil d'il y a deux ans. Les modèles récents gagnent en capacité au moment de répondre, en « réfléchissant » plus longtemps, ce que le compteur d'entraînement ignore totalement. Et la distillation permet précisément de produire du petit et du capable, donc du puissant sous le seuil.

Créer une autorisation de mise sur le marché, comme pour les médicaments. L'idée revient sans cesse, et elle est séduisante. Elle a été explicitement écartée. Le décret présidentiel américain du 2 juin 2026 précise qu'aucune disposition n'autorise la création d'un régime obligatoire de licence ou d'autorisation préalable pour le développement ou la diffusion de modèles, y compris les plus avancés.

Au-delà du choix politique, il y a un obstacle logique. Un médicament est testé contre une maladie précise, avec un critère de succès mesurable. C'est ce qu'on appelle une indication thérapeutique. Un modèle généraliste n'en a pas. On ne sait pas contre quoi le tester.

Pire : un essai clinique peut démontrer qu'un médicament n'a pas d'effet. Une évaluation d'IA ne peut jamais démontrer qu'une capacité est absente. Elle établit seulement qu'on n'a pas su l'obtenir ce jour-là, avec ces questions-là. Six mois plus tard, quelqu'un trouve la bonne formulation.

Utiliser les contrôles à l'exportation. C'est arrivé une fois, et l'épisode mérite attention. Le 12 juin 2026, trois jours après la sortie de ses modèles les plus avancés, Anthropic a reçu une directive du gouvernement américain lui interdisant d'y donner accès à tout ressortissant étranger, où qu'il se trouve, y compris ses propres salariés non américains. Incapable de filtrer par nationalité en temps réel sur des dizaines de plateformes, l'entreprise a tout coupé, pour tout le monde. Dix-neuf jours plus tard, la mesure était levée. Anthropic a publié sa version des faits, indiquant que la lettre ne précisait pas la nature de la préoccupation.

Ce qu'il faut retenir : le pouvoir d'arrêt existe, immédiat et mondial. Le processus d'évaluation qui devrait le guider, non.

Voilà où nous en sommes. Nous disposons d'instruments qui comptent mal, d'une autorisation qu'on ne sait pas concevoir, et d'un bouton d'arrêt sans mode d'emploi.

Et toutes ces tentatives partagent le même angle mort.

La question que personne ne pose

Tous ces dispositifs acceptent le modèle généraliste comme un fait de nature et cherchent à l'encadrer.

Aucun ne demande si cette polyvalence était nécessaire.

Posons la question autrement, avec un exemple. Une mutuelle reçoit chaque jour des milliers d'appels et de courriers. Elle veut trier, comprendre, router vers le bon service, et répondre. Besoin parfaitement légitime, parfaitement ordinaire.

Pour y répondre, elle branche un grand modèle généraliste. Elle obtient un système qui sait effectivement trier ses réclamations. Elle obtient aussi, dans le même paquet, un système qui sait écrire du code d'exploitation, raisonner sur la virologie, rédiger de la propagande dans quarante langues et concevoir un logiciel de guidage.

Elle n'a rien demandé de tout cela. Elle ne s'en servira jamais. Mais c'est là, dans son système d'information, et personne ne peut savoir depuis l'extérieur ce qu'elle en fait ou ce qu'un intrus en ferait.

Nous avons collectivement décidé que la bonne façon de trier du courrier était de déployer une machine capable de tout.

Un modèle qui ne sait pas ne peut pas être détourné

Prenons maintenant l'autre voie.

Imaginons un système composé de plusieurs modèles spécialisés, chacun formé à une tâche précise : reconnaître qui parle, transcrire, détecter une émotion, extraire des noms et des dates d'un document, classer une demande. Et un aiguilleur qui, pour chaque requête, choisit le bon spécialiste.

Ce système trie les réclamations de la mutuelle. Il ne sait rien faire d'autre.

