Cours
Introduction aux modèles Claude
3 h
15K
Anthropic a de nouveau un tout nouveau deuxième meilleur modèle.
\nCette fois, il s’agit de Claude Opus 5, présenté comme une intelligence proche de l’état de l’art, mais à moitié prix de Claude Fable 5 et, surtout, Opus 5 surpasse en réalité Fable 5 sur plusieurs évaluations de code et de travail de connaissance, dont Frontier-Bench et GDPval-AA. Il