Claude Dreaming : des agents IA qui progressent seuls entre deux sessions

Un taux de complétion multiplié par 6 chez Harvey, la legaltech spécialisée en IA juridique. Pas grâce à un nouveau modèle, pas grâce à un prompt mieux calibré. Juste parce que les agents ont commencé à « rêver ». Le 6 mai 2026, lors de la conférence Code with Claude, Anthropic a dévoilé une fonctionnalité qui pourrait changer la donne pour les entreprises déployant des agents IA : le dreaming. L'idée est aussi simple qu'ambitieuse. Permettre aux agents Claude de relire leurs sessions passées entre deux tâches, d'en extraire des schémas récurrents, et de stocker les enseignements utiles dans leur mémoire persistante.

Le problème que personne ne veut voir : l'amnésie des agents IA

Posez la question à n'importe quel DSI qui a déployé des agents IA en production. Le problème numéro un, ce n'est ni la précision du modèle ni le coût des tokens. C'est l'oubli. Selon une étude publiée dans le Journal of Machine Learning Research, la performance des agents se dégrade de 40 % au-delà de 50 000 tokens en raison de la dilution de l'attention. Concrètement, votre agent qui gérait parfaitement une data room de 80 pages commence à « décrocher » au bout d'un moment.

Le sondage DigitalOcean 2026 auprès de 1 100 responsables technologiques enfonce le clou : 41 % d'entre eux citent la fiabilité comme obstacle numéro un au passage à l'échelle des agents IA. Et cette fiabilité vacillante vient en grande partie du fait que chaque session repart de zéro. L'agent qui a appris hier que votre convention de nommage exige des majuscules sur les codes projet ? Il l'a oublié ce matin.

La conséquence directe, selon une analyse Gartner 2025, est que le churn client augmente de 20 % dans les scénarios de support lorsque les utilisateurs doivent réexpliquer leur contexte à chaque interaction. Et ce phénomène ne se limite pas au support client. Dans un cabinet de conseil en stratégie, un agent IA qui prépare des benchmarks sectoriels devrait retenir que le client exige les données en base 100 indexée sur l'année N-3, pas en valeur absolue. Au lieu de quoi, il repose la question à chaque mission.

Comparez avec un collaborateur humain. Un analyste junior qui rejoint votre équipe de gestion d'actifs va commettre des erreurs la première semaine. La deuxième, moins. La troisième, il aura intégré les habitudes du fonds, les formats de reporting attendus, les préférences du portfolio manager. Les agents IA, jusqu'à présent, restaient bloqués en permanence à la première semaine. Et les techniques de compression mémoire actuelles (semantic compression, pruning adaptatif, caching) ne réduisent les coûts liés au contexte que de 38 % selon Mem0, sans résoudre le problème de fond : l'absence d'apprentissage entre sessions.

Comment fonctionne le dreaming : la mécanique en détail

Le nom est volontairement évocateur. Comme le cerveau humain qui consolide les apprentissages pendant le sommeil, le dreaming de Claude se déclenche entre les sessions de travail, selon un calendrier configurable par l'utilisateur. Le processus se déroule en trois temps.

L'agent parcourt d'abord ses sessions récentes et ses banques de mémoire existantes. Il identifie ensuite les patterns récurrents : erreurs répétées, workflows sur lesquels plusieurs agents convergent indépendamment, préférences partagées au sein d'une équipe. Il restructure enfin sa mémoire pour ne conserver que les signaux à haute valeur, en fusionnant les doublons et en supprimant les entrées obsolètes.

Anthropic a particulièrement insisté sur un point lors de l'annonce : le contrôle reste entre les mains de l'utilisateur. Vous pouvez laisser l'agent mettre à jour sa mémoire automatiquement, ou bien exiger une validation humaine avant chaque modification. Pour les secteurs réglementés que nous accompagnons chez ClaudIn, cette distinction est loin d'être anecdotique. Un cabinet d'avocats soumis au secret professionnel ou un asset manager sous contrainte DORA n'ont pas les mêmes exigences de traçabilité qu'une startup tech.

Ce qui rend le dreaming différent de la simple compaction de contexte (la technique habituelle où un chatbot résume sa conversation quand elle devient trop longue), c'est sa portée transversale. Le dreaming analyse les sessions de plusieurs agents simultanément. Si trois agents distincts au sein de votre direction financière ont chacun découvert que les rapports IFRS 16 de votre ERP contiennent une colonne « Montant » formatée en texte au lieu de chiffres, cette information sera consolidée une seule fois et partagée à tous.

