Le 6 mai 2026, à la conférence Code with Claude San Francisco, Anthropic a dévoilé trois fonctionnalités qui changent le centre de gravité de la marque. La plus commentée s'appelle Dreaming. Le mot fait rêver, c'est voulu. Sous le capot, c'est un cron job qui fait la vaisselle des mémoires d'agents pendant la nuit. Mais derrière la métaphore, Anthropic pose une pierre stratégique très lourde : devenir le propriétaire de la mémoire, des évaluations et de l'orchestration des agents IA en entreprise. Lecture entre les lignes.
Trois nouvelles fonctionnalités sur les Claude Managed Agents : Dreaming (research preview), Outcomes et Multi-Agent Orchestration (public beta).
1. Ce qu'Anthropic a réellement annoncé
Anthropic n'a pas annoncé un nouveau modèle. L'entreprise a annoncé trois fonctionnalités pour ses Claude Managed Agents, le service qui packages la stack agentique complète dans la plateforme Claude (platform.claude.com/docs/en/managed-agents).
Dreaming — en research preview, accès sur demande. Un job asynchrone qui s'exécute en arrière-plan, lit jusqu'à 100 sessions d'agent passées, en extrait des patterns, supprime les doublons et les entrées obsolètes, et réécrit la mémoire de l'agent pour qu'il s'améliore session après session. La mémoire d'origine reste intacte. Le job fonctionne sur Sonnet 4.6 et Opus 4.7, facturé au tarif token standard (the-decoder.com).
Outcomes — en public beta. Un agent évaluateur séparé note le travail d'un agent contre des rubriques de succès définies par le développeur. L'agent peut réessayer jusqu'à 20 fois avant d'aboutir. Selon les chiffres communiqués, ce mécanisme améliore le taux de réussite d'environ 10 points de pourcentage par rapport au prompting classique (siliconangle.com).
Multi-Agent Orchestration — en public beta. Un agent coordinateur délègue des tâches à jusqu'à 20 sub-agents spécialisés en parallèle, avec une limite globale de 25 threads concurrents. Chaque sub-agent dispose de son propre contexte isolé et de ses propres outils. La visibilité sur l'exécution est centralisée dans la Claude Console.
2. Sous le capot : Dreaming, c'est un cron de compaction
La métaphore est belle. La réalité technique est plus prosaïque. Dreaming est un job batch planifié qui passe en revue le journal des sessions passées, identifie ce qui s'y répète, et compresse cette information dans la mémoire opérationnelle de l'agent. C'est conceptuellement proche du processus de « compaction » déjà utilisé pour gérer le contexte dans une seule conversation longue, étendu à l'échelle d'une centaine de sessions.
L'agent exécute ses tâches le jour. Pendant la nuit, le job Dreaming relit jusqu'à 100 sessions, en extrait les patterns récurrents (erreurs répétées, workflows convergents, préférences d'équipe) et réécrit la mémoire pour les sessions suivantes. La mémoire originale reste intacte.
Trois propriétés techniques méritent d'être soulignées. La fréquence est configurable par l'organisation cliente : Anthropic ne décide pas pour vous quand l'agent « rêve ». Ensuite, l'organisation peut choisir entre deux modes : mise à jour automatique de la mémoire, ou validation humaine avant intégration. Enfin, la mémoire originale n'est jamais écrasée — le système crée une couche additionnelle, traceable, réversible.
Le but technique est limpide : résoudre la limitation structurelle des fenêtres de contexte. Même un million de tokens (Opus 4.7) ne suffit pas à capturer ce qu'un agent fait sur un mois entier. Dreaming compresse la connaissance opérationnelle, la rend réutilisable et la partage entre agents d'une même équipe.
3. Les chiffres mis en avant
L'annonce a été accompagnée de deux cas clients sortis pour le marketing :
Harvey, légaltech américaine spécialisée dans l'IA pour cabinets d'avocats, rapporte un taux de complétion des tâches multiplié par six après adoption de Dreaming. Le chiffre est repris dans la couverture VentureBeat (venturebeat.com).
