Contexte de l'incident

Le 3 mars 2026, le service de statut d’Anthropic a publié une série de messages indiquant une hausse d’erreurs sur les modèles Claude Mythos 5.1, Claude Fable 5.1, Claude Opus 5, ainsi que sur les versions antérieures Mythos 5, Opus 4.8 et Opus 4.6. Les notifications, horodatées à 13 h 26 UTC, 13 h 41 UTC et 13 h 50 UTC, précisent que les services claude.ai, l’API Claude (api.anthropic.com), Claude Code et Claude Cowork sont concernés.

Analyse technique du problème

Les messages indiquent d’abord une phase d’investigation (13 h 26 UTC) puis l’identification d’une cause à 13 h 41 UTC, avant de confirmer un travail de correction à 13 h 50 UTC. L’absence de description détaillée de la cause empêche de déterminer si l’anomalie provient d’une défaillance d’infrastructure (par exemple un déséquilibre de charge sur les nœuds GPU) ou d’une régression logicielle (mise à jour du runtime ou du modèle). La mention d’une « cause » identifiée suggère toutefois que le problème est reproductible et lié à une composante partagée entre les modèles listés, probablement le même pipeline de pré‑traitement ou le même serveur de décodage.

Les modèles affectés appartiennent à deux familles : Mythos (versions 5 et 5.1) et Opus (versions 4.6, 4.8, 5). La présence simultanée de Mythos 5.1 et Opus 5 indique que la panne ne se limite pas à une version spécifique mais touche une couche commune, possiblement le service de routage des requêtes ou la version du modèle de génération de texte déployée en production à cette date.

Impact sur les services utilisateurs

Claude.ai, l’interface web, dépend directement de l’API pour générer les réponses affichées aux utilisateurs. Une élévation d’erreurs se traduit par des réponses HTTP 5xx ou des time‑outs, ce qui bloque les flux de travail dans Claude Code (édition de code assistée) et Claude Cowork (collaboration en temps réel). Les développeurs intégrant l’API dans leurs applications rencontrent des échecs de requêtes, affectant la fiabilité perçue du produit et pouvant entraîner des interruptions de service pour des systèmes automatisés dépendants.

Perspectives de résolution et limites d’information

Le dernier statut indique que les équipes travaillent « as soon as possible », sans préciser de fenêtre de correction. En l’absence de métriques de taux d’erreur, de logs ou de description de la cause, l’analyse reste partielle. Une fois le correctif déployé, il sera nécessaire de comparer les taux d’erreur avant et après l’intervention pour valider l’efficacité de la solution. La transparence sur les mécanismes internes (ex. architecture du serveur de modèles, stratégie de mise à l’échelle) permettrait d’identifier plus rapidement les points de défaillance et de réduire le temps de rétablissement lors d’incidents similaires.