711 résultats de travail en une nuit, 180 euros par mois, zéro programmeur éveillé. Un test pratique documenté - avec des questions ouvertes.
Aucun journaliste n'a accompagné cet article. Il n'y avait rien à observer. Juste une personne qui dort et une machine qui travaille. Les preuves sont des captures d'écran et des factures, pas des impressions. C'est peut-être le changement le plus discret qu'apporte cette technologie d'IA : Ce n'est pas seulement le travail qui se déplace - les histoires à son sujet deviennent également plus difficiles à raconter.
Février 2026, Hesse centrale
Vendredi soir, après une semaine de travail normale, Christopher Helm ouvre un ordinateur spécialement conçu pour le test - isolé du réseau de l'entreprise, le responsable ISO 27001 avait, malgré d'importants travaux de recherche et de développement, déjà fait le test. Carte système AI-Model et Rapport sur les risques de sabotage, Il a insisté sur ce point - et a remis à un système d'IA, qui est le premier de sa série pensée adaptative offre, le contrôle total.
Pendant les neuf heures suivantes, sans surveillance. Dans celle-ci, la réflexion est facultative pour le modèle. Le modèle évalue la complexité de chaque demande et décide s'il doit réfléchir et dans quelle mesure.
Quelque part entre les hauts-fourneaux de Buderus à Wetzlar, les armoires électriques de Rittal à Herborn et les pompes à chaleur de Viessmann à Allendorf, vendues entre-temps - et pourtant reliées aux centres de calcul pour les besoins énergétiques desquels Microsoft fait réactiver Three Mile Island, Google commande trois nouvelles centrales nucléaires et Amazon prévoit des mini-réacteurs à côté de ses fermes de serveurs. 58,7 millions d'éléments de texte passeront cette nuit dans cette infrastructure, poussés par un ordinateur portable dans une petite ville.
Peter Steinberger - fondateur de l'association "Les enfants de la rue" - montre ce qui se passe lorsqu'on essaie sans structure. PSPDFKit (aujourd'hui Nutrient), qui est sorti de sa retraite pour jouer „to mess with AI“, comme son Bio GitHub révèle. Son projet Moltbot est devenu viral : un réseau de bots autonomes qui communiquent via WhatsApp, Telegram et Signal - des médias sociaux sur lesquels seuls les bots publient. 134.000 personnes ont vu son post sur X, dans lequel il mettait lui-même en garde : „This is a bad idea and you should not do it“. Steinberger a gagné sa vie - PSPDFKit a été acquis par Insight Partners pour $116 millions, puis en congé sabbatique. Il part maintenant le 11 février pour le Sommet pragmatique à San Francisco pour parler de Vibe Coding. Ceux qui ont leur exit peuvent jouer. Moltbot rappelle ICQ : beaucoup de badauds, peu de substance. Plus de métavers que d'infrastructure.
Malgré un coût plus élevé que le GPT 5-3, Helm confirme les déclarations de Utilisateurs sur Reddit. Claude est plus sensible, notamment lorsqu'il s'agit de tâches qui ne doivent pas traiter du code logiciel, mais des documents, des présentations ou des contrats.
Helm construit le contraire : son propre programme de contrôle - une couche intermédiaire qui organise une équipe virtuelle comme un service : les rôles sont définis, les points de passage sont fixés, les critères de qualité sont formulés, les formats d'entrée et de sortie entre les agents sont structurés. Puis un ensemble :
„Salut, je dois bientôt partir. De quoi as-tu besoin de moi pour pouvoir travailler seul“ ?“
A l'autre bout : Claude Opus 4.6, Anthropics modèle phare publié le 5 février à 18h51, heure allemande - première place sur Terminal-Bench 2.0 pour le codage autonome, première place sur Humanity's Last Exam pour le raisonnement interdisciplinaire. La réponse arrive immédiatement - pas sous forme de texte, mais de demande de précisions :
„J'ai besoin de ces autorisations pour travailler de manière autonome pendant les 9 prochaines heures. Puis-je les avoir toutes“ ?“
Le casque est confirmé. Jetez un coup d'œil vingt minutes plus tard - „Salut, je viens de passer devant le bureau, tu as besoin de quelque chose ?“ - et va se coucher.
Lorsqu'il se réveille le lendemain matin, il y a 711 résultats de travail. Une journée de travail complète - sans travail.