Wisedocs, plateforme medtech de revue de documents médicaux, rapporte une réduction de 50 % du temps de revue grâce à la combinaison Dreaming + Outcomes. Le chiffre est attribué principalement à Outcomes (l'évaluateur en boucle).
Ces deux chiffres ont une vertu et un défaut. La vertu : ils sont concrets, attribués à des entreprises réelles, sourcés. Le défaut : ils s'inscrivent dans le même genre que les chiffres « 6× » ou « -50 % » qu'on lit sur les keynotes de toutes les plateformes IA depuis 2023. La méthodologie de mesure n'est pas publiée. Le baseline n'est pas explicité. Pour un décideur achat, ces nombres ouvrent la conversation, ils ne la clôturent pas.
4. La lecture stratégique : Anthropic veut posséder la stack agentique
Si l'on regarde Dreaming en isolation, on voit une fonctionnalité. Si on regarde les trois annonces ensemble, on voit autre chose : Anthropic n'est plus un fournisseur de modèles, c'est un fournisseur de plateforme agentique complète.
- Outcomes = le moteur d'évaluation. Anthropic possède la façon dont la qualité est mesurée.
- Dreaming = le moteur de mémoire. Anthropic possède la façon dont la connaissance opérationnelle est curatée.
- Multi-Agent Orchestration = le moteur d'orchestration. Anthropic possède la façon dont les sub-agents sont délégués.
Trois couches, trois verrouillages. C'est la lecture qu'a faite VentureBeat dans un second papier publié le même jour : « Anthropic wants to own your agent's memory, evals, and orchestration — and that should make enterprises nervous » (venturebeat.com/orchestration). Le titre dit l'angle : si toute la stack agentique d'une entreprise tourne dans Anthropic, le coût de migration vers un concurrent devient prohibitif.
5. Pourquoi maintenant ? Le contexte concurrentiel
L'annonce arrive dans une fenêtre très précise. OpenAI a déployé en avril 2026 GPT-5.5 dans Codex avec computer use et plugins. Microsoft a intégré Claude Cowork dans Copilot Wave 3. Google a sorti la version 0.41 de Gemini CLI avec mode vocal. Tout le monde investit la stack agentique en même temps.
Anthropic a deux signaux faibles à couvrir. D'abord, la critique persistante sur la fiabilité des agents en production : les benchmarks publics situent les taux d'erreur multi-étapes au-dessus de 10 % pour la plupart des cas réels. Outcomes (boucle d'évaluation) et Dreaming (apprentissage continu) répondent directement à cette critique. Ensuite, la concurrence d'OpenAI sur l'orchestration multi-agent : Microsoft Autogen et OpenAI Swarm/Assistants ont une avance réelle dans les architectures distribuées. Multi-Agent Orchestration intégrée directement dans la plateforme Claude est la réponse stratégique.
L'annonce des trois fonctionnalités ensemble n'est pas un calendrier de release neutre. C'est un repositionnement : Anthropic ne se contente plus du modèle, il vend l'orchestration au-dessus.
6. Le mot « dreaming » : entre métaphore et réalité
Le choix du mot « dreaming » est un coup de communication abouti. Il évoque une caractéristique humaine que les neurosciences attribuent au cerveau pendant le sommeil : la consolidation des apprentissages, la réorganisation des souvenirs, l'extraction de patterns récurrents. La métaphore biologique fonctionne et plait aux journalistes.
Sur le plan technique, c'est une exagération. Le système ne rêve pas. Il exécute un job batch programmé qui lit un journal d'événements et synthétise un résumé. C'est un cron qui appelle Sonnet 4.6 ou Opus 4.7 sur des logs de session. La poésie cache la montée en gamme d'un mécanisme déjà existant : la compaction de contexte.
Cette décision éditoriale a un effet utile pour Anthropic : faire passer une fonctionnalité d'infrastructure (orchestration de batch jobs sur memory stores) pour un saut cognitif. Les acheteurs dirigeants entendent « l'IA apprend de ses erreurs », ce qui sonne différent de « l'IA déduplique périodiquement les entrées de sa base de mémoire ». Les deux phrases décrivent la même chose. La première justifie un budget. La seconde, non.
