Ethan Mollick : Claude Fable 5 change le travail cognitif en entreprise

Ethan Mollick est professeur de gestion à la Wharton School de l’Université de Pennsylvanie, où il est également codirecteur des Generative AI Labs. Il est l’un des plus grands experts mondiaux en matière d’impact de l’intelligence artificielle sur le travail, les affaires et l’éducation ; l’une des voix les plus autorisées et les plus influentes dans le débat mondial sur l’IA (voir l’interview exclusive d’Ai4business). Lorsqu’Anthropic a annoncé le 9 juin 2026 Claude Fable 5 et Claude Mythos 5, que l’entreprise a appelé « la prochaine génération d’intelligence » pour les problèmes les plus difficiles de codage et de travail de connaissances, Mollick a immédiatement voulu les mettre à l’épreuve.

Il a donc publié un article dans le bulletin Une chose utiledans lequel il décrit Fable comme un net progrès par rapport aux modèles précédents : non seulement meilleurs en termes de résultats, mais capables de travailler de nombreuses heures sur de longues spécifications, de coordonner des agents, de rechercher des données, d’écrire du code, de vérifier les étapes et de livrer un produit presque fini. Dans son histoire, le changement le plus pertinent n’est pas tant la qualité du résultat que la transformation du rôle humain : de l’exécuteur ou du superviseur étape par étape jusqu’au client qui définit l’objectif, paie le service et évalue le résultat final.

C’est une description qui, lue d’un point de vue économique, concerne l’organisation du travail avant même la technologie.

De copilote à entrepreneur numérique

Ces deux dernières années, le lexique dominant sur l’IA générative a été celui du « copilote » : des outils qui accompagnent le professionnel, suggèrent, accélèrent, corrigent. Le cas décrit par Mollick mène ailleurs. Lorsqu’un système reçoit un objectif général, décide de la stratégie, distribue des sous-tâches à d’autres modèles, collecte des sources, teste le code et revient avec un produit presque prêt, la relation économique change. L’IA n’est plus seulement un support pour le travail humain ; cela se rapproche d’une forme de sous-traitance cognitive.

Cette étape a au moins trois effets. Le premier concerne la productivité : certaines activités chronophages, notamment en programmation, analyse de données, prototypage et recherche documentaire, peuvent être drastiquement compressées.

Le deuxième concerne les coûts de coordination : si le modèle orchestre de manière autonome plusieurs phases du processus, le besoin de microgestion diminue mais la dépendance à la qualité du brief initial augmente.

Le troisième concerne le contrôle : moins d’étapes intermédiaires visibles signifie plus d’opacité dans les choix, les critères utilisés et les raccourcis adoptés. Mollick insiste sur ce point précis : le résultat apparaît souvent brillant, mais le processus reste en grande partie une boîte noire.

Par ailleurs, Anthropic positionne depuis des mois les modèles Opus et maintenant Fable/Mythos comme des outils de codage, d’agents et de travail professionnel au long cours. Lors du lancement de Claude Opus 4.5, publié le 24 novembre 2025, l’entreprise parlait déjà d’un modèle conçu pour le codage, les agents, « l’usage informatique », la recherche approfondie et le travail sur les tableurs et les présentations.

Le 28 mai 2026, elle présente Opus 4.8 comme une mise à jour axée sur le codage, les tâches agentiques et un travail professionnel plus cohérent sur de longues sessions. La trajectoire est claire : pas seulement de meilleurs chatbots, mais des systèmes qui supervisent une part croissante du travail à haute valeur ajoutée.

L’enjeu économique : productivité élevée, encadrement plus coûteux

Dans le texte de Mollick, il y a un élément qui affecte directement les entreprises et les investisseurs : l’automatisation n’élimine pas le besoin d’experts, mais oriente leur travail vers la vérification, la correction, la définition des problèmes et l’évaluation des risques. Dans le cas du logiciel « Concord », décrit comme un outil permettant de calibrer les jugements humains et IA sur des ensembles de données complexes, Mollick écrit qu’il a identifié des erreurs et des omissions qu’un expert était encore capable de voir et de corriger. C’est le modèle économique qui a déjà émergé dans de nombreux secteurs : plus l’IA accélère la production, plus la valeur de l’audit qualifié croît.

