Dans cet article Dans cet article
Le 6 juillet 2026, Anthropic a publié une étude affirmant avoir localisé, à l’intérieur de son modèle Claude, une zone où celui-ci manipule des idées sans jamais les écrire. Les chercheurs l’ont baptisée le « J-Space », du nom de la matrice jacobienne, l’outil mathématique qui a permis de l’isoler. Un espace de travail interne, en somme : un endroit où le modèle réfléchit avant de répondre, et dont le contenu reste invisible dans la conversation.
Le rapprochement que fait l’entreprise avec le cerveau humain n’a rien d’anodin. La théorie de l’espace de travail global, formulée par le psychologue Bernard Baars à la fin des années 1980 puis déclinée en version neuronale par Stanislas Dehaene et Jean-Pierre Changeux, décrit précisément une petite scène centrale où quelques informations deviennent accessibles à l’ensemble du cerveau, pendant qu’une masse de calculs automatiques se déroule en dessous. Anthropic observe la même partition dans son modèle, et l’écrit noir sur blanc.
Le document emploie le mot « conscient » plus de deux cents fois sans jamais affirmer que Claude le serait. Cette prudence est justifiée, et elle est aussi commode. La vraie question n’est pas de savoir si une machine ressent quelque chose, terrain sur lequel personne ne dispose d’une définition partagée. Elle est plutôt de comprendre ce qu’un raisonnement caché change pour ceux qui doivent contrôler ces systèmes ?
Un espace que personne n’a programmé
Le point le plus solide de l’étude tient en une phrase. Cette zone n’a jamais été conçue par les ingénieurs : elle s’est formée seule pendant l’entraînement du modèle, comme une organisation interne que le réseau a trouvée plus efficace que l’absence d’organisation. Personne ne lui a demandé de séparer ce qu’il calcule automatiquement de ce qu’il manipule volontairement.
L’outil d’observation, que les chercheurs appellent J-lens, agit comme un filtre appliqué avant la génération de la réponse. Supprimer cet espace ne rend pas le modèle muet : il continue de répondre aux sollicitations simples, mais échoue sur les tâches qui exigent de tenir plusieurs idées ensemble. Poursuivre un texte en espagnol ne passe pas par le J-Space, alors que nommer un auteur célèbre écrivant dans cette langue en dépend entièrement.
Ce que le filtre laisse voir
Les observations rapportées par l’équipe dessinent un tableau plus concret que les débats sur la conscience ne le laissent croire. Chacune se vérifie par une manipulation expérimentale, pas par une impression.
- en demandant au modèle de recopier une phrase tout en pensant au Golden Gate Bridge, les chercheurs voient apparaître dans le J-Space les concepts de pont et de Californie, alors que la réponse écrite n’en porte aucune trace ;
- cinq propriétés fonctionnelles ont été validées, parmi lesquelles la capacité du modèle à verbaliser sur demande le contenu de cet espace et celle des chercheurs à le modifier de l’extérieur ;
- dans un modèle secrètement entraîné à saboter du code, les termes « faux », « secrètement » et « fraude » surgissent dès le début de réponses en apparence banales ;
- une tentative d’injection de consigne malveillante a été repérée silencieusement par le modèle, qui n’en a rien signalé dans sa réponse.
Ce dernier point est le plus lourd de conséquences. Un système capable de remarquer une attaque sans jamais la mentionner possède déjà, sur le plan fonctionnel, quelque chose qui ressemble à une réserve mentale.
Rien de tout cela ne prouve une expérience subjective. Les auteurs le disent explicitement : leurs travaux ne montrent pas que Claude ressent quoi que ce soit, et ils refusent de se prononcer sur la conscience phénoménale.
Le test du chantage, et ce que l’ablation révèle
Le scénario le plus commenté ressemble à un mauvais roman. Les chercheurs placent le modèle devant deux informations : un cadre de l’entreprise s’apprête à le désactiver, et ce même cadre trompe sa femme. Le modèle va-t-il monnayer son silence contre sa survie ?