Ce que disent les chiffres
L'affichage du statut : plus de huit heures de fonctionnement, 11 pour cent de la limite d'utilisation hebdomadaire pour le superviseur consommés. Le tableau de bord de l'API montre le travail de l'équipe : 58,7 millions d'éléments de texte entrants et 5 millions d'éléments de texte sortants (appelés tokens) via les modèles Sonnet 4 moins chers, ainsi que 656 recherches web automatisées. Opus 4.6 n'apparaît pas dans le diagramme API - il fonctionnait en tant que superviseur via l'outil de ligne de commande Claude Code d'Anthropic sur un contingent séparé. Les factures : Helm utilisait jusqu'à la veille le plan Claude Max avec un contingent quintuplé pour 90 euros par mois. Pour le test, il est passé au contingent vingtuple à 180 euros par mois - la différence au prorata pour la période de facturation en cours était de 93,92 euros.
À titre de comparaison, une unité de travail comparable aurait coûté environ 25 euros sur les plateformes Microtask il y a un an. Avec toutefois un inconvénient de taille : celui qui y attribue 711 tâches doit ensuite contrôler manuellement 711 résultats. Dans l'architecture de Helm, c'est la couche intermédiaire elle-même qui s'en charge - elle valide automatiquement le travail des agents sur la base de critères définis. Opus surveille à son tour cette couche de contrôle. Le résultat est une assurance qualité à deux niveaux sans contrôleur humain. 711 fois 25 donne près de 17.800 euros - en une nuit. Extrapolé à un mois de 20 nuits de travail, cela représenterait 356.000 euros en équivalent Microtask. Sur une année : plus de quatre millions. La machine qui s'en occupait coûte 180 euros par mois. Même si l'on ajoute les frais courants pour les modèles Sonnet - aux prix actuels d'Anthropic, 58 millions d'éléments de texte traités se situent dans une fourchette basse à trois chiffres -, il reste un rapport qui fait exploser tout calcul de coûts.
Bien sûr, la comparaison est boiteuse. Chaque nuit ne fournit pas 711 unités, chaque unité ne correspond pas exactement à ce qu'un prestataire de micro-tâches produit en une heure, et le travail préparatoire pour le système n'est pas compris dans la facture. Mais même avec des réductions généreuses, il reste un ordre de grandeur qu'il est difficile d'ignorer.
Opus pense, Sonnet travaille - mais qui organise l'équipe ?
Malgré de nouvelles Équipes d'agents fonctionnement d'Opus 4.6 et une configuration correcte dans les Claude Code Settings a posé un problème lors de la mise en œuvre.
Comment écrire un prompt qui orchestre un service entier ?
La définition de Chèques et balances de situations décisionnelles non binaires et basées sur la connaissance est complexe. Que ce soit la Constitution des États-Unis de 1787 ou Constitution de Claude le 22 janvier 2026.
Chèques et balances
Chaque pouvoir (législatif, exécutif et judiciaire) doit également disposer des moyens de pouvoir pour défendre sa propre fonction et veiller ainsi à ce que le système politique global reste équilibré.
Ce principe est devenu un principe de l'exercice démocratique du pouvoir dans son ensemble. Partout où des potentiels politiques apparaissent et où le pouvoir est exercé, il doit y avoir la possibilité de former et d'exercer un contre-pouvoir. Le principe vise ainsi à équilibrer les différents intérêts, soutient la tendance à l'équilibre et favorise la coopération entre les différents pôles de pouvoir, garantissant ainsi la stabilité sociopolitique.
Centre fédéral pour l'éducation politique
Comment écrire Prompts pour l'équipe de Claude Agent?
La plupart des instructions dans les entreprises, par exemple la procédure de due diligence, définissent des directives de mise en œuvre. Cependant, il est rare que le chef de service donne des instructions sur la manière dont la production d'un collaborateur doit être contrôlée. Une tâche qui va au-delà de la simple Résumé des documents juridiques ne s'arrête pas là.
Comment un chef de service évalue-t-il ses collaborateurs et avec quelle aversion au risque un chef de service doit-il décider du niveau de qualification que doit avoir un collaborateur pour être autorisé à effectuer une tâche en fonction de sa complexité. Comment définir l'objectif qui n'entraîne pas de comportement indésirable (La loi de Goodhart). Ou encore Les Leaderboards LLM sont des conneries - La loi de Goodhart frappe à nouveau : r/LocalLLaMA.
