Ce n’était pas une impression : ton code devenait soudainement moins pertinent, Claude Code oubliait ses propres décisions en cours de route, les réponses se faisaient plus courtes et plus vagues. Tu n’hallucinais pas. Anthropic a fini par l’admettre : oui, il y a eu des bugs, plusieurs même, et ils ont mis un mois à les corriger.
Le post-mortem qui fâche
Dans un exercice de transparence un peu forcé (après avoir d’abord sous-entendu que les utilisateurs exagéraient), Anthropic a publié un post-mortem détaillant trois erreurs d’ingénierie qui ont transformé Claude Code en coquille vide sur plusieurs semaines.
Premier problème : le 4 mars, Anthropic a réduit l’effort de raisonnement par défaut, passant de « élevé » à « moyen », pour calmer les plaintes sur la latence. En mode moyen, le modèle devient moins intelligent, ce qui a immédiatement fait sentir la baisse de qualité aux utilisateurs. Le changement n’a été annulé que le 7 avril.
Deuxième couche : un bug dans une optimisation du cache, déployée le 26 mars. L’idée était de supprimer les sections de raisonnement obsolètes au bout d’une heure d’inactivité pour réduire la latence. Sauf qu’une erreur de code a vidé tout l’historique de raisonnement à chaque nouveau tour de conversation. Claude oubliait ce qu’il venait de décider, se répétait, faisait des choix bizarres, et brûlait les limites d’utilisation. Ce bug n’a été corrigé que le 10 avril.
Troisième détail : le 16 avril, une instruction dans le prompt système a ajouté une limite de longueur (25 mots entre les appels d’outils, 100 mots au maximum pour une réponse finale). Anthropic avait voulu réduire le bavardage du modèle Opus 4.7. La qualité a baissé de 3 %. Annulé le 20 avril.
Ces bugs se sont combinés pour créer une dégradation vague, progressive, difficile à diagnostiquer. Les utilisateurs ont mis des semaines à comprendre qu’ils n’étaient pas devenus fous.
Une communication catastrophique
Au-delà des bugs, c’est surtout la gestion de la crise par Anthropic qui pose problème. Pendant des semaines, la direction a laissé entendre que les utilisateurs étaient responsables des problèmes, ou que les changements étaient faits pour leur bien. Des excuses « nous avons fait cela pour améliorer la latence » qui sonnent comme du gaslighting quand l’outil ne tient plus une conversation de trois tours.
Anthropic, qui a bâti sa réputation sur la transparence et l’alignement, se retrouve accusé exactement du contraire. Les développeurs, sa base la plus fidèle, commencent à zapper. Certains ont déjà annulé leur abonnement.
Et la communication ne s’arrête pas là : après avoir nié, la boîte admet les bugs… mais continue d’expliquer que ce qui pose problème, c’est la demande qui explose. « La demande a augmenté à un rythme sans précédent, et notre infrastructure a été mise à rude épreuve », dit le communiqué. Oui, oui, bien sûr.
La crise de compute qui fâche
Au-delà des bugs, c’est tout le modèle économique qui grince. La rumeur enfle : Anthropic manque de puissance de calcul. Les indices s’accumulent : disponibilité de l’API à 98,95 % (contre 99,99 % en standard cloud), limites d’utilisation aux heures de pointe, déploiement au compte-gouttes du nouveau modèle Mythos, et des prix spot pour les GPU qui flambent de 48 %.
OpenAI, en concurrent loyal, a laissé fuiter un memo interne où son revenue chief affirme qu’Anthropic a fait une « erreur stratégique » en ne sécurisant pas assez de compute. Bien joué de leur part. Mais OpenAI n’est pas mieux loti : c’est l’ensemble du secteur qui suffoque.
Des leçons à tirer ?
Anthropic promet des correctifs : plus de tests internes, des déploiements progressifs, un compte Twitter officiel pour communiquer les changements. Et pour se faire pardonner, ils ont réinitialisé les limites d’utilisation de tous les abonnés. C’est à la fois un geste commercial et un aveu d’impuissance.
Cette histoire rappelle que les modèles ne régressent pas toujours ; ce qui régresse, c’est l’écosystème qui les entoure. Les couches d’outillage, les optimisations, les changements de paramètres. Quand le scaffold casse, tout s’effondre.
L’utilisateur reste avec un outil qui ne tient plus ses promesses, un abonnement qui coûte toujours autant, et une boîte qui met un mois à reconnaître qu’elle a merdé. Voilà où en est l’IA en 2026.
Comments are closed