Claude obtient un « emploi permanent » : la publication d'Anthropic

marsbitPublié le 2026-07-01Dernière mise à jour le 2026-07-01

Résumé

Aujourd'hui, Anthropic lance Claude Tag, un agent IA doté d’une *identité propre* et intégré en tant que membre permanent d’un canal Slack. Contrairement aux assistants personnels, il ne partage aucun compte humain. Il possède ses propres accès, sa mémoire et ses outils, agissant comme un véritable collègue virtuel. Le système repose sur une gestion des permissions par canal, et non par utilisateur. Un administrateur définit une identité de base et des autorisations spécifiques pour chaque canal (par exemple, accès GitHub pour l’équipe technique). Ainsi, même les membres sans certains droits peuvent demander à Claude d’effectuer des tâches via l’accès collectif du canal. Des fonctionnalités comme le *mode écoute* permettent à Claude de suivre les conversations et d’intervenir de manière proactive sur les sujets en suspens. Anthropic souligne que cette approche est *anormale mais nécessaire* pour une collaboration multi-utilisateurs avec une IA de plus en plus autonome. La solution simplifie également la gestion des accès et la révocation des permissions. Selon Anthropic, 65 % du code de son équipe produit est généré par Claude, multipliant par huit la quantité de code fusionné quotidiennement par les ingénieurs.

À partir d'aujourd'hui, l'IA n'emprunte plus votre badge.

Le 23 juin, Anthropic a lancé Claude Tag — un membre d'équipe IA résident dans un canal Slack.

Il n'utilise aucun compte ni autorisation humaine, possède sa propre identité, son propre compte et sa propre piste d'audit.

Anthropic appelle cela l'identité d'agent (agent identity).

3 ingénieurs et 1 chef de produit debuggent dans le même canal Slack. Quelqu'un @mentionne Claude, lui demande de vérifier le dépôt de code, d'extraire des indicateurs de l'entrepôt de données, d'ouvrir une PR sur GitHub.

La question se pose alors : avec quelles autorisations l'IA devrait-elle agir ?

Cellui du chef de produit ? Elle n'a pas les permissions sur le repo. Cellui d'un ingénieur ? Il n'a peut-être pas toutes les permissions sur l'entrepôt de données.

La réponse est donc : aucune.

Lorsque l'IA passe d'« assistant privé d'une personne » à « membre collaboratif d'une équipe », le modèle de permissions traditionnel s'effondre logiquement.

La solution d'Anthropic est : n'emprunter l'autorisation de personne, mais plutôt délivrer directement à l'IA son propre badge.

Un IA avec un emploi permanent arrive dans Slack

Claude Tag n'est pas un chatbot.

C'est un collègue IA résident dans votre canal Slack — avec son propre compte, sa propre mémoire, sa propre boîte à outils.

Un canal n'a qu'un seul Claude, que tout le monde partage, et dont tout le monde peut voir les actions.

Vous n'avez pas besoin de tout réexpliquer en prenant le relais, car il a déjà appris le contexte au fil des conversations de l'équipe.

Plus impressionnant encore, c'est le « mode écoute ».

Une fois activé, Claude surveille le canal de lui-même. Si un fil de discussion ne reçoit plus de réponse, si un problème n'est pas suivi, il intervient activement. Pas besoin de le @mentionner.

Par exemple, lundi matin, vous ouvrez Slack : la question laissée dans le canal vendredi dernier et qui n'avait pas été reprise, Claude a déjà trouvé la cause et attend votre confirmation.

Son propre badge à l'IA

La conception la plus fondamentale de Claude Tag n'est pas une fonctionnalité produit, mais son architecture de permissions.

Ceux qui utilisent des assistants IA comme ChatGPT savent qu'ils se connectent à votre Google Drive, GitHub, calendrier, en utilisant vos permissions.

Mais Claude Tag est multi-utilisateurs — dans un canal, trois ou cinq personnes le @mentionnent tour à tour, avec quelles permissions ?

La solution d'Anthropic s'appelle l'identité d'agent.

Claude a son propre compte dans chaque système.

Dans Slack, il publie des messages sous l'identité de l'application Claude.

Sur GitHub, il ouvre des PR sous l'identité de l'application GitHub Claude.

Dans votre entrepôt de données, il interroge avec un compte de service configuré par l'administrateur.

Aucune authentification humaine n'est impliquée.