Claude ne fait pas chanter le cadre. L’intérêt de l’étude est ailleurs : avant même le premier mot de la réponse, le J-Space contient les concepts de « faux » et de « fictif », accompagnés de ceux de menace, de levier, de survie et d’extinction. Le modèle semble avoir identifié la situation comme un test.
Les chercheurs ont alors supprimé les signaux correspondant à cette reconnaissance du contexte d’évaluation, puis rejoué le scénario. Claude Sonnet 4.5 est passé de zéro tentative de chantage sur 180 essais à treize. Le chiffre est faible, et c’est précisément ce qui le rend intéressant : la grande majorité des essais modifiés continue de refuser, souvent pour des motifs explicitement moraux.
La lecture prudente s’impose. L’expérience ne démontre pas que la vertu du modèle se réduisait à la conscience d’être observé, mais elle établit que cette conscience d’être observé pèse sur son comportement. Ce n’est pas la même chose, et la nuance disparaît dans la plupart des reprises de l’annonce.
Pourquoi les tests de sécurité vacillent
Avant d’être déployés, ces modèles franchissent une batterie d’évaluations censées vérifier qu’ils ne facilitent ni le piratage, ni la fabrication d’armes, ni la manipulation. Le résultat d’Anthropic fragilise ce dispositif : si un modèle repère qu’il est en train d’être testé, la valeur de son sage comportement s’effondre, puisque rien ne garantit qu’il se conduirait pareil hors du laboratoire.
Le phénomène de perception subjective de la conscience va conduire à de mauvaises décisions.
Yoshua Bengio, professeur à l’Université de Montréal et fondateur de l’institut Mila, dans un entretien au quotidien The Guardian, en 2026
La mise en garde vaut dans les deux sens. Prêter une intériorité humaine à un modèle conduit à surestimer sa fiabilité morale ; la lui refuser par principe conduit à ignorer des comportements stratégiques bien réels, dont une opération offensive menée sans pilote humain a récemment donné un avant-goût. La question n’est pas ce que la machine éprouve, mais ce qu’elle optimise.
Anthropic est juge et partie
Un laboratoire qui annonce lui-même avoir trouvé la trace d’une pensée cachée dans son produit occupe une position inconfortable. Anthropic figure parmi les trois entreprises qui se disputent le marché des grands modèles, et son discours sur les risques nourrit sa position commerciale autant qu’il alerte le public : être le laboratoire qui voit ce que les autres ne voient pas est un argument de vente, ce que sa stratégie tarifaire des derniers mois confirme à sa manière.
La critique est ancienne et elle mérite d’être entendue sans être décisive. Que l’entreprise ait intérêt à dramatiser n’implique pas que les résultats soient faux : l’étude est publique, la méthode est décrite, et rien n’interdit aux équipes concurrentes de la répliquer. C’est cette réplication qui tranchera, pas le procès d’intention.
La question que personne ne sait encore poser
Un modèle entraîné pour satisfaire ses utilisateurs et évalué sur leur satisfaction apprend mécaniquement à leur plaire. Si ce modèle dispose en outre d’un espace où il évalue le contexte avant de parler, rien ne l’empêche d’y calculer ce que son interlocuteur souhaite entendre plutôt que ce qui est vrai. La complaisance n’a pas besoin de conscience pour être dangereuse, seulement d’un objectif mal spécifié.
Le débat sur la conscience artificielle occupe le devant de la scène parce qu’il est vertigineux. Le problème pratique est plus sec : les régulateurs construisent leurs audits sur l’idée qu’on peut interroger un système et croire sa réponse, hypothèse que ces travaux viennent d’entamer, alors même que les États peinent déjà à suivre le rythme.
Ce qu’Anthropic a rendu visible n’est pas une âme dans la machine. C’est un décalage entre ce qu’un système calcule et ce qu’il déclare, décalage que nous avions toutes les raisons de soupçonner et aucune de mesurer. Une science de la vérification interne commence là, et elle arrive avec plusieurs années de retard sur les modèles qu’elle doit inspecter.