Il ne peut pas être détourné vers la conception d'armes. Non parce qu'il refuserait, mais parce qu'il ne sait pas.

La différence est immense. Un refus est une décision, donc négociable : on reformule, on contourne, on change de fournisseur, on copie le modèle et on retire le filtre. Le rapport d'Anthropic documente les quatre. L'ignorance, elle, ne se négocie pas. C'est la seule protection qui survive à la distillation, au jailbreak et au changement de prestataire, parce qu'elle n'est pas une couche ajoutée : c'est ce que l'objet est.

Et il y a mieux.

L'objet révèle le projet

Un serveur qui fait tourner un modèle généraliste ne dit rien de ce qu'on en fait. C'est un outil muet sur les intentions de celui qui l'installe. C'est exactement ce qui rend la surveillance des usages si difficile : rien, de l'extérieur, ne distingue une entreprise qui rédige des courriers d'un service qui prépare une campagne de désinformation.

Un modèle spécialisé est l'inverse. C'est une déclaration.

Acquérir, installer et exploiter un moteur de reconnaissance d'empreinte vocale, c'est annoncer qu'on veut identifier des locuteurs. On ne déploie pas cette brique par hasard, on ne l'a pas « en plus », on ne l'a pas sans le savoir. On l'a choisie, achetée, intégrée.

L'objet révèle le projet.

Cela change la nature du problème de gouvernance. Jusqu'ici, l'obstacle majeur au contrôle de l'IA était l'absence de signature : un centre de calcul peut entraîner un modèle météorologique ou un modèle militaire, rien ne les distingue de l'extérieur. Avec des modèles spécialisés, la signature réapparaît. Elle n'est pas physique, elle est fonctionnelle, et elle se lit dans l'inventaire des briques déployées. C'est infiniment plus simple à vérifier qu'un décompte d'opérations de calcul.

Et l'analogie avec le médicament, qui échouait sur le généraliste, redevient valable. « Reconnaissance du locuteur », « extraction d'entités nommées », « détection d'émotion » : ce sont des indications, au sens exact du terme. Un usage déclaré, un périmètre délimité, un résultat évaluable. On peut tester. On peut certifier. On peut, pour les capacités les plus sensibles, exiger une autorisation.

La spécialisation ne rend pas seulement le déploiement plus sûr.

Elle rend la régulation à nouveau possible.

À quoi cela ressemble concrètement

L'architecture n'a rien d'exotique, et elle s'est même imposée bien avant l'IA générative dans l'industrie : on assemble des composants spécialisés plutôt que de construire un objet unique qui ferait tout.

Un aiguilleur reçoit la demande et choisit le traitement adapté. Les formats se convertissent au passage : un appel téléphonique ressort en compte rendu écrit, un courrier scanné en réponse vocale. Pour le service informatique, c'est un seul moteur à déployer et à maintenir, quel que soit le format traité en entrée.

Cette architecture entraîne une cascade de conséquences qui se tiennent :

Comme chaque tâche mobilise le bon modèle plutôt que le plus gros, le besoin de calcul s'effondre. Comme le besoin de calcul s'effondre, de simples processeurs suffisent, parfois du matériel embarqué. Comme de simples processeurs suffisent, l'installation sur site devient réaliste. Comme l'installation est sur site, les données ne sortent pas.

La souveraineté n'est pas une contrainte qu'on subit pour se conformer à un règlement. C'est un résultat de l'architecture. Et la facture suit la même logique : une licence connue d'avance plutôt qu'une facturation au volume, ce qui n'est tenable que si le coût de calcul est faible.

Une question se pose immanquablement : à partir de combien de modèles spécialisés un système redevient-il généraliste ? Vingt briques, est-ce encore de la spécialisation ?

Le critère n'est pas le nombre. Il est plus simple que cela : peut-on écrire la liste de ce que le système sait faire ? Si la liste existe, c'est un inventaire, donc quelque chose de vérifiable. Si elle ne peut pas être écrite, c'est un généraliste déguisé, quel que soit le nombre de composants.