L'administrateur définit une identité de base au niveau de l'espace de travail — Claude hérite de cette configuration par défaut partout. Ensuite, des remplacements sont effectués au niveau du canal :

Le canal d'ingénierie donne les permissions GitHub et d'entrepôt de données. Le CRM est verrouillé dans le canal privé des ventes. Le canal juridique a sa propre boîte à outils.

Les canaux privés ont chacun une identité indépendante, les canaux publics partagent l'identité de niveau espace de travail.

Ce que Claude apprend dans le canal juridique n'apparaîtra jamais dans le canal d'ingénierie. Le contenu de vos conversations privées avec Claude n'atteindra pas non plus les canaux d'équipe, car les messages privés passent par votre compte personnel claude.ai.

Révoquer les autorisations est plus simple. Révoquer une identité, et Claude sera déconnecté simultanément de tous les points d'accès. Pas besoin d'auditer des dizaines de comptes utilisateur un par un, car l'IA ne les a jamais utilisés.

Actuellement, Claude Tag est ouvert en bêta pour les clients de l'édition Entreprise (125 $ par personne/mois) et Équipe (20 $ par personne/mois, payés annuellement), facturé à l'utilisation, avec le modèle Opus 4.8.

Vous n'avez pas les permissions du repo, mais l'IA les a

Imaginons que vous soyez chef de produit, mais que vous n'ayez pas d'accès GitHub, et donc ne puissiez pas voir le code.

Dans ce cas, il vous suffit de demander à Claude dans le canal d'ingénierie « pourquoi cette API renvoie une erreur ? », et Claude ira enquêter pour vous, car la configuration du canal lui donne les permissions sur le repo.

Auparavant, il fallait aller taper sur l'épaule d'un ingénieur. Maintenant, l'IA va regarder à votre place.

Autrement dit, les permissions ne suivent plus la personne, mais le canal.

Le canal d'ingénierie a donné à Claude des permissions sur le repo, donc n'importe qui dans ce canal peut consulter le code via Claude — que vous les ayez ou non personnellement.

À ce sujet, le commentaire d'Anthropic est : contre-intuitif, mais nécessaire.

Contre-intuitif, car cela va à l'encontre de l'intuition des professionnels de la sécurité.

Nécessaire, car dans les scénarios de collaboration multi-utilisateurs où l'autonomie de l'IA ne cesse d'augmenter, le modèle de permissions basé sur l'utilisateur n'est pas logiquement viable.

Bien sûr, il existe des mesures de sauvegarde.

L'édition Entreprise prend en charge le RBAC, permettant aux administrateurs de décider qui peut ou non @mentionner Claude dans un canal. La configuration du canal peut définir une limite supérieure basée sur les permissions du membre le moins privilégié.

Anthropic fonctionne ainsi en interne

65 % du code de l'équipe produit d'Anthropic est généré par Claude, dépassant les 80 % en mai de cette année.

La quantité de code fusionné quotidiennement par les ingénieurs est 8 fois supérieure à celle de 2024.

« On a l'impression de gérer une équipe, pas d'utiliser un outil. » C'est ce que dit Boris Cherny, qui n'a pas écrit de code lui-même depuis six mois.

Pour le travailleur ordinaire, la sensation est plus directe —

Vous dites dans le canal « ces données semblent incorrectes », Claude va lui-même consulter l'entrepôt de données, localiser l'anomalie, écrire le code de correction, et attend votre revue. Vous n'avez pas écrit une seule ligne de code, mais la tâche est accomplie.

50 fois plus d'IA que d'employés, qui les gère ?

Actuellement, il est fort probable que de nombreuses entreprises aient déjà des dizaines de robots IA en fonctionnement. Mais qui les a créés, qui a approuvé leurs permissions, sont-ils « partis » ou non, personne ne peut peut-être le dire clairement.

Dans les grandes entreprises, le nombre de ces identités non humaines est de 50 à 80 fois supérieur à celui des employés humains.

Les données de Ramp de mai 2026 montrent que 34,4 % des entreprises américaines utilisent déjà un abonnement payant Claude, dépassant les 32,3 % d'OpenAI.

Et une fois que Claude est ancré dans un canal depuis six mois, ayant accumulé le contexte et les habitudes de travail de toute l'équipe, le remplacer par une autre IA équivaut à recommencer à zéro.

De plus en plus d'équipes rencontreront le problème du début — avec quelles permissions ?

Anthropic a déjà donné sa réponse : celles de personne, l'IA a son propre badge.