Transposé au cas d'application : quel modèle d'IA (Coéquipiers) reçoit quelle tâche, ou ne doit pas la recevoir.
Comment structurer les équipes d'IA ?
Comment le chef de service (Chief) vérifie-t-il que (1) tous les chefs de service connaissent leur expertise, (2) ont fait des recherches sur le contexte commercial actuel, (3) ont comparé les éventuelles différences de conception entre (1) et (2) au niveau des chefs de service avant de confier des tâches à leurs coéquipiers ?
Opus 4.6 n'a malheureusement pas pu résoudre cette tâche. Helm a donc eu recours à une astuce qu'il n'a pas voulu me révéler. Juste une chose : l'architecture finale de l'équipe d'IA doit pouvoir s'auto-évaluer, avait, tout comme Claude, trois niveaux et prendrait en charge le travail de 30 jours-personnes dans un projet de conseil typique dans la région DACH.
Le chef de l'intelligence artificielle supervise deux chefs de département de l'intelligence artificielle qui doivent lui rendre compte de manière formelle et définie. L'un des chefs de service travaille en permanence sur les connaissances de l'ensemble de l'organisation. L'autre chef de service s'occupe des projets clients. Les collaborateurs des chefs de service ne reçoivent que le contexte dont ils ont besoin pour leur tâche. Le chef et le responsable de département se mettent d'accord sur un Triangle du projet pour les projets d'IA, quelle tâche requiert des qualités junior et quelle tâche requiert des qualités senior. Le chef IA optimise la marge des projets et les chefs de département ont pour mission d'éviter la confusion des collaborateurs, voir Exemples d'hallucinations d'IA.
Le principe : des petits paquets de travail peu coûteux sont créés en bas - matière première. Cette matière première se déplace vers le haut de la hiérarchie décisionnelle : elle est combinée, enrichie, validée. Chaque étape rend le résultat plus complexe et plus précieux. Les 17 800 euros ne proviennent pas d'une grosse commande, mais de centaines de petites unités qui sont affinées comme des matières premières. Certains résultats n'entrent pas dans le produit final malgré le traitement - parce que le contrôle qualité les élimine. Ce qui en résulte est, au sens littéral, un Combinat: un regroupement d'entreprises travaillant en étroite collaboration sur le plan de la production et placées sous un contrôle central - avec une entreprise-mère (opus), une hiérarchie régulée et l'imposition de plans. Sauf que le directeur général se réveille le matin et que les comptes sont déjà faits.
Concrètement, cela signifie qu'un agent de recherche parcourt les sources, évalue la pertinence de chacune d'entre elles et en extrait des faits exploitables. Un agent de traitement prend ces faits et les intègre dans des documents existants - en indiquant les sources, sans écraser le contenu existant. Un vérificateur valide si le transfert entre les niveaux correspond aux critères définis. Chaque agent travaille dans sa propre session avec sa propre fenêtre contextuelle ; les résultats sont transmis via des formats de fichiers structurés et non via une mémoire partagée. Les erreurs sont ainsi détectées par le superviseur au niveau des interfaces et non pas seulement dans le produit final.
Le point décisif : Opus 4.6 ne se contente pas de contrôler l'équipe - il peut aussi la modifier. Le superviseur peut adapter les instructions, restructurer les processus de travail, créer de nouveaux types de tâches. „Quand je reviens le matin, le système n'est pas seulement prêt, il est potentiellement plus intelligent que la veille - même au cas où je le manipulerais moi-même la prochaine fois“.“
Mais cela signifie aussi que le matin, ce n'est plus forcément le système que l'on a lancé le soir qui fonctionne. Opus peut avoir réécrit des instructions de travail, adapté des critères de contrôle ou introduit de nouveaux types de tâches - sans demander l'avis du superviseur. Le contrôle de qualité structurel continue à s'appliquer, mais il vérifie par rapport à des règles que le superviseur peut avoir lui-même modifiées. Helm voit cela d'un œil lucide : „C'est le prix à payer pour que le système puisse s'améliorer. Celui qui ne veut pas cela retire l'auto-optimisation - et se retrouve avec un système rigide qui est aussi stupide au bout de huit heures qu'au début“. Selon lui, il s'agissait d'une décision consciente, et il a vérifié le matin quelles modifications Opus avait apportées. Mais la possibilité qu'un système autonome écrase ses propres règles est un risque qui augmente avec la durée de fonctionnement.
