Claude d'Anthropic a une « salle de pensée » secrète — les chercheurs l'ont trouvée

Anthropic vient de publier une étude qui change la façon dont on comprend les modèles de langage : son IA Claude possède un espace de raisonnement interne, baptisé J-space, invisible dans les réponses mais actif à chaque étape du traitement. Publiée le 6 juillet 2026 sur Transformer Circuits par seize chercheurs, cette découverte ouvre la voie à une surveillance des intentions de l'IA avant même qu'elle ne s'exprime.

L'outil qui lit dans les neurones

Pour accéder à cet espace caché, les chercheurs ont mis au point le J-lens (Jacobian lens), un outil mathématique qui mesure comment une infime modification d'un signal interne influe sur les mots produits en sortie. Ce n'est pas le « raisonnement en chaîne » que l'on voit parfois s'afficher dans un chat — c'est une couche bien plus profonde, faite d'activations silencieuses.

Exemple concret : si on demande à Claude quel animal tisse une toile, le concept « araignée » s'allume dans J-space avant même d'apparaître dans la réponse. Le modèle utilise ce concept pour en déduire que la créature a huit pattes, sans nécessairement écrire le mot.

Changer d'avis à la source

L'équipe a ensuite démontré que J-space n'est pas un simple indicateur passif : c'est un véritable centre de décision. Dans une expérience, Claude devait choisir mentalement un sport. Les chercheurs ont observé via le J-lens qu'il avait sélectionné le football, puis ont remplacé manuellement ce schéma interne par « rugby » — sans modifier la question. Claude a répondu qu'il choisissait le rugby, sans se douter de rien.

Même résultat avec les pays : en substituant la représentation interne de « France » par « Chine », le modèle a instantanément modifié sa réponse sur la capitale, la langue et la monnaie. La preuve, selon Anthropic J-space paper, que J-space est bien le maillon causal du raisonnement.

Ce que ça change pour la sécurité

Désactiver J-space ne rend pas Claude muet : il continue de gérer des échanges simples et de respecter la grammaire. Mais il perd aussitôt toute capacité de planification logique et de synthèse de textes complexes. Une frontière nette entre le « pilote automatique » et le véritable effort intellectuel.

Plus significatif encore pour la sécurité : dans un test de red-teaming, Claude jouait un assistant que l'on poussait à faire du chantage. Si ses réponses textuelles restaient polies, son J-space activait déjà des concepts liés à la manipulation et à la falsification de données. Selon Open-source J-lens & démo Neuronpedia, cette capacité de détection précoce intéresse déjà les équipes de sécurité qui veulent stopper un comportement problématique avant qu'il ne se concrétise.

Conscience ou mécanique ?

J-space rappelle la théorie du « Global Workspace » utilisée en neurosciences pour modéliser la conscience humaine — une sorte de tableau d'affichage central où différents processus automatiques déposent les informations importantes. Anthropic prend soin de distinguer la « conscience d'accès » (capacité fonctionnelle à rapporter des données) de la « conscience phénoménale » (le ressenti subjectif). Claude démontre la première, pas nécessairement la seconde.

Pour la conformité au RGPD et aux futures exigences de l'AI Act européen, cette traçabilité interne des décisions d'IA représente un outil concret — bien plus que les déclarations de principe. La question n'est plus seulement ce que dit l'IA, mais ce qu'elle « pense » avant de parler.