Harvey, Netflix et les premiers résultats mesurables

Harvey fait partie des premiers utilisateurs en production du dreaming. La legaltech, qui utilise Claude Managed Agents pour coordonner des tâches juridiques complexes comme la rédaction longue et la création documentaire, a vu ses taux de complétion bondir d'un facteur 6 lors de ses tests internes. Comment ? Ses agents retiennent désormais entre les sessions les contournements spécifiques aux types de fichiers, les patterns propres à chaque outil, les préférences de formatage des différents clients.

Le chiffre est spectaculaire, mais il s'explique logiquement. Quand un agent juridique traite son 200e contrat NDA et qu'il « se souvient » que les 199 précédents utilisaient une clause d'arbitrage ICC plutôt que LCIA, il ne perd plus de temps à demander confirmation. Quand il sait que le cabinet exige des renvois en notes de bas de page (et pas en fin de document), il le fait d'emblée.

Netflix, de son côté, exploite une autre facette de l'annonce du 6 mai : l'orchestration multi-agents, désormais en bêta publique pour tous les utilisateurs de Managed Agents. La plateforme de streaming traite les logs de centaines de builds simultanément en répartissant le travail entre sous-agents spécialisés. Combiné au dreaming, chaque sous-agent bénéficie de la mémoire collective de l'ensemble du système.

Ces résultats s'inscrivent dans une tendance plus large. Le marché des agents IA, évalué à 7,84 milliards de dollars en 2025 selon BCC Research, devrait atteindre 52,62 milliards en 2030 (croissance annuelle de 46,3 %). Gartner prévoit que 40 % des applications d'entreprise intégreront des agents IA spécialisés d'ici fin 2026, contre moins de 5 % il y a encore quelques mois. La question n'est plus de savoir si les agents seront déployés, mais comment les rendre fiables sur la durée.

Outcomes et orchestration : les deux autres annonces à retenir

Le dreaming n'était pas seul sur scène le 6 mai. Anthropic a aussi rendu publiques deux fonctionnalités complémentaires qui méritent l'attention des entreprises.

La première s'appelle « outcomes ». Le principe : vous montrez à l'agent un exemple du résultat attendu pour une tâche donnée, et un « agent évaluateur » distinct vérifie que les livrables correspondent au standard défini. Selon les tests d'Anthropic et de ses early adopters, cette approche améliore le taux de réussite de 10 points par rapport aux prompts classiques, sans aucun exemple.

Imaginez la différence pour un cabinet de recrutement qui utilise Claude pour pré-qualifier des candidatures. Au lieu de rédiger un prompt de 2 000 mots décrivant les critères d'évaluation, vous fournissez trois fiches de candidats parfaitement évaluées. L'agent comprend le format, le niveau de détail, le ton. Et l'agent évaluateur vérifie chaque livraison en temps réel.

La seconde fonctionnalité est l'orchestration multi-agents, qui permet à un agent principal de décomposer une tâche complexe en sous-tâches et de les assigner à des sous-agents spécialisés. Le tout avec une traçabilité complète dans la console Claude : chaque étape, chaque sous-agent, chaque décision est consultable. Pour les cabinets qui facturent à la mission et doivent justifier leurs méthodes auprès de leurs clients, cette transparence est un argument concret.

Combinées, ces trois fonctionnalités dessinent un tableau cohérent. L'orchestration multi-agents distribue le travail. Les outcomes garantissent la qualité. Le dreaming capitalise les apprentissages. C'est la boucle complète qui manquait aux déploiements d'agents IA en entreprise : déléguer, vérifier, et progresser. Anthropic a d'ailleurs doublé les limites d'utilisation pour les abonnés Pro et Max (de 5 à 10 heures), signe que l'infrastructure suit. Le deal signé le même jour avec SpaceX pour accéder à plus de 300 mégawatts de capacité compute supplémentaire (220 000 GPU Nvidia au data center Colossus 1 de Memphis) n'y est pas étranger.

Ce que ça change pour les entreprises B2B réglementées

79 % des organisations rencontrent des difficultés à déployer l'IA en 2026, selon le rapport Writer sur l'adoption de l'IA en entreprise. C'est une hausse à deux chiffres par rapport à 2025. Et seulement 23 % des entreprises rapportent un ROI significatif sur leurs agents IA, d'après la même étude. Le fossé entre l'enthousiasme des POC et la réalité de la production reste béant.