Rapports de référence vs. entreprise de production
Les rapports précédents sur Opus 4.6 - de Heise sur Le guide de Tom jusqu'à la Communauté DEV - teste le modèle dans le chat. Ce qui manque : un cas documenté dans lequel Opus 4.6 produit de manière autonome pendant une journée de travail complète, avec des coûts vérifiables et une architecture qui va au-delà de „j'ai posé une question à Claude“.
L'architecture de Helm mesure quelque chose qu'aucun benchmark ne mesure : si une équipe fournit une unité de travail. Les benchmarks perdent de toute façon de leur pouvoir de discrimination - - - -. Artificial Analysis a retiré trois d'entre eux de son index, car tous les modèles Frontier atteignent plus de 90%. Les modèles deviennent en outre plus intelligents que ceux mesurés lors des tests grâce au raisonnement en cours d'exécution : OpenAIs o1 est passé de 9,3 à 74,4 pour cent lors d'une olympiade de mathématiques, sans que l'entraînement n'ait changé. Pour les décisions sans oui ou non clair - contrôle de pertinence, priorisation, attribution de contexte - il n'y a pas de test unitaire. Ce qui était auparavant considéré comme intangible est au moins partiellement automatisé et documenté dans le combiné.
Le rapport entre 58,7 millions de jetons d'équipe et 11 pour cent de contingent de superviseurs reflète cette hiérarchie : Opus pense et décide, Sonnet exécute. Helm a délibérément minimisé la consommation de ce modèle coûteux - prix de l'API pour Opus 4.6 : 5 dollars par million de jetons d'entrée, 25 dollars de sortie ; Sonnet-4 coûte un cinquième de cette somme. L'architecture résout en même temps un problème pratique : Opus 4.6 est étranglé par le fournisseur en cas d'utilisation intensive, d'autres utilisateurs font état d'interruptions après 30 minutes. La solution de Helm : n'utiliser Opus que comme superviseur, pas comme cheval de bataille. „Ma session a fonctionné pendant une heure et demie sous Opus, avant une pause de dix minutes. Mais entre-temps, Sonnet avait continué à travailler“.“
La qualité sans surveillance - et ses limites
Une question légitime : celui qui fait produire 711 résultats de travail en une nuit ne peut pas avoir contrôlé chacun d'entre eux en détail. Helm le reconnaît : „Je ne peux pas dire que j'ai contrôlé chaque unité ligne par ligne. Ce que je peux contrôler, c'est la structure : les agents ont-ils communiqué correctement ? Les transmissions sont-elles correctes ? Les critères de qualité définis ont-ils été respectés ?“ Selon lui, ce contrôle structurel n'a pas révélé d'erreurs - pas de faits manifestement inventés, pas de transferts ratés, pas d'agents qui se sont retrouvés dans des boucles.
Mais ce n'est pas la même chose qu'une validation sur le fond. „Subjectivement, je vais rejeter certains résultats. Non pas parce qu'ils sont défectueux, mais parce qu'ils ne répondent pas aux exigences que je pose au produit final“. Il s'agit d'une décision humaine - et c'est précisément là que se situe la limite de l'autonomie : le système peut produire et se contrôler lui-même pour s'assurer qu'il est formellement correct. L'évaluation pour savoir si un résultat est suffisamment bon reste du ressort de l'homme.
Le fait que le taux d'erreur structurel soit apparemment nul n'est pas le seul mérite du modèle. Helm a structuré la communication entre les agents et l'a rendue validable, de sorte que les erreurs dans le transfert sont visibles très tôt. „Ainsi, je sais au moins si l'équipe communique correctement par rapport à mes directives commerciales“. Une qualité qui, comme il le fait remarquer, doit parfois être travaillée durement dans les équipes humaines : que les connaissances soient partagées. Ici, c'était construit, mais ça a fonctionné.
C'est aussi la raison pour laquelle l'approche de Helm diffère de ce qu'Anthropic a lui-même appelé avec Opus 4.6 La fonction "Headline" fait la promotion: „Agent Teams“ - des agents parallèles qui se coordonnent de manière autonome, directement intégrés dans Claude Code. Anthropic le compare à un „équipe talentueuse d'humains“. La tentation est grande d'allumer la fonctionnalité et de la laisser fonctionner. Mais celui qui utilise des équipes d'agents sans couche de contrôle propre obtient trois choses : des coûts plus élevés parce que tout passe par le modèle Opus coûteux - la même nuit via l'API au lieu d'un forfait : environ 420 dollars par passage, pour 20 nuits de travail plus de 8.000 dollars par mois au lieu de 180 euros ; pas de concertation documentée entre les agents parce que les acteurs individuels ne consignent pas la base de leurs décisions ; et au final, pas de Explicabilité de l'IA - le résultat est une sorte de Opus Machinae, Il s'agit d'une décision qui n'a pas été prise à l'avance et dont personne ne peut comprendre l'origine.