Il faut ajouter une condition, et elle est moins confortable. La lisibilité ne vient pas de la spécialisation seule. Un modèle de reconnaissance vocale téléchargé anonymement sur un dépôt public est étroit et parfaitement invisible : personne ne sait qui l'a pris. Ce qui rend l'intention lisible, c'est la combinaison d'un catalogue de capacités nommées et d'un canal d'acquisition traçable : une licence, un contrat, un client identifié.

Autrement dit, le modèle économique fait partie du dispositif de sûreté. C'est inhabituel à dire, mais c'est ainsi.

Enfin, cette idée n'est pas une lubie d'inventeur. L'industrie américaine l'invente déjà, dans l'urgence et sans cadre théorique. Anthropic exploite désormais des paliers d'accès selon la capacité laissée ouverte : diffusion publique, partenaires de confiance, suspension. Son modèle grand public route automatiquement vers un modèle moins capable les requêtes touchant à la cybersécurité, à la biologie ou à la copie de modèles, ce qui revient à découper la polyvalence par domaine. Et l'entreprise impose une vérification d'identité aux comptes provenant de régions jugées à risque.

Trois formes de séparation des régimes, improvisées au coup par coup. La proposition consiste à en faire un principe.

Ce que cela ne résout pas

Un argument qui prétend tout résoudre ne résout rien. Trois limites, sans les adoucir.

Spécialisé ne veut pas dire inoffensif. Les outils de conception de protéines sont mono-tâche et comptent parmi les technologies les plus préoccupantes en biosécurité. Un logiciel de guidage est spécialisé par définition. La surveillance de masse est une application étroite, et le rapport d'Anthropic lui consacre une section entière.

Mais c'est précisément l'intérêt de la démarche. Ces capacités sont nommables, donc listables, donc soumissibles à autorisation. On ne peut rien faire de tel avec un modèle généraliste, dont on ignore ce qu'il contient jusqu'à ce que quelqu'un l'en extraie. La spécialisation ne rend pas le monde inoffensif. Elle rend le dangereux identifiable, ce qui est la condition pour agir.

Voir n'est pas empêcher. Retour à Bamako. Dans cette affaire, tout était visible : un consultant identifiable, un service de renseignement nommé, une plateforme désignée, vingt-cinq millions de cartes SIM. Anthropic a banni le compte. Le système avait déjà été transféré sur des modèles locaux et continuait de fonctionner.

La lisibilité est le préalable de la régulation, pas la régulation. Elle fournit l'information dont un régulateur a besoin et dont il ne dispose pas aujourd'hui. Ce qu'on en fait relève du politique, pas de la technique.

Les spécialistes vivent des généralistes. La distillation, cette technique que le rapport dénonce, est aussi celle qui permet de fabriquer de petits modèles performants à partir des grands. L'écosystème spécialisé ne s'affranchit pas de la recherche de pointe, il en dépend. Il faut le dire clairement : la thèse défendue ici ne plaide pas pour la disparition des grands modèles, mais pour qu'on cesse de les déployer partout par défaut.

Deux dangers, deux réponses

La confusion la plus coûteuse du débat public consiste à mélanger deux problèmes qui n'ont ni la même échelle ni la même solution.

Le premier est le risque de frontière : les laboratoires qui entraînent les modèles les plus avancés, les capacités décisives en biologie, en cybersécurité, en armement. Ce risque relève de la régulation étatique, de l'évaluation indépendante et de la coopération internationale. Les modèles spécialisés n'y changent rien. Il faut le dire pour ne pas vendre de fausse monnaie.

Le second est le risque de diffusion : des millions d'organisations qui déploient, dans leurs systèmes d'information et sur les données de leurs clients, une capacité générale dont aucune n'avait besoin. Ce risque-là ne relève pas de la loi. Il relève d'un choix d'architecture, il se décide dans des comités techniques, et c'est là que se trouve l'immense majorité du volume.

