Claude Opus 5.5 a restitué l'histoire de l'IA en pur code : ce que cela démontre réellement

Un post sur X affirme que quelqu'un a demandé à Claude Opus 5.5 de réaliser un film de trois minutes sur l'histoire de l'IA — de « Attention Is All You Need » à l'AGI — sans images d'archives ni générateurs d'images ou de vidéos, chaque image étant rendue à partir de code. Il s'agit d'une affirmation de démonstration provenant d'un seul compte, et non d'une annonce d'un fournisseur, et un film est l'artefact le plus facile à repartager dans ce domaine et le plus difficile à vérifier. Ce qui est vérifiable, c'est la catégorie à laquelle il appartient. Dans les deux jours après que le fournisseur a livré Claude Opus 5.5, le 22 septembre 2026, plusieurs personnes ont publié des films et des animations rendus par code et créés avec lui, et quelques-unes d'entre elles ont publié leur source. Cela suffit pour répondre à la question que le post soulève réellement : que signifie « fait à 100 % en code », et qu'est-ce qu'une histoire de l'IA exige qu'un clip musical n'exige pas ?

Version courte, et c’est la partie que les reposts omettent. Le modèle ne génère pas de pixels. Il écrit un programme qui peint des pixels, puis l’exécute. La sortie de l’étape intéressante est un moteur de rendu, pas un film.

Ce que « rendu à partir du code » exclut — et ce qu’il laisse

La contrainte dans le prompt fait un vrai travail, il vaut donc la peine de l’énoncer précisément. Pas de modèle d’image, pas de modèle vidéo, pas de banque d’images, pas de séquences sous licence, pas de voix générée. Tout ce qui apparaît à l’écran doit être produit par de l’arithmétique que quelqu’un a écrite.

Ce qu’il reste, c’est un pipeline, et sa forme est identique dans chacun de ces projets :

• Peinture — une page utilisant p5.js, Canvas 2D ou WebGL, ou une boucle Python et NumPy écrivant directement des tableaux de pixels. Couleur, géométrie, typographie et mouvement sont tous du code.

• Rendu — quelque chose doit parcourir chaque image dans l'ordre. Dans les projets basés sur le navigateur, c'est un script Node qui pilote une instance Chrome headless et capture le canvas ; dans les projets Python, c'est une boucle qui écrit des fichiers image.

• Encodage — ffmpeg assemble les images et superpose la piste audio.

À 24 images par seconde, trois minutes représentent environ 4 320 images. Rien dans Claude Opus 5.5 ne change ce que coûte l’image 2 000, car l’image 2 000 est une capture d’écran d’un canevas, pas un appel au modèle. Le travail du modèle se termine avant que la partie coûteuse ne commence — et la partie coûteuse se trouve sur votre matériel, pas sur l’API.

Pourquoi une histoire de l’IA est un brief plus difficile qu’un clip musical

Dans un clip musical, le contenu, c'est la chanson. L'animation est une décoration, et une décoration peut être abstraite. Un film sur l'histoire de l'IA a une structure inverse : la chronologie est le contenu. Si le film place le RLHF avant le transformer, ou omet les deux années entre GPT-3 et ChatGPT, il est erroné d'une manière qu'aucune qualité de rendu ne peut corriger. Personne regardant un clip lyrique en aquarelle ne peut dire si le modèle a compris la chanson. N'importe qui regardant une histoire de trois minutes peut dire si le modèle connaît l'histoire.

Cela empile trois charges distinctes sur une seule exécution. Le modèle doit ordonner correctement les faits sur une étendue assez longue pour ne pas pouvoir tout retenir en une seule passe. Il doit construire et déboguer un moteur de rendu multi-fichiers. Et il doit faire des choix de réalisation — quoi montrer, quoi omettre, quand couper — car une histoire doit être montée, sinon ce n'est qu'une liste. L'échec de l'une de ces trois choses est invisible sur une capture d'écran. Un film avec un beau moteur de rendu et une chronologie brouillée a l'air correct jusqu'à ce qu'on le lise.

Les artefacts qui résistent à l'examen sont ceux qui ont publié leur code source, et il y en a désormais plusieurs. Un clip musical pour une chanson intitulée « I'm Upping My P(doom) » a été mis en ligne sur GitHub le 22 septembre — le jour même du lancement de Claude Opus 5.5 — avec un README indiquant qu'il avait fallu deux générations, la première créditée au modèle avec un effort moyen et la seconde avec les réglages par défaut, que « tout dans ce dépôt a été généré par le modèle », et qu'aucune idée de scène n'avait été précisée au-delà d'un design de personnage et d'une instruction générale visant à donner à chaque parole des visuels intéressants. Un dépôt de démo de trois jeux a suivi le 23 septembre : trois jeux jouables dans le navigateur, un prompt d'une seule phrase chacun, aucune ressource externe, modèles, textures et audio tous procéduraux. L'un des trois a exigé que le modèle consulte la disposition officielle d'une carte de jeu existante et reconstruise sa géométrie à partir de cette recherche avant d'écrire quoi que ce soit — le modèle ayant jugé que sa première réponse aurait été erronée. Et un film de quatre minutes entièrement en code, attribué à quatre agents sur environ quatre-vingt-dix minutes sans API vocale, a circulé la même semaine.