7. Ce que ça change pour les entreprises
Les bénéfices réels. Pour les organisations qui déploient déjà Claude Managed Agents, la combinaison des trois fonctionnalités a un sens opérationnel. Outcomes professionnalise la mesure de qualité, ce qui évite les agents « qui font n'importe quoi mais semblent confiants ». Dreaming améliore les agents long-running sur plusieurs semaines, ce qui évite la dérive ou la répétition d'erreurs corrigées par un humain. Multi-Agent Orchestration permet de structurer des workflows complexes sans construire son propre orchestrateur.
Les risques de lock-in. Une fois une organisation outillée avec ces trois couches chez Anthropic, le coût de switch devient réel. La mémoire des agents est curatée par les algorithmes Anthropic. Les rubriques d'évaluation utilisent les conventions Outcomes. Les sub-agents sont orchestrés par le coordinateur Anthropic. Reproduire cette stack ailleurs demande des semaines de travail d'ingénierie. Pour un DSI prudent, c'est un sujet de gouvernance majeur, pas une question technique secondaire.
Les zones grises sécurité. Dreaming mémorise des informations qui transitent par les sessions d'agent. Si une session a manipulé des données sensibles, elles peuvent finir « promues » en mémoire long terme. Le mode « human review avant intégration » existe, mais il oblige à affecter une ressource humaine au filtrage des rêves. Pour un workflow rapide, l'automatique va l'emporter. Et avec lui, le risque qu'un secret s'incorpore dans la mémoire opérationnelle d'un agent partagé par plusieurs équipes.
8. Limites de l'annonce
Research preview, pas GA. Dreaming n'est pas disponible pour tout le monde. Il faut soumettre une demande d'accès sur le site Claude. Les premiers utilisateurs sont sélectionnés, ce qui déforme les retours publics : les chiffres viennent de partenaires qui ont co-construit le produit, pas d'un échantillon représentatif d'entreprises.
Dépendance complète à Anthropic. Les trois fonctionnalités ne marchent qu'avec les modèles Anthropic. Pas de port vers Claude open-source, pas d'export en standard ouvert. La mémoire curatée par Dreaming est dans un format propriétaire.
Coût opaque. Les jobs Dreaming sont facturés au tarif token standard. Sur 100 sessions par cycle, plusieurs cycles par semaine, plusieurs agents par organisation, l'addition n'est pas anodine. Aucune calculatrice publique n'est fournie par Anthropic au moment de l'annonce.
Aucun standard ouvert pour l'instant. MCP (Model Context Protocol) couvre la connexion aux outils tiers, pas l'export de mémoire entre plateformes. Tant qu'Anthropic ne publie pas de format d'échange pour les memory stores, les organisations sont dépendantes de la roadmap Anthropic pour faire migrer leur capital opérationnel.
9. Conclusion : pari de plateforme
Dreaming, en soi, est une fonctionnalité technique légitime qui répond à une vraie limite : les agents qui oublient et répètent leurs erreurs. La mise en scène autour du mot « rêve » force le respect en termes de communication.
Mais c'est l'ensemble Outcomes + Dreaming + Multi-Agent Orchestration qui matérialise le vrai mouvement. Anthropic ne joue plus la même partie qu'OpenAI ou Google sur le terrain des modèles. L'entreprise cherche à capturer la plateforme agentique — la couche au-dessus du modèle, là où vivent la mémoire, les évaluations et l'orchestration. Cette couche est plus collante qu'un endpoint API. Une fois installée, elle reste installée.
Pour une entreprise qui s'engage aujourd'hui, la décision n'est pas « est-ce que Dreaming améliore mes agents ? » (la réponse est probablement oui). La décision est : « est-ce que je veux qu'Anthropic possède la mémoire opérationnelle de mes agents pour les cinq prochaines années ? ». C'est un sujet COMEX, pas un sujet d'API. Et c'est exactement la question qu'Anthropic cherche à faire poser.
Le marketing parle de rêve. La stratégie parle de souveraineté. Les deux mots méritent d'être lus ensemble.