Références :

https://claude.com/blog/agent-identity-access-model

Cet article provient du compte WeChat public « 新智元 », auteur : ASI启示录

Questions liées

QQuel est le produit principal annoncé par Anthropic dans cet article ?

ALe produit principal annoncé est Claude Tag, un membre d'équipe IA résidant en permanence dans un canal Slack, doté de sa propre identité et de ses propres permissions.

QComment Anthropic résout-il le problème des autorisations lorsque plusieurs humains interagissent avec Claude dans un canal Slack ?

AAnthropic résout ce problème en utilisant le concept d'identité d'agent. Claude possède ses propres comptes et autorisations dans chaque système (comme Slack, GitHub), sans utiliser les informations d'identification d'un humain. Les autorisations sont définies au niveau du canal.

QQuel est l'avantage du mode 'écoute' (listening mode) de Claude Tag mentionné dans l'article ?

ALe mode 'écoute' permet à Claude de surveiller de manière proactive le canal. Il peut ainsi prendre en charge des fils de discussion sans réponse ou des problèmes non suivis, sans avoir besoin d'être mentionné (@).

QSelon l'article, quel pourcentage de code de l'équipe produit d'Anthropic est généré par Claude ?

ASelon l'article, 65 % du code de l'équipe produit d'Anthropic est généré par Claude, et ce chiffre dépasse 80 % depuis mai de cette année.

QQuelle est la particularité du modèle de sécurité proposé par Claude Tag concernant la révocation des accès ?

ALa révocation des accès est simplifiée car il suffit de révoquer une seule identité d'agent pour que Claude perde instantanément l'accès à tous les systèmes connectés, sans avoir besoin d'auditer ou de modifier les comptes de plusieurs utilisateurs humains.

Lectures associées

Karpathy, une nouvelle fois légendaire, renverse le RAG et transforme vos notes en un second cerveau

Karapthy, ancien directeur IA de Tesla et cofondateur d'OpenAI, propose une nouvelle approche radicale pour gérer nos connaissances personnelles : traiter nos notes comme du code source immuable et utiliser un LLM comme compilateur. Cette méthode, nommée LLM-WIKI, contraste avec les systèmes RAG traditionnels qui souffrent de fragmentation et d'incohérence. L'idée est simple : au lieu de faire re-parcourir toutes les notes à l'IA à chaque question (comme le fait le RAG), on laisse le LLM "compiler" une fois l'ensemble des notes brutes en un wiki structuré, interconnecté et cohérent. Ce wiki, constamment mis à jour, devient la source unique de vérité. Le processus repose sur trois couches : les notes brutes (Raw), un schéma de structuration (Schema) défini par l'utilisateur, et le wiki final (Wiki) généré et maintenu par l'IA. Cette automation élimine la tâche fastidieuse de "comptabilité" cognitive – mise à jour des liens, détection des contradictions, révision des résumés – qui a rendu irréalisable la vision du "Memex" de Vannevar Bush en 1945. L'humain est ainsi libéré des corvées d'organisation pour se concentrer sur l'essentiel : choisir ce qu'il ingère et en interpréter le sens. Il ne s'agit pas d'un simple outil, mais d'un changement fondamental dans notre relation à la production de connaissances.

marsbitIl y a 24 mins

Karpathy, une nouvelle fois légendaire, renverse le RAG et transforme vos notes en un second cerveau

marsbitIl y a 24 mins

La force invisible du marché baissier du Bitcoin : paiements on-chain et adoption institutionnelle accélérée