Le film spécifique retraçant l'histoire de l'IA ne figure pas parmi les artefacts que j'ai pu vérifier, et sa durée, son prompt et sa chronologie relèvent du récit de l'auteur plutôt que d'un élément audité par un tiers. Traitez-le comme vous traiteriez n'importe quelle démo : la technique qu'il démontre est réelle et reproductible ; le film en question, lui, est une affirmation.

Ce que coûtent réellement trois minutes de code généré

Il existe une mesure indépendante qui décrit cette charge de travail mieux que ne le font les démos, et elle provient d'Artificial Analysis. Sur son Intelligence Index — version v4.3.2, dix évaluations — Claude Opus 5.5 obtient un score de 58 à effort maximal, ce que cette page classe au premier rang de 212 modèles. La même page situe le modèle à 260 millions de tokens de sortie consommés sur l'ensemble de la suite Index, avec un rang de verbosité de 95e sur 212, et un coût moyen pondéré de 5,98 $ par tâche de l'Index. Le prix catalogue d'Anthropic est de 4 $ par million de tokens d'entrée et de 20 $ par million de tokens de sortie, les lectures de cache étant à 0,20 $ par million.

Lisez ces deux éléments ensemble et le profil de tokens est toute l’histoire. Un modèle qui dépense beaucoup de tokens de sortie et se situe dans la moyenne en matière de verbosité est un modèle qui pense sur la page plutôt que de compresser. La génération à long horizon, voilà à quoi cela ressemble de l’extérieur : le budget sert à maintenir ensemble une construction longue, multi-fichiers et de plusieurs heures, et l’artefact visible est le résidu.

L'arithmétique, qui est de l'arithmétique et non une facture, puisque personne n'a publié le coût en tokens d'aucun de ces films : à 20 $ par million de tokens de sortie, une exécution qui émet 500 000 tokens de sortie coûte 10 $ en sortie. Les relectures d'entrée sont là où une longue construction devient coûteuse — un moteur de rendu qui relit de manière répétée sa propre source croissante paie 4 $ par million à l'entrée, ou 0,20 $ par million une fois le préfixe mis en cache, ce qui représente une différence d'un facteur vingt et le plus grand levier sur le coût d'une longue exécution d'agent.

Une mise en garde s'applique à tous les chiffres ci-dessus ainsi qu'au tableau de lancement d'Anthropic lui-même. La plupart des lignes de benchmark publiées par le fournisseur sont à effort maximal, tandis que l'effort par défaut sur l'API est moyen. Terminal-Bench 4.0 à 66,4 %, CursorBench 4.0 à 52,5 % en effort moyen par défaut, GDPval-AA v2.1 à 1 846 Elo — ces résultats sont déclarés par le fournisseur, non reproduits et dépendants de l'effort. Traitez l'effort comme le réglage de budget qu'il est, et non comme une note de bas de page.

Où les artefacts ne sont plus utilisables

Les modes de défaillance dans ce type de travail sont constants dans chaque dépôt qui a publié suffisamment pour être vérifié, et ils sont tous structurels plutôt que spécifiques à un modèle.

• Le résultat est un programme, pas un fichier. Si vous avez besoin d'un MP4 à remettre à quelqu'un, vous avez toujours besoin de Node, d'un navigateur et de ffmpeg. Le modèle a produit le moteur de rendu, pas le rendu. C'est une dépendance de build que vous possédez pour toujours, et elle cassera la première fois que le navigateur change.

• Cela évolue en fonction du nombre d'images, pas du nombre d'invites. 4 320 images, c'est 4 320 captures d'écran. Rien dans l'invite ne raccourcit cela, et rien dans les capacités du modèle ne rend les mille dernières images moins coûteuses que les mille premières.

• Le déterminisme est une exigence, pas un simple agrément. Les images sont rendues en parallèle et dans le désordre, de sorte que chaque image doit être une fonction pure de son horodatage — aucun état reporté, aucun aléa non initialisé, aucune dépendance au moment où l’image a été calculée. Un modèle qui n’a pas intériorisé cela produit un film qui scintille, et le scintillement n’est visible dans aucune image individuelle que vous inspectez.

• Le one-shot ne signifie pas qu’il n’y a pas d’audit. La preuve la plus claire en est la recherche sur la carte : le modèle a vérifié une disposition publiée plutôt que de se fier à sa propre reconstruction. C’est le comportement que vous voulez, et rien dans le prompt ne l’impose.

