Matthew Schwartz, professeur de physique à l’université Harvard, a produit avec Claude 36 manuscrits de recherche en trois mois, dans 18 domaines et avec 19 coauteurs. Les sujets ont été choisis parmi environ 400 problèmes candidats. Il décrit sa méthode dans un billet invité publié le 1er octobre 2026 sur le blog scientifique d’Anthropic : BootLoops, une boîte à outils open source qui fait travailler une IA sur des calculs scientifiques exacts.
La plupart de ces domaines sont loin du sien : écologie, génétique des populations, économie, linguistique, physique solaire. Pour une petite entreprise qui utilise déjà Claude ou ChatGPT, la méthode se transpose : un modèle bien outillé, des critères de réussite écrits et une personne du métier qui vérifie tout. Les skills Claude servent justement à écrire ces critères une fois pour toutes.
Des problèmes taillés pour Claude
En décembre 2025, Schwartz avait traité Claude comme un étudiant en thèse : l’article final était bon, mais il avait dû corriger chacune de ses phrases. Cet été, avec Claude Fable 5, il a changé d’approche : chercher des problèmes qui conviennent aux points forts du modèle, ceux qu’il appelle « Claude-shaped ».
Son idée : beaucoup de domaines ont des problèmes qu’une technique des mathématiques, de la physique ou de l’informatique résoudrait d’emblée, « si quelqu’un savait qu’elle existe ». Le modèle connaît à la fois la physique des particules et la génétique, et il peut faire passer une méthode de l’une à l’autre. Un chercheur humain maîtrise rarement les deux.
La rubrique actualités de la revue Science a titré sur 22 domaines scientifiques. Le site du projet, bootloops.ai, compte aussi 22 domaines, pour l’ensemble des applications de BootLoops 1.0, alors que le billet de Schwartz en compte 18 pour les seuls 36 manuscrits. Les deux chiffres sont exacts : ils ne comptent pas la même chose.
BootLoops, gratuit et ouvert aux autres modèles
Le « harnais » (harness) désigne l’environnement qui entoure un modèle d’IA : les outils qu’il peut lancer et les règles qu’il doit suivre. Claude Code joue ce rôle pour Claude, Codex pour les modèles d’OpenAI. BootLoops réunit dans un même cadre une cinquantaine de paquets de logiciels scientifiques, documentés pour qu’un agent sache quand s’en servir. Chaque outil précise le test que son résultat doit passer avant qu’on s’y fie.
Le code a été écrit par Claude sous la direction de Schwartz, qui dit avoir fixé chaque problème, approuvé chaque plan et vérifié les résultats par des voies indépendantes. Le dépôt BootLoops sur GitHub est publié sous licence MIT. Selon le site du projet, l’outil fonctionne avec Claude, Gemini ou ChatGPT ; d’après le mode d’emploi, un ordinateur portable et l’accès au modèle que vous utilisez déjà suffisent.
Anthropic, où Schwartz est chercheur invité, a financé le projet. Selon le billet, BootLoops appartient à Schwartz, qui le maintient ; le dépôt précise qu’Anthropic n’en assure pas le support. Un article technique de 27 pages le décrit sur arXiv.
Trente intégrales, une forêt panaméenne et le manuscrit de Voynich
Tout part de la physique des particules, le domaine de Schwartz. En quelques semaines, Claude a calculé de bout en bout 30 intégrales de Feynman, qui servent à prédire les collisions de particules : 15 reproduisent par une nouvelle méthode des résultats connus, 15 n’avaient jamais été calculées.
En écologie, Claude a reconnu dans une équation de 2005 un problème taillé pour BootLoops. Personne ne savait la résoudre à grande échelle depuis vingt ans ; il l’a résolue. Appliqué aux données de la forêt de l’île de Barro Colorado, au Panama, le calcul montre que la composition des espèces d’arbres change 4,5 fois plus vite que ne le permet la théorie neutre de la biodiversité.
En génétique, l’équipe a analysé 5,7 milliards de paires de mutations voisines dans les génomes du projet 1000 Genomes. Elle y a trouvé des traces de conversion génique, un mécanisme qu’ignorent presque toutes les analyses fondées sur la variation génétique liée, de l’histoire des populations à la cartographie des maladies.
Avec les biologistes Scott Edwards et Paul Lewis, BootLoops a évalué de façon exacte les 15 arbres de parenté possibles entre l’humain, le chimpanzé, le gorille, l’orang-outan et le gibbon, à partir d’un gène mitochondrial. L’arbre admis et sa variante où l’humain et le gorille échangent leur place obtiennent exactement le même résultat, une égalité qu’aucune méthode par échantillonnage ne peut établir.
Plus loin de la physique des particules, un manuscrit montre que les groupes de taches solaires semblent « vieillir » : à taille et robustesse égales, leur risque de disparaître augmente d’environ 20 % par jour. Un autre conclut que les seuils des notes en étoiles de Medicare Advantage, les contrats privés de l’assurance santé publique américaine, ne respectent pas le critère fixé par leur propre règlement dans 104 des 123 calculs récents. Un calcul exact réattribuerait environ 0,9 à 1,4 milliard de dollars de bonus sur les années 2025 à 2027.