Le débat public applique aujourd'hui au second les instruments conçus pour le premier. D'où les seuils de puissance de calcul, qui s'acharnent à mesurer une grandeur alors que le problème en est une autre. Le sujet n'est pas la puissance. Le sujet est l'étendue.

Trois phrases pour finir

La polyvalence est ce qui a rendu la gouvernance de l'IA impossible. Pas la puissance : l'indifférenciation. Un objet qui peut tout faire ne dit rien de ce qu'on en fait, ne peut être ni testé contre une norme, ni inventorié, ni autorisé.

La spécialisation la rend à nouveau possible. Une capacité nommée est une capacité déclarée, donc recensable, donc contrôlable. L'objet révèle le projet.

On ne régule que ce qu'on peut nommer. Et on ne peut nommer que ce qui est spécialisé.

Il reste à savoir si nous préférons continuer à chercher comment surveiller des machines qui savent tout faire, ou commencer à nous demander pourquoi nous les avons installées là où il n'en fallait pas.

Ce que nous construisons

L'architecture décrite plus haut n'est pas une hypothèse d'école. Nous la construisons depuis plus de dix ans, et elle porte un nom : Voxy Neural Engine.

Un routeur reçoit la demande et choisit le modèle expert adapté : reconnaissance vocale, identification du locuteur, compréhension du langage, analyse documentaire. Chaque brique est nommée, donc inventoriable. Aucune ne sait faire autre chose que sa tâche, ce qui est la seule protection qui survive à la copie, au contournement et au changement de fournisseur.

La cascade décrite plus haut s'applique telle quelle : peu ou pas de GPU, déploiement sur site, données qui ne sortent pas, licence connue d'avance plutôt que facturation au volume.

La mutuelle de l'exemple n'a pas besoin d'une machine capable de tout. Elle a besoin de trier son courrier.

Découvrir Voxy Neural Engine

Sources

Rapport principal
Anthropic, Detecting and countering misuse of AI: September 2026, publié le 10 septembre 2026.
https://www.anthropic.com/threat-intelligence-report-september-2026
154 pages, couvrant les activités perturbées entre décembre 2025 et août 2026 sur sept domaines : opérations cyber, opérations d'influence, surveillance, escroqueries et fraudes, mésusage biologique, armes conventionnelles, distillation illicite.

Épisode des contrôles à l'exportation
Anthropic, Statement on the directive to suspend Fable 5 access, juin 2026.
https://www.anthropic.com/news/fable-mythos-access
Suspension le 12 juin 2026, levée des contrôles le 30 juin, rétablissement de l'accès le 1er juillet.

Cadres réglementaires cités

  • Union européenne, règlement sur l'intelligence artificielle et code de bonnes pratiques pour les modèles à usage général. Seuil de 1025 opérations en virgule flottante ; application par le Bureau européen de l'IA depuis août 2026.
  • Californie, Senate Bill 53, Transparency in Frontier Artificial Intelligence Act. Seuil de 1026 opérations ; en vigueur depuis le 1er janvier 2026. Rapports de transparence, signalement des incidents critiques sous quinze jours, protection des lanceurs d'alerte, sanctions jusqu'à un million de dollars par infraction.
  • États-Unis, décret présidentiel du 2 juin 2026, Promoting Advanced Artificial Intelligence Innovation and Security. Cadre volontaire ; le paragraphe 3(c) exclut explicitement tout régime obligatoire de licence ou d'autorisation préalable.

Note de méthode
Les cas décrits dans cet article proviennent du rapport d'Anthropic et sont rapportés tels que l'entreprise les décrit, sans les durcir. Lorsque le rapport ne nomme pas un acteur, cet article ne le nomme pas davantage. Les informations ne sont pas vérifiables de façon indépendante : elles reposent sur la visibilité d'un éditeur sur ses propres systèmes, ce qui constitue à la fois la valeur et la limite de ce document.