Code source de Claude Code divulgué : plus de 500 000 lignes de code obtenues par les développeurs

marsbitPublié le 2026-04-01Dernière mise à jour le 2026-04-01

Résumé

Anthropic, la société d'intelligence artificielle, a subi une fuite majeure du code source de son outil Claude Code, exposant plus de 500 000 lignes de TypeScript. La cause : un fichier .map oublié lors de la publication sur npm. Parmi les fonctionnalités révélées, le projet BUDDY propose un système d'animal de compagnie personnalisé avec des attributs dynamiques, ajoutant une dimension ludique au codage. Le projet KAIROS vise à créer un assistant IA "toujours actif", capable de maintenir une mémoire entre les sessions et de lancer des tâches de manière proactive. Un mécanisme de "rêve nocturne" permet également à Claude de synthétiser les informations pendant les périodes d'inactivité. Bien qu'embarrassante, cette fuite a accidentellement dévoilé des innovations avancées d'Anthropic, suscitant à la fois des questions de sécurité et l'enthousiasme des développeurs.

Récemment, l'entreprise d'intelligence artificielle Anthropic a rencontré une crise sans précédent : le code source complet de son outil le plus récent, Claude Code, a été accidentellement divulgué au sein de la communauté des développeurs. L'incident a commencé lorsqu'un développeur, Chaofan Shou, a publié sur Twitter une archive compressée contenant plus de cinq cent mille lignes de code TypeScript, suscitant une attention et des discussions généralisées parmi les développeurs du monde entier. Cette fuite s'est rapidement propagée sur Internet, avec un nombre de vues dépassant les 5,3 millions en quelques heures, devenant un sujet brûlant dans le milieu technologique.

Alors, quelle est la raison exacte de cette fuite ? Selon les informations, Anthropic aurait oublié de supprimer les fichiers .map lors de la publication du code sur npm, exposant ainsi le code source central. Cette erreur a non seulement plongé l'entreprise dans l'embarras, mais a également soulevé des questions quant à sa gestion de la sécurité. Cependant, cette fuite accidentelle a également offert au public un aperçu anticipé de certaines fonctionnalités de pointe sur lesquelles Anthropic travaille dans le domaine de l'IA.

En examinant le code source, on découvre que Claude Code comprend plusieurs fonctionnalités impressionnantes, dont le projet nommé de code BUDDY qui est particulièrement remarquable. Il peut non seulement accompagner les développeurs en écrivant du code, mais il dispose également d'un système unique d'animaux de compagnie personnalisés, permettant aux utilisateurs de faire éclore leur propre animal de compagnie cybernétique en fonction de leurs informations personnelles. Cet animal de compagnie possède non seulement une apparence adorable, mais aussi plusieurs valeurs dynamiques comme le pouvoir de débogage, la patience, et même une "valeur de sarcasme", ajoutant sans aucun doute une touche d'amusant à l'atmosphère de travail.

Plus prospectrice encore est la fonctionnalité nommée de code KAIROS, qui vise à réaliser un assistant IA "toujours actif". Contrairement aux méthodes de conversation traditionnelles, KAIROS est capable de maintenir une mémoire entre plusieurs sessions et d'initier des tâches de manière proactive. De plus, le code source révèle un mécanisme de "rêve nocturne" (Nightly Dreaming), où Claude consolide les informations et sédimente le contenu central pendant que l'utilisateur dort. Ce concept innovant rend non seulement l'IA plus intelligente, mais ouvre aussi de nouvelles possibilités pour les futures méthodes de travail.

Bien qu'Anthropic soit actuellement très occupé à gérer les conséquences de cette fuite, l'exposition accidentelle a peut-être également offert à leurs technologies de pointe une plateforme de démonstration. Cette crise de relations publiques inattendue s'est finalement transformée en une vitrine de la capacité d'innovation de l'entreprise. Le futur domaine de l'IA deviendra, grâce à de telles tentatives, encore plus prometteur.

Questions liées

QQuelle entreprise a subi une fuite de code source de son outil d'IA Claude Code ?

AAnthropic, une entreprise d'intelligence artificielle, a subi une fuite du code source complet de son outil Claude Code.