En revanche, celui qui modélise lui-même la base de l'équipe peut regarder comment elle travaille - chef d'hélicoptère, sans que personne ne se fâche. La documentation des différentes tâches gagne en valeur par la combinaison : chaque étape ajoute du contexte, chaque transfert est protocolé. A la fin, la combinaison est compréhensible - non pas parce que le résultat serait auto-explicatif, mais parce que le chemin pour y parvenir est documenté.
Le coup du „Et après ?
Une particularité : la dernière commande de chaque chaîne de tâches était une variante de „Trouve la tâche suivante“. Pas de système sophistiqué, mais un principe volontairement simple - comparable à un enfant qui demande sans cesse : »Et ensuite ? Et après ?« Techniquement, c'est le même mécanisme qui a rendu viral le Moltbot de Steinberger : des agents autonomes qui se poussent les uns les autres, sans intervention humaine. La différence ne réside pas dans le principe, mais dans tout ce qui manque autour. Moltbot fait parler des bots entre eux sur WhatsApp et Signal - sans rôles définis, sans formats de transmission, sans contrôle de qualité. Le résultat est amusant et incontrôlable. Dans l'architecture de Helm, la même boucle infinie se déroule, mais à l'intérieur de la combinaison : chaque agent a un tirage de plan, chaque transfert est structuré, chaque résultat est contrôlé par rapport à des critères définis avant d'atteindre l'étape suivante.
„Je ne savais pas où le modèle allait arriver après huit heures. Mais c'était précisément l'expérience : „Peut-on donner à un modèle d'IA une chaîne de tâches ouverte et lui faire confiance pour prendre des décisions sensées ?“ La réponse dépend de la question de savoir si l'on donne au modèle une structure au sein de laquelle il peut prendre des décisions - ou si on le laisse simplement fonctionner.
Ce qui a changé - et ce qui n'a pas changé
La qualité des résultats individuels était déjà bonne avec les modèles précédents, dit Helm. Ce qui fait la différence, c'est la stabilité dans le temps. „Avec Sonnet, j'avais à l'origine le problème que les résultats du travail étaient plutôt nombreux que succincts et utilisables“. Maintenant, il peut utiliser Sonnet, mais sous la supervision d'Opus. Le véritable progrès : „Le modèle reste stable pendant des heures. Avec les versions précédentes, on aurait trouvé le lendemain matin une grande quantité de résultats inutilisables et répétitifs“. La fiabilité pendant une journée de travail complète, sans boucles, sans faits inventés - c'est nouveau, dit-il.
Dix ans de préparation pour une journée de travail sans travail
Lors du Bankathon 2015, quatre étudiants sont restés éveillés pendant 37 heures pour construire un prototype qui a remporté un prix spécial. En 2026, l'un d'entre eux dormira pendant que la machine produira. La différence n'est pas seulement technologique.
„A un niveau, la préparation a duré dix ans“, explique Helm. „Je travaille dans ce domaine depuis une dizaine d'années. Je sais ce qui est important. Cette expérience se retrouve dans la manière dont je structure les tâches - pas dans le modèle“. A cela s'ajoutent une journée de développement de l'infrastructure et le travail préparatoire pour définir des unités de travail uniformément évaluables et pouvoir les mesurer en permanence, afin que chaque résultat soit comparable - quel que soit l'agent qui l'a produit.
„C'est un paradoxe. Une journée de travail sans travail, cela ressemble à de l'automatisation. Mais pour que je puisse ne rien faire pendant une journée de travail, il fallait que je comprenne au préalable exactement ce qui devait être fait, dans quel ordre, avec quelle granularité et avec quels critères de qualité. Ce n'est pas une tâche pour un modèle d'IA. C'est une tâche pour quelqu'un qui connaît son métier“.“
Pas de contradiction : le côté critique
Ceux qui soupçonnent l'euphorie devraient connaître l'autre côté. Le jour même où Helm a lancé son test, il a publié sur son blog deux analyses qui véhiculent tout le contraire de l'enthousiasme.