Bien que le prix du Bitcoin reste volatil, le développement des paiements sur chaîne et l'adoption institutionnelle s'accélèrent. Cette évolution est cruciale pour les investisseurs et les décideurs politiques, notamment dans le contexte du débat législatif autour du projet de loi CLARITY. Les grandes institutions financières traditionnelles adoptent progressivement les paiements sur chaîne et la tokenisation d'actifs, apportant plus de transparence et alimentant des discussions essentielles sur la conformité et la sécurité. Pour une adoption massive, la capacité à tracer les transactions et à corriger les erreurs sur la blockchain est devenue un enjeu clé, répondant aux attentes des consommateurs et des entreprises. La traçabilité blockchain évolue au-delà d'un simple concept binaire. Des propositions comme le cadre de Chainalysis, visant à regrouper et identifier les portefeuilles, soulignent l'importance d'une analyse standardisée et fiable des données pour gagner la confiance des institutions. Parallèlement, des acteurs comme JPMorgan soutiennent un cadre réglementaire clair pour les actifs numériques, mais insistent pour que la régulation soit basée sur la fonction économique réelle des tokens, favorisant l'innovation tout en assurant la protection des consommateurs. Les initiatives des grandes banques, comme l'extension par JPMorgan de comptes de dépôt tokenisés via la blockchain Kinexys, montrent que l'adoption institutionnelle se concentre sur la modernisation des services existants : règlements en continu, trésorerie programmable et liquidités transfrontalières plus efficaces. La tokenisation tend ainsi moins vers la création d'actifs spéculatifs que vers l'amélioration des infrastructures de paiement et de dépôt. En conclusion, malgré la volatilité des prix, les améliorations continues de l'infrastructure sous-jacente des paiements sur chaîne et l'engagement croissant des institutions financières traditionnelles semblent jeter les bases d'une évolution plus robuste pour l'ensemble du secteur des crypto-actifs.

marsbitIl y a 30 mins

La force invisible du marché baissier du Bitcoin : paiements on-chain et adoption institutionnelle accélérée

marsbitIl y a 30 mins

GoMining Lance le SDK GoBTC Pay pour Étendre les Paiements en Bitcoin

GoMining lance le SDK et l'API GoBTC Pay Gen1, permettant aux commerçants, fournisseurs de portefeuilles et partenaires d'intégrer des paiements en Bitcoin dans des produits et services réels. Cette version transforme GoBTC Pay d'une démonstration restreinte en une infrastructure ouverte pour développer des expériences de paiement Bitcoin. Jusqu'à 10 premiers partenaires commenceront l'intégration. Le PDG Mark Zalan déclare que cet outil vise à concrétiser la vision du Bitcoin comme moyen d'échange dans le commerce quotidien. GoBTC Pay règle directement sur la blockchain Bitcoin, préserve la propriété et la non-custodie des utilisateurs, et vise une expérience de paiement similaire à une carte de débit, avec un délai de règlement moyen estimé à 12 heures. Le protocole utilise un mempool privé de 15 EH/s basé sur Stratum V2 pour prioriser les transactions. Son modèle économique implique des frais de transaction de 0,2% pour les commerçants, répartis entre les portefeuilles participants et les mineurs du pool GoMining, afin d'aligner les intérêts et d'encourager l'activité de paiement. GoMining, l'un des dix plus grands mineurs de Bitcoin au monde, conçoit GoBTC Pay comme un protocole de paiement natif pour faciliter l'adoption massive du Bitcoin dans le commerce, grâce à des outils pour les commerçants et des API ouvertes pour les développeurs.

TheNewsCryptoIl y a 1 h

GoMining Lance le SDK GoBTC Pay pour Étendre les Paiements en Bitcoin

TheNewsCryptoIl y a 1 h

La force invisible du marché baissier du Bitcoin : l'adoption des paiements en chaîne et des institutions s'accélère

Malgré la volatilité persistante du prix du Bitcoin, l'adoption des paiements on-chain et de la tokenisation par les institutions financières traditionnelles s'accélère silencieusement. Cette évolution, cruciale dans le contexte du débat législatif autour du projet de loi CLARITY, apporte transparence et alimente les discussions sur la conformité et la sécurité. La traçabilité des transactions sur la blockchain devient un enjeu central pour gagner la confiance des institutions, dépassant le simple constat de transparence pour exiger des analyses standardisées et interprétables. Parallèlement, le soutien prudent de géants comme JPMorgan à un cadre réglementaire souligne que l'innovation doit s'accompagner d'une supervision adaptée à la fonction économique des actifs numériques, privilégiant la protection des consommateurs et la stabilité. Concrètement, la croissance des dépôts on-chain dans des environnements bancaires régulés montre que la tokenisation vise moins à créer de nouveaux actifs spéculatifs qu'à moderniser les infrastructures existantes (paiements, règlements, gestion de trésorerie) pour offrir efficacité et liquidité. Ainsi, tandis que les cours fluctuent, les fondations de l'industrie se consolident, orientant l'adoption vers une phase plus mature axée sur l'utilité, la responsabilité et l'intégration au système financier traditionnel.

Foresight NewsIl y a 1 h

La force invisible du marché baissier du Bitcoin : l'adoption des paiements en chaîne et des institutions s'accélère

Foresight NewsIl y a 1 h

Trading

Spot
活动图片