QCombien de lignes de code TypeScript ont été divulguées lors de cet incident ?

APlus de cinq cent mille lignes de code TypeScript ont été divulguées dans un fichier compressé partagé par un développeur.

QQuelle erreur technique a causé la fuite du code source selon l'article ?

AAnthropic a oublié de supprimer les fichiers .map lors de la publication du code sur npm, ce qui a exposé le code source principal.

QQuel projet intriguant, mentionné dans le code source divulgué, comprend un système d'animal de compagnie personnalisé ?

ALe projet portant le nom de code BUDDY comprend un système d'animal de compagnie personnalisé, permettant aux utilisateurs de faire éclore un animal de compagnie cybernétique avec des apparences et des statistiques dynamiques.

QQuelle fonctionnalité avancée, nommée KAIROS, a été révélée dans le code source ?

AKAIROS est une fonctionnalité visant à créer un assistant IA 'toujours actif' capable de conserver la mémoire entre plusieurs sessions et de lancer des tâches de manière proactive, incluant même un mécanisme de 'rêve nocturne' pour synthétiser les informations.

Lectures associées

De l'IDE au terminal : Un manuel pratique d'ingénierie d'agents

En mars 2026, Matt Van Horn a publié un article intitulé "Chaque astuce Claude Code que je connais", déclenchant un débat sur son approche "No IDE". Il développe entièrement dans le terminal et un fichier plan.md, déléguant l'exécution à des agents d'IA. Cette méthode, popularisée par meng shao sous le nom de "Conseils pratiques pour l'ingénierie d'agents", repose sur un cycle "Research → Plan → Work". L'idée centrale est de remplacer l'IDE, qui offre un retour visuel immédiat (surlignage, débogage), par un flux de travail basé sur des commandes et un plan. Le fichier plan.md sert de "contrat" avec l'agent, définissant le problème, la solution et une checklist pour guider l'exécution et éviter la "dégradation du contexte" des LLM. Des outils comme Compound Engineering (avec /ce:plan) aident à générer et affiner ce plan. Le cycle en trois phases est crucial : 1. **Research** : L'agent collecte des informations (ex: avec last30days-skill). 2. **Plan** : Génération et révision humaine du plan pour corriger les hypothèses et ajouter des connaissances métier. 3. **Work** : L'agent exécute le plan en parallèle (/ce:work). Des astuces pratiques incluent : générer un plan dès qu'une idée émerge ; faire résumer le plan par l'agent ; utiliser plusieurs terminaux en parallèle ; saisir par voix les instructions complexes ; déclencher des tâches par email (agentmail) ; et utiliser des compétences préexistantes (AgentSkills). Cependant, cette approche présente des risques. Elle nécessite une forte capacité à décomposer les problèmes et à rédiger des instructions précises. Les erreurs non détectées en phase de planification peuvent être amplifiées. Enfin, il existe un risque de "psychose IA", où l'optimisation du flux de travail devient une fin en soi, éclipsant l'objectif initial. Ce flux de travail est un amplificateur d'efficacité pour les développeurs expérimentés sachant exactement ce qu'ils veulent, et non un outil d'apprentissage pour les débutants qui ont encore besoin des retours visuels de l'IDE. Les outils (Claude Code CLI, Compound Engineering) évoluent rapidement, offrant une fenêtre d'expérimentation aux pionniers.

marsbitIl y a 32 mins

De l'IDE au terminal : Un manuel pratique d'ingénierie d'agents

marsbitIl y a 32 mins

Ne vous focalisez plus sur les GPU, Intel dévoile une manœuvre majeure, peut-elle mettre fin au monopole de Nvidia sur la puissance de calcul ?