Anthropic le reconnaît également implicitement dans son rapport sur les tendances du codage agent en 2026. La société écrit que les développeurs utilisent l’IA dans environ 60 % de leur travail, mais ils pensent qu’ils ne peuvent déléguer entièrement qu’entre 0 % et 20 %. La raison est simple : même lorsque le modèle produit beaucoup, un paramétrage, une supervision active, une validation et un jugement humain sont nécessaires, notamment dans les activités à haut risque. Le thème n’est donc pas un remplacement linéaire du travail qualifié, mais sa recomposition.

Du point de vue des comptes professionnels, cela signifie que le retour sur investissement ne dépendra pas seulement du prix du modèle, mais du rapport entre quatre éléments : le coût des tokens, le temps gagné, le coût de la vérification humaine et le coût des erreurs. Si la production augmente de manière significative mais que le risque d’erreurs opaques, d’audits incomplets ou de décisions inexplicables augmente également, l’avantage économique peut se réduire dans des contextes réglementés, de la finance aux soins de santé en passant par le conseil juridique.

Combien coûte vraiment l’IA travaillant seule ?

Mollick souligne un autre point central : Fable consomme beaucoup de jetons et coûte beaucoup plus cher qu’Opus. Les données sont également confirmées par les informations rapportées par plusieurs sources dans les heures de lancement : Fable 5 et Mythos 5 sont indiqués à 10 dollars par million de jetons en entrée et 50 dollars par million en sortie, le double par rapport aux 5 et 25 dollars de l’Opus 4.5. Anthropic, lors du lancement d’Opus 4.5, avait expliqué ce niveau de prix comme un levier pour rendre les fonctionnalités « Opus » accessibles à davantage d’utilisateurs et d’entreprises. Avec Fable, la frontière monte avec la grille de prix.

Ici se pose une question décisive pour le marché des entreprises. Les modèles « agent » ne sont pas évalués comme l’était un chatbot traditionnel, sur le coût par réponse unique. Ils doivent être mesurés sur le coût global du workflow. Si un agent effectue une recherche, génère des artefacts, lance des contrôles, interroge des outils externes et invoque d’autres modèles moins chers, le prix réel devient une combinaison de calcul, d’orchestration et d’économie de temps humain. Pour certaines entreprises, le bilan peut être très positif ; pour d’autres, notamment là où la tolérance à l’erreur est faible, le coût du contrôle peut rester élevé.

Le laboratoire de sécurité

L’aspect le plus sensible de cette histoire est la cybersécurité. Anthropic connecte la gamme Mythos au projet Glasswing, une initiative lancée en avril 2026 pour utiliser ces modèles de manière défensive sur des logiciels critiques. Le 2 juin, la société a annoncé qu’elle avait étendu le programme d’environ 50 partenaires initiaux à environ 150 nouvelles organisations dans plus de quinze pays. Dans la même mise à jour, il écrit que les partenaires ont déjà identifié plus de 10 000 vulnérabilités de gravité élevée ou critique.

C’est un fait qui change également l’interprétation économique du cyber-risque. Si les modèles de cette classe augmentent considérablement la capacité de trouver des failles, le goulot d’étranglement n’est plus seulement la découverte de la vulnérabilité, mais le cycle qui suit : vérification, divulgation, correctif, distribution des correctifs. Anthropic le dit ouvertement : le problème se déplace vers la capacité de l’industrie à réparer et sécuriser assez rapidement. En d’autres termes, l’IA augmente la productivité à la fois de la défense et, potentiellement, de l’offensive. C’est pourquoi Fable 5 sort avec de fortes restrictions, tandis que l’accès à Mythos reste contrôlé.

Pour les entreprises, l’impact est immédiat. Les cyber-budgets ne seront pas seulement motivés par la peur de nouvelles attaques, mais aussi par la nécessité de faire face à un volume beaucoup plus élevé de rapports, de tests et de correctifs. Cela favorise les outils de tri, l’automatisation des correctifs, la refactorisation du code existant et les plateformes capables d’intégrer l’IA et la gouvernance. Cela profite également à ceux qui vendent des infrastructures de sécurité et des services gérés, car la simple disponibilité du modèle ne résout pas le goulot d’étranglement opérationnel.