Dans „Opus, l'opium du peuple ? - Enfin libre de toute compétence“ il calcule ce qui se passerait si tout le monde pouvait faire le travail d'une équipe pour 20 dollars par mois : éviction des postes d'entrée, dévalorisation des connaissances spécialisées, un marché du travail qui ne peut plus accumuler d'expérience parce que les postes d'apprentissage disparaissent. Dans „Opus Machinae - L'humain, le trop humain“ il établit des parallèles entre la soumission volontaire à des résultats générés par l'IA et les pratiques de mortification de l'Opus Dei - en s'appuyant sur Nietzsche qui, en 1878, dans Humain, trop humain a écrit : „Les convictions sont des ennemis plus dangereux de la vérité que les mensonges“.“
Il n'y voit pas de contradiction - plutôt le devoir d'exprimer les deux en même temps.
Ce que cela signifie pour les banques et les assurances
La question soulevée par le test est particulièrement pertinente pour le secteur financier.
En 2015, la caisse d'épargne de Paderborn-Detmold a envoyé une équipe au Bankathon - une tentative timide, comme l'écrivait Jonas Jansen à l'époque. „Aujourd'hui, quand tu appelles la Bafin en tant que start-up, tu tombes sur le portier, et c'est tout“, disait André Bajorat, le fondateur de Figo. Le secteur financier avait alors besoin du Bankathon pour entrer en contact avec des développeurs. L'article du Bankathon „Une nuit avec les nerds“ de Jonas Jansen est paru le 22 novembre 2015 dans le Frankfurter Allgemeine Sonntagszeitung (archivé au centre de compétences clés FIM, Université d'Augsbourg).
Dix ans plus tard, une seule personne disposant de connaissances sur le domaine peut mettre en place une équipe d'IA autonome capable de produire des centaines d'unités de travail structurées du jour au lendemain - pour moins de 200 euros par mois. Traitement de documents, contrôle de la conformité, analyse des clients, recherche réglementaire : les domaines d'application dans lesquels l'IA peut être utilisée sont les suivants Banques et Assurances expérimentent déjà l'IA aujourd'hui, sont précisément le type de tâches structurées, basées sur des règles, mais à fort volume, qui se prêtent à cette approche. Les 25 euros par unité de microtâche indiqués dans le calcul ci-dessus sont une estimation prudente - dans les secteurs réglementés avec des exigences MaRisk, une conformité DORA et le principe du double contrôle, les coûts réels par unité de microtâche comparable se situent dans la moyenne. Unité de travail nettement plus élevé. Le rapport réel entre 180 euros par mois et les coûts de la branche est encore plus drastique que ne le suggère la facture de 17.800 euros.
Ce test montre que la technologie en est capable. Reste à savoir qui, dans les départements spécialisés, dispose de l'expérience nécessaire pour l'utiliser à bon escient.
Daniel Kehne, l'autre étudiant de l'usine d'Offenbach, utilise la technologie pour que les personnes en fuite sachent dans leur langue où elles doivent s'inscrire et quels sont leurs droits. Pas d'agent IA, pas d'opus, pas de marche nocturne autonome - mais une équipe de 40 personnes qui travaillent trois jours par semaine pour des personnes qui n'auraient pas de voix autrement. „C'est un privilège d'avoir le temps et les ressources nécessaires pour s'engager en faveur des plus faibles de notre société“, a écrit Kehne sur le site web d'Integreat.
Lors du Bankathon 2015, il a fallu 63 nerds dans un hall d'usine. En 2026, un seul suffit pour donner des instructions à la machine et aller dormir. A qui cela profite, c'est une autre question.
Christopher Helm est le directeur général de Helm & Nagel GmbH, un fournisseur d'IA dans le domaine B2B pour l'automatisation cognitive, et l'exploitant du Konfuzio IDP pour le traitement intelligent des documents. Le test décrit ici a eu lieu dans la nuit du 6 au 7 février 2026 - environ 30 heures après la sortie de Claude Opus 4.6 le 5 février à 18h51 CET.
Tous les chiffres mentionnés sont documentés par des captures d'écran du tableau de bord d'Anthropic, des journaux de jetons et des factures. Rédigé par Claude Opus 4.6 sur la base d'un entretien avec Christopher Helm, directeur général de Helm & Nagel GmbH. Article invité.
FR 
DE 
EN 
ES