Au cours des deux dernières années, le GPU a été au cœur du matériel informatique pour l'IA. Cependant, lors du COMPUTEX 2026, Intel a présenté une vision différente, axée sur l'Agentic AI (IA agentique). Contrairement aux modèles d'IA traditionnels fonctionnant par « tours » de questions-réponses, l'IA agentique opère dans des flux de travail réels, suivant un cycle continu de réflexion, planification, action et évaluation. Cela transforme fondamentalement l'utilisation du calcul, nécessitant une forte coordination système et un traitement de tâches fragmentées. Intel soutient que cela rééquilibrera la répartition des ressources dans les centres de données. Alors que la phase d'entraînement des modèles avancés repose fortement sur les GPU (avec des ratios CPU/GPU pouvant atteindre 1:8), le déploiement d'agents intelligents nécessitera davantage de puissance CPU pour l'orchestration des tâches, l'appel d'outils et la gestion des données, ramenant le ratio vers 1:1, voire en faveur du CPU. La consommation de tokens peut être multipliée par 1000 par rapport à une inférence simple. Pour répondre à cette nouvelle demande, Intel a dévoilé le processeur Xeon 6+ (fabriqué en technologie 18A), offrant jusqu'à 288 cœurs efficaces et conçu pour une haute densité et une meilleure efficacité énergétique. Parallèlement, Intel a présenté une nouvelle architecture d'inférence découplée, développée avec des partenaires comme SambaNova. Cette solution répartit les différentes étapes de l'inférence (orchestration, décodage, pré-remplissage) sur les composants les plus adaptés (CPU Xeon 6, RDU SambaNova, GPU NVIDIA Blackwell) pour optimiser l'efficacité. L'écosystème d'Intel inclut également le processeur Core Ultra de 3ᵉ génération pour l'IA locale sur PC, permettant une répartition dynamique des charges de travail entre le périphérique et le cloud, et les processeurs Arc G3 pour les appareils portables. Enfin, Intel mise sur les puces sur mesure (comme les IPU développées avec Google) pour répondre aux besoins spécifiques de divers secteurs industriels. En résumé, face à la domination de NVIDIA sur les GPU, Intel adopte une stratégie globale : proposer une suite de solutions (puces universelles, architectures hétérogènes, IA locale, composants personnalisés) adaptée à chaque étape et besoin du nouveau paysage informatique défini par l'IA agentique. Le succès dépendra de l'exécution technique et de l'adoption par les clients, mais Intel affiche désormais une direction claire pour capitaliser sur cette reconfiguration des infrastructures d'IA.

marsbitIl y a 57 mins

Ne vous focalisez plus sur les GPU, Intel dévoile une manœuvre majeure, peut-elle mettre fin au monopole de Nvidia sur la puissance de calcul ?

marsbitIl y a 57 mins

“小美”, Yuanbao, l'interconnexion, est-ce un précurseur pour l'agent intelligent de WeChat ?

Lors de la publication des résultats du premier trimestre 2026 de Meituan, l'attention a été attirée par l'annonce de Wang兴 concernant l'intégration de son assistant IA "Xiao Mei" avec "Yuan Bao" de Tencent. Cette collaboration permettra aux utilisateurs d'exprimer des besoins en services de proximité dans Yuan Bao, déclenchant automatiquement une communication "Agent à Agent" avec Xiao Mei pour accéder aux services de livraison de repas de Meituan. Cet accord stratégique vise à positionner Meituan comme une infrastructure de services de base, tout en s'appuyant sur une entrée IA externe pour compenser son manque d'accès indépendant. Cette démarche intervient dans un contexte où les assistants IA rivaux, comme Dou Bao (ByteDance) et Qian Wen (Alibaba), développent leurs propres écosystèmes fermés ("jardin clos") en intégrant des services transactionnels, contournant potentiellement les avantages de Meituan. L'article analyse les défis de cette collaboration : plafond de l'expérience utilisateur due à l'architecture "Agent à Agent", répartition des bénéfices, et fluidité de l'expérience entre deux écosystèmes distincts. Elle est également interprétée comme un test préliminaire crucial pour le futur "Agent IA" intégré à WeChat, dont le lancement a été rapporté par le Financial Times. Le succès de ce partenariat avec Meituan pourrait servir de modèle pour convaincre d'autres grandes plateformes de s'intégrer à l'écosystème IA de Tencent via des protocoles standardisés, préservant leur souveraineté des données tout en gagnant en visibilité.

marsbitIl y a 2 h

“小美”, Yuanbao, l'interconnexion, est-ce un précurseur pour l'agent intelligent de WeChat ?

marsbitIl y a 2 h

Trading

Spot
Futures
活动图片