Anthropic détaille l'auto-évaluation de Claude, coût sous 2 %
Selon Anthropic, la technique d'auto-évaluation ajoute environ 10 tokens par requête et un surcoût de calcul inférieur à 2 % du coût d'inférence.
Le 29 octobre 2026, Anthropic a présenté sur son compte X une technique de surveillance de sécurité baptisée auto-évaluation, dans laquelle Claude relit sa propre conversation juste après avoir répondu. La société dit l'appliquer à une part importante des usages de Claude dans le monde, selon aitimes.com.
Le dispositif est intégré depuis le lancement de Claude Fable 5 en juin 2026. Anthropic indique qu'il ajoute en moyenne environ 10 tokens, ce qui maintient le surcoût de calcul sous 2 % du coût d'inférence total.
Dans une évaluation interne portant sur de vraies conversations du service, Fable 5 a signalé 78 % des échanges qu'un classificateur existant jugeait nuisibles. Le taux de détection atteint 94 % pour les conversations à haut risque, avec 1 % de faux positifs par rapport à ce classificateur.
Des cas détectés en production
Anthropic affirme que la méthode fonctionne même sur des types de risques exclus de l'entraînement, comme la fraude et les cyberattaques. En août 2026, elle dit avoir détecté plus de 100 000 activités présumées d'exploitation sexuelle d'enfants sur un seul compte client API et les avoir signalées aux autorités.
En septembre 2026, la société déclare avoir identifié et bloqué un groupe qui utilisait Claude Code pour automatiser des arnaques sentimentales visant des dizaines de personnes.
En bref
Qu'est-ce que l'auto-évaluation d'Anthropic ?
Une technique de surveillance de sécurité dans laquelle Claude relit sa propre conversation juste après avoir répondu.
Combien coûte cette technique en calcul ?
Environ 10 tokens en moyenne par requête, soit un surcoût inférieur à 2 % du coût d'inférence total, selon Anthropic.