Un troisième a soumis toutes les lectures automatisables du manuscrit de Voynich, livre du XVe siècle que personne n’a jamais su lire, à des outils qui cassent à coup sûr des chiffrements témoins : aucune n’a fonctionné.
En économie, un « éditeur de données » construit avec deux économistes a converti en code open source les dossiers de réplication de 4 452 articles parus dans cinq grandes revues, écrits pour MATLAB, Stata et d’autres logiciels payants : environ 30 000 routines au total. Il a ensuite comparé presque chaque chiffre vérifiable aux tableaux publiés. Le résultat fait l’objet d’un document de travail du NBER, l’institut américain de recherche économique.
L’expert humain réoriente la question
Dans presque tous les cas, écrit Schwartz, Claude était techniquement juste, mais le résultat n’avait pas grand intérêt avant qu’un expert ne réoriente la question. James O’Dwyer, professeur de biologie végétale et spécialiste de la théorie neutre, lui a répondu que le résultat sur la forêt du Panama serait probablement accueilli « d’un haussement d’épaules » par beaucoup d’écologues, avant de proposer une meilleure piste.
Schwartz liste aussi les travers du modèle. Claude « adore crier victoire » : un « terminé, avec un astérisque » veut souvent dire « pas terminé du tout ». Il n’a aucune notion du temps et s’enferme dans des calculs de plusieurs jours au lieu de construire un outil plus rapide.
Les conclusions de Claude peuvent être fausses même quand ses calculs sont justes. Parmi les conseils de Schwartz : « Regardez tout vous-même. » Il demande toujours à voir les graphiques et se méfie des formules vagues comme « bonne concordance ».
Un début d’octobre chargé pour l’IA en recherche
Le 6 octobre, OpenAI a publié 722 manuscrits sur des problèmes mathématiques non résolus, produits par un modèle interne, et en a retiré trois le lendemain pour une erreur de signe, selon Retraction Watch. L’Association for Human Mathematics a qualifié cette publication en masse de « démonstration de pouvoir ».
Le 8 octobre, la revue Science a publié l’article évalué par des pairs de Google DeepMind sur AlphaProof Nexus, un système qui a résolu 9 des 353 problèmes d’Erdős qu’il a tentés. La démarche de Schwartz vise d’autres sciences que les mathématiques, avec des spécialistes de chaque domaine comme coauteurs.
Appliquer la même méthode à vos dossiers
Pas besoin d’intégrales de Feynman pour reprendre le schéma de Schwartz : vos fichiers et vos règles écrites font office de harnais.
- Écrivez vos règles et vos critères de réussite dans des fichiers que le modèle relit à chaque tâche. C’est le principe des skills Claude, des projets et des fichiers .md.
- Demandez au modèle quelle méthode d’un autre domaine résoudrait votre problème. L’analyse de survie, que BootLoops a appliquée aux taches solaires, est la statistique qu’utilisent la médecine et la démographie pour des durées de vie qu’on n’observe qu’en partie. Elle sert aussi à mesurer combien de temps un client reste abonné.
- Exigez une preuve : un tableau, un graphique, un chiffre que vous pouvez recalculer. Schwartz fait régulièrement contester ses résultats par d’autres agents, qui repèrent des erreurs différentes ; notre guide pour organiser un travail entre plusieurs agents explique comment répartir les rôles.
- Gardez une relecture humaine pour tout ce qui part chez un client, et faites valider par un spécialiste les résultats hors de votre domaine. Schwartz a écrit à trois biologistes avant que l’un d’eux ne réponde.
Notre guide pour créer un agent IA sans coder montre une même relance de devis montée trois fois, avec Claude, ChatGPT et n8n. Pour choisir le modèle de départ, voyez notre comparatif Claude ou ChatGPT pour une petite entreprise.
Si vous avez un profil technique, essayez BootLoops directement : clonez le dépôt, lancez votre agent dans le dossier et demandez-lui un plan à valider avant tout calcul. Le dépôt prévient que certains outils exécutent le contenu de leurs fichiers d’entrée : n’utilisez que des fichiers de provenance connue.
Un bilan encore à vérifier
Schwartz parle de manuscrits, et aucune des sources consultées ne mentionne de publication dans une revue à comité de lecture. Schwartz précise que plusieurs projets restent en cours d’exploration et de vérification. Le chiffre de 36 vient de son propre bilan, publié par Anthropic, qui a financé le projet.
Sur environ 400 problèmes candidats, 36 ont abouti à un manuscrit, soit à peu près un sur onze. Schwartz reconnaît enfin que ces projets ont consommé beaucoup de calcul et de tokens.
Sur l’actualité des modèles, lisez aussi notre point sur Gemini 4 Argon, annoncé par Google le 30 septembre et encore réservé à un cercle restreint, et l’étude d’Anthropic sur les IA qui pourraient bientôt se recopier sur des box TV bon marché.
Si vous préférez un assistant déjà configuré pour votre activité, découvrez notre assistant IA.