• Les faits sont la partie que personne n’a vérifiée. Chaque artefact publié de cette catégorie décrit son pipeline de rendu. Aucun d’entre eux ne fait état d’une passe de vérification des faits. Pour un film historique, c’est toute la surface de risque, et c’est la seule chose qu’une capture d’écran ne peut pas vous montrer.

• Personne n’a chiffré l’échec. Aucun de ces dépôts n’indique combien de tentatives il a fallu, combien de tokens il a brûlés, ni quelle part de la seconde génération servait à réparer la première. C’est le chiffre dont une équipe a besoin avant de s’engager, et c’est celui sur lequel les démos restent les plus muettes.

Lancer un rendu de trois minutes sans y miser un pipeline de production

Si ce que vous voulez, c'est un film, Claude Opus 5.5 n'est pas un modèle vidéo, et aucune quantité de séquences de démonstration n'en fera un. Le matériel de lancement d'Anthropic ne contient aucune capacité de génération vidéo ; les évaluations publiées portent sur le codage agentique, l'utilisation d'un ordinateur et le travail intellectuel. Ce que les démos montrent, c'est de la génération de code à long horizon dirigée vers quelque chose que vous pouvez regarder.

Si c'est cette capacité que vous recherchez, la question pratique cesse d'être quel modèle choisir pour devenir comment exécuter une tâche de génération de plusieurs heures sans y engager un chemin de production. Un rendu comme celui-ci échoue silencieusement et tardivement — vous obtenez un programme plausible qui peint pendant quatre minutes puis casse à l'image 3 000 — ce qui en fait un mauvais candidat pour une intégration sur mesure et un bon candidat pour un point de terminaison que vous possédez déjà. Claude Opus 5.5 est disponible sur OrcaRouter au tarif catalogue d'Anthropic avec 0 % de marge — 4 $ par million de jetons d'entrée, 20 $ par million de sortie, lectures du cache à 0,200 $ — accessible à la fois via l'API Anthropic Messages et le point de terminaison de complétions de chat compatible OpenAI, de sorte qu'un SDK existant fonctionne en pointant son URL de base vers nous. Placez l'exécution nocturne sur la même clé que tout le reste, derrière une seule API pour plus de 200 modèles avec un basculement automatique, et une exécution qui meurt à l'image 3 000 devient un problème de routage plutôt qu'une réarchitecture.

Le levier de coût, c’est le cache, et il vaut mieux le configurer avant le premier rendu plutôt qu’après : à 0,20 $ par million de jetons lus dans le cache contre 4 $ par million de jetons d’entrée frais, garder la source en croissance dans le préfixe mis en cache fait la différence entre une tâche nocturne bon marché et une tâche coûteuse. C’est vrai quel que soit le fournisseur du modèle.

Qu'est-ce qui réglerait la question ?

Trois choses feraient passer ceci du statut de classe de démonstration à quelque chose sur quoi vous pouvez planifier, et aucune d'elles ne nécessite un nouveau modèle.

Le premier est une source publiée spécifiquement pour le film historique. Le clip, les jeux et les films à moteur pixel sont vérifiables parce que leurs auteurs ont mis le code en ligne. Les films qui ne circulent que sous forme de vidéo — y compris celui-ci — ne peuvent pas être distingués d’un enregistrement d’écran soigneusement monté, et c’est précisément pour l’artefact dont le contenu consiste en des affirmations factuelles que la différence importe le plus.

Le deuxième est un audit de la chronologie. Une histoire de l’IA en trois minutes est un test ayant une bonne réponse, et c’est le fait que le film dure trois minutes qui rend le test difficile : le modèle doit compresser la période allant de 2017 à aujourd’hui sans omettre les entrées structurantes ni inventer un ordre qui ne s’est jamais produit. N’importe qui peut regarder le film et vérifier. Presque personne ne l’a fait.

Le troisième est une capacité moins coûteuse pour le même travail. Anthropic a annoncé que Sonnet 5.5 et Haiku 5.5 suivraient dans les semaines à venir. Un modèle moins cher capable de tenir ensemble un build multi-fichiers fait passer un rendu nocturne du statut d’expérience notable à celui de routine, et cela changerait l’arithmétique du budget d’échec — le nombre de tentatives que vous pouvez vous permettre — bien plus que cela ne change la qualité d’une seule image.

Pour l’instant, la lecture honnête du post est plus étroite que cela n’en a l’air et plus intéressante qu’elle n’en a l’air. Un modèle a écrit un moteur de rendu, un plan et une chronologie, puis un processus de construction les a transformés en trois minutes de vidéo. L’affirmation qui mérite d’être testée n’est pas que le film soit beau. C’est que la chronologie ait survécu.