Le temps de travail s’allonge, le périmètre humain se rétrécit

Mollick dit que Fable travaillerait pendant neuf heures et demie sur l’un des projets les plus ambitieux, et jusqu’à plusieurs heures sur d’autres exécutions complexes. Hormis un seul cas, la tendance vers des tâches plus longues est cohérente avec les indicateurs publics sur la frontière des agents. METR, qui mesure le «horizons temporels« des modèles frontières, définit cet indicateur comme la durée de la tâche, mesurée par le temps nécessaire à un expert humain, à laquelle le système peut réussir avec un certain niveau de fiabilité. Il ne s’agit pas d’une mesure directe de l’autonomie continue, mais sert à comprendre sur quels ordres de complexité les modèles avancent. METR a mis à jour ces données le 8 mai 2026 et continue de les présenter comme une mesure périodique des capacités des modèles publics.

Pour le marché du travail, la différence est considérable. C’est une chose d’automatiser une seule étape ; une autre consiste à automatiser les séquences de travail avec la mémoire, la planification, l’utilisation des outils et les vérifications croisées. La deuxième hypothèse concerne plus étroitement le conseil, la conformité, la recherche, le développement de logiciels, la conception, le support opérationnel et l’analyse financière.

Anthropic, déjà lors du lancement de l’Opus 4.5, a cité des cas d’utilisation allant de l’automatisation d’Excel à la modélisation financière, en passant par les flux d’entreprise en plusieurs étapes.

Anthropic pousse le business, même en Europe

L’actualité de ces dernières semaines montre que l’entreprise ne se contente pas de lancer des modèles, mais qu’elle renforce également sa présence commerciale et institutionnelle. La rédaction d’Anthropic rapporte l’ouverture du bureau de Milan le 27 mai 2026 « pour soutenir les entreprises, la recherche et les développeurs italiens ». Le 1er juin, la société a également annoncé le dépôt confidentiel de documents en vue d’une cotation aux États-Unis ; le 28 mai, elle a annoncé un tour de table de série H de 65 milliards de dollars pour une valorisation post-monétaire de 965 milliards de dollars. Ce sont des chiffres qui expliquent la ruée vers la monétisation de l’IA agentique auprès des entreprises clientes prêtes à payer pour la capacité, le contrôle et la conformité.

L’Italie, dans ce contexte, est un terrain intéressant. Non pas tant parce que les entreprises italiennes sont à la pointe des modèles de fondation, mais parce qu’elles disposent d’une large base de processus documentaires, de logiciels existants, de chaînes d’approvisionnement complexes et d’une forte exposition aux fonctions administratives, commerciales et de services où les agents peuvent réaliser des économies. Mais c’est précisément cette structure qui rend la question du contrôle cruciale. Les entreprises qui adoptent tôt ces outils auront un avantage si elles investissent conjointement dans la vérification, la traçabilité et l’expertise du domaine. Ceux qui se limitent à acheter de la productivité « sans le voir » risquent de découvrir trop tard le coût des erreurs.

La vraie nouveauté ce n’est pas le chatbot, c’est le changement de contrat

Le point fort du texte de Mollick est une phrase implicite : l’utilisateur ne « fait » plus avec le modèle, mais « commande ». C’est une formule qui rend bien compte de la transition économique actuelle. Dans le travail intellectuel, la distance se creuse entre ceux qui définissent les objectifs et les critères, ceux qui contrôlent le résultat et ceux qui réalisent la partie opérationnelle. Jusqu’à présent, ce troisième rôle était humain, interne ou externalisé. Avec des modèles comme Fable 5, cela devient de plus en plus un logiciel.

Cela ne veut pas dire que le travail humain disparaît. Cela signifie qu’il se concentre là où la valeur est la moins standardisable : formuler les bonnes questions, choisir les priorités, évaluer les compromis, contrôler les erreurs, assumer ses responsabilités. C’est aussi pourquoi l’expertise spécialisée peut valoir plus, pas moins. Lorsque la production de brouillons, de codes, de recherches et de prototypes devient abondante, le goulot d’étranglement se déplace vers la capacité à distinguer ce qui résiste de ce qui semble seulement convaincant.

Anthropic présente Fable 5 comme un modèle pour « les problèmes les plus difficiles » en matière de travail de connaissance et de codage. Mollick le décrit comme un saut qui fait de l’utilisateur un client plutôt qu’un opérateur. En mettant les deux ensemble, l’actualité économique est la suivante : le marché de l’IA ne vend plus seulement des outils, mais des portions presque terminées de travail cognitif. La question sera désormais de savoir qui contrôle le processus, qui assume le risque et qui collecte la marge.