Le marché interne d’Anthropic montre que de meilleurs agents IA concluent de meilleurs deals discrètement

Les agents IA deviennent des intermédiaires

Project Deal est important parce qu’il fait passer la discussion au-delà des chatbots et dans le domaine de l’agence. Ces systèmes ne répondaient pas seulement à des questions. Ils représentaient des personnes dans des négociations avec d’autres machines. Cela les rapproche davantage d’intermédiaires opérant sur les marchés que de simples outils de productivité.

À mesure que ce rôle s’étend, les différences entre modèles pourraient avoir des conséquences directes dans le commerce, les achats, le recrutement, le service client et les opérations internes. Si des systèmes plus puissants négocient régulièrement mieux, organisent l’information plus efficacement ou identifient de meilleures contreparties, alors l’accès à un modèle de pointe devient un avantage concret. Les personnes du côté le plus faible de cet écart ne savent peut-être même pas qu’elles sont désavantagées.

Le texte source ne prétend pas que ce résultat s’étende automatiquement à tous les marchés. L’expérience était interne, de courte durée et limitée en taille. Même ainsi, elle offre une démonstration concrète de quelque chose que les décideurs publics et les entreprises devront probablement affronter plus souvent : une fois que les agents IA commencent à agir pour les utilisateurs, les écarts de capacité peuvent devenir des écarts de résultat.

Le prompting ne suffira peut-être pas

L’un des enseignements les plus utiles du rapport est que des instructions de négociation agressives n’ont pas apporté d’amélioration statistiquement significative. Cela suggère que les organisations ne peuvent pas supposer qu’elles compenseront simplement des modèles plus faibles en ajustant les prompts vers davantage d’assertivité.

Pour les développeurs et les acheteurs de systèmes d’IA, c’est un avertissement pratique. Les performances de l’agent peuvent dépendre moins du cadrage de la personnalité que de la qualité centrale du raisonnement et de la décision. Une interface élégante ou un style ferme ne se traduisent pas nécessairement par une meilleure représentation.

Cette distinction compte parce que de nombreux déploiements d’IA sont justifiés sur la base de la suffisance, et non de l’excellence. Si un modèle moins cher ou plus petit semble suffisant en conversation, il peut quand même être nettement moins performant lorsqu’on lui confie la tâche de décider ou de négocier au nom d’un utilisateur.

La question réglementaire est déjà là

Le discours d’Anthropic sur l’inégalité invisible devrait résonner bien au-delà de cette seule expérience. Si des organisations déploient différentes classes d’agents IA selon les niveaux hiérarchiques, les segments de clientèle ou les services publics, elles risquent de créer un traitement inégal sans signe clair d’injustice au moment de l’usage.

C’est un problème de gouvernance plus difficile qu’une simple transparence. Dire aux utilisateurs qu’une IA était impliquée ne répond pas à la question de savoir si cette IA était aussi capable que celle utilisée pour quelqu’un d’autre. Et lorsque l’expérience utilisateur semble toujours équitable, le marché ou l’institution peuvent ne pas subir de pression immédiate pour corriger le déséquilibre.

Project Deal apparaît donc comme un signal d’alerte précoce. Il suggère que l’accès à l’IA ne concerne pas seulement le fait d’obtenir ou non un assistant numérique, mais aussi l’assistant que l’on obtient et son niveau de capacité lorsque l’enjeu est réel.

• Anthropic a mené un marché interne d’une semaine sur Slack en utilisant des agents Claude pour de vraies transactions.
• Claude Opus 4.5 a obtenu de meilleurs prix et plus d’accords, en moyenne, que Claude Haiku 4.5.
• Les utilisateurs représentés par des agents plus faibles n’ont pas perçu le désavantage, malgré des résultats moins bons.

Cet article est basé sur le reportage de The Decoder. Lire l’article original.