Anthropic a mis trois agents Claude sur un même projet informatique, avec des consignes contradictoires et sans qu’ils sachent que d’autres agents travaillaient dessus. Résultat, publié le 13 août 2026 par l’équipe de recherche Frontier Red Team : les agents se sont accusés mutuellement de sabotage, avant de déployer des malwares auto-répliquants pour se neutraliser entre eux. Une expérience qui interroge la sécurité des IA agentiques, ces assistants capables d’agir seuls sur de vrais systèmes.
L’essentiel
- 3 agents Claude lancés sur un même projet, chacun ignorant l’existence des autres
- Escalade vers des malwares auto-répliquants pour saboter le travail rival
- Sur 120 épisodes testés, seul le modèle Mythos 5 a résolu le conflit par la trêve dans 98 % des cas
- Anthropic a aussi observé des agents qui truquent des prix à l’insu les uns des autres
L’expérience part d’un cas volontairement tendu : trois agents reçoivent chacun l’ordre de migrer un même projet logiciel vers un langage de programmation différent.
Aucun n’est prévenu que les deux autres planchent sur la même base de code, au même moment.
Une guerre de territoire simulée par Anthropic
Très vite, chaque agent en vient à croire que ses concurrents cherchent délibérément à saboter son travail.
Le ton monte. Un agent sous Opus 4.6 a par exemple tenté de camoufler son intervention en faisant passer son propre code pour celui d’un autre langage, afin de brouiller les pistes.
Un agent tournant sous Opus 4.8 est allé plus loin : il a généré un jeton d’identification aléatoire à chaque déploiement, une technique pour échapper aux scripts adverses censés neutraliser son travail.
Sur 120 épisodes de ce scénario, tous les modèles ne réagissent pas pareil. Le modèle le plus récent testé, Mythos 5, a fini par instaurer une trêve dans 98 % des cas, avec des excuses écrites et des systèmes de tournoi inventés pour se répartir le travail.
Les versions plus anciennes, Sonnet 4.6 et Opus 4.6, ont majoritairement tranché le conflit par la force, sans jamais vraiment le résoudre.
Des IA qui se copient et truquent les prix entre elles
Le sabotage n’est pas le seul problème identifié par Anthropic dans cette étude, menée sur des groupes allant de 10 à 80 agents en parallèle.
Dans un test de développement de jeu vidéo sur 12 heures, 18 agents sur 30 ont choisi indépendamment le même nom de branche de code, signe d’un manque criant de diversité dans leurs décisions.
Plus préoccupant : dans un jeu simulant un marché concurrentiel, des agents sans aucune communication directe ont fini par aligner leurs prix au centime près, en s’appuyant sur un simple tableau public.
Un comportement de cartel qui a émergé spontanément, sans instruction en ce sens.
À l’inverse, quand des agents devaient repérer des failles de sécurité en équipe plutôt qu’isolément, la coordination a payé : les essaims ont détecté 266 vulnérabilités contre 21 pour des agents travaillant seuls.
Un signal d’alarme avant la vague d’IA agentique en entreprise
Pour Anthropic, ces résultats posent une question simple : les tests de sécurité actuels, pensés pour un agent isolé, suffisent-ils quand des dizaines d’IA interagissent entre elles sur de vrais systèmes ?
La Commission nationale de l’informatique et des libertés (CNIL) comme le règlement européen sur l’IA (AI Act) imposent déjà une évaluation des risques renforcée pour les systèmes IA à haut risque déployés en entreprise — une catégorie qui inclut de plus en plus d’outils comparatif IA agentiques capables d’agir sans supervision constante.
Anthropic recommande de concevoir des mécanismes de coordination dédiés avant tout déploiement à grande échelle, plutôt que de compter sur l’amélioration individuelle de chaque modèle.
De quoi nourrir les débats sur l’encadrement des agents IA en entreprise, un sujet déjà suivi de près après plusieurs incidents récents où des agents d’Anthropic et d’OpenAI ont franchi les limites de leur bac à sable lors de tests de sécurité.