Le dreaming s'attaque frontalement à l'une des causes profondes de ce fossé. Quand 54 % des dirigeants C-suite admettent que l'adoption de l'IA « déchire leur entreprise » (toujours selon Writer), c'est souvent parce que les outils ne tiennent pas leurs promesses dans la durée. Un agent qui fonctionne impeccablement pendant la démonstration de 30 minutes mais qui oublie tout le lendemain ne convainc personne au-delà du comité innovation.

Pour les secteurs que nous accompagnons chez ClaudIn, les implications sont directes. Un agent déployé dans une direction juridique qui traite des contrats de bail commercial va progressivement apprendre que les baux 3/6/9 en droit français ont des spécificités sur le plafonnement des loyers, que la clause résolutoire doit respecter un délai d'un mois après commandement, que le preneur préfère toujours la compétence du tribunal de commerce de Paris. Ces apprentissages, jusqu'ici perdus à chaque fin de session, deviennent persistants.

Du côté des compagnies d'assurance, un agent spécialisé dans l'analyse de sinistres qui a traité 500 déclarations va « se souvenir » des patterns de fraude les plus courants dans votre portefeuille, des pièces justificatives systématiquement manquantes, des délais de réponse habituels par type de contrat. L'analogie la plus juste, c'est celle de la mémoire institutionnelle : ce savoir informel qu'un collaborateur de 10 ans détient et qu'aucun manuel de procédures ne capture vraiment.

Pensez aussi aux courtiers qui traitent des centaines de demandes de souscription par mois. Un agent avec dreaming finira par savoir que tel assureur refuse systématiquement les risques industriels au-delà de 10 M€ de CA, que tel autre exige un rapport de prévention de moins de 6 mois, que les délais de réponse de la Lloyd's s'allongent entre novembre et janvier. Ces informations, aujourd'hui consignées dans la tête de trois personnes au bureau, deviennent un actif numérique partagé et actualisé.

Et pour les directions immobilières ? Un agent qui gère la revue de baux commerciaux va retenir les spécificités de chaque bailleur : celui qui négocie toujours la clause de destination, celui qui refuse les états des lieux contradictoires, celui qui paie systématiquement avec 45 jours de retard. Ces patterns, accumulés sur des mois, transforment l'agent d'un simple exécutant en un vrai partenaire de négociation pour l'asset manager.

Les limites à avoir en tête avant de se lancer

Le dreaming est pour l'instant en « research preview ». Traduction : il faut demander l'accès à Anthropic et patienter avant d'être approuvé. Ce n'est pas un produit fini, et certaines questions restent ouvertes.

Quid de la confidentialité des données entre agents au sein d'une même organisation ? Si un agent du département RH « rêve » en même temps qu'un agent du département finance, Anthropic garantit que les mémoires restent cloisonnées. Mais la granularité de ce cloisonnement (par agent, par équipe, par département) n'a pas encore été détaillée publiquement. Pour les organisations soumises au RGPD ou aux exigences de l'AI Act européen (dont les obligations de transparence entreront en vigueur en août 2026), ce point devra être clarifié avant tout déploiement en production.

Il y a aussi la question du biais de confirmation. Un agent qui consolide ses apprentissages risque-t-il de renforcer des schémas erronés ? Si les 50 premiers contrats traités contenaient une erreur systématique que personne n'a relevée, le dreaming pourrait ancrer cette erreur dans la mémoire persistante. Le mode « validation humaine avant mise à jour » atténue ce risque, mais au prix d'une charge supplémentaire pour l'équipe.

Enfin, le coût. Anthropic n'a pas communiqué de tarification spécifique pour le dreaming, mais le processus consomme des tokens à chaque cycle de consolidation. Pour une équipe de 20 agents qui « rêvent » quotidiennement, la facture pourrait s'ajouter sensiblement au budget compute. À mettre en balance avec les 67 % de baisse des coûts de tokens en entreprise observés sur les 12 derniers mois selon le rapport AICC, qui rend ce type de fonctionnalité de plus en plus accessible.

Le dreaming marque un tournant dans la façon dont les entreprises peuvent envisager leurs agents IA. Non plus comme des outils jetables qu'on relance à chaque tâche, mais comme des collaborateurs numériques qui accumulent de l'expérience. Harvey, Netflix et les premiers early adopters montrent que le gain est réel et mesurable. La balle est maintenant dans le camp des DSI et des directions métier : tester la fonctionnalité dès sa disponibilité, définir les garde-fous adaptés à leur secteur, et commencer à construire cette mémoire institutionnelle augmentée. Chez ClaudIn, nous accompagnons déjà nos clients dans le déploiement de Claude Cowork et de ses agents. Si vous souhaitez évaluer ce que le dreaming peut apporter à vos équipes, réservez une démo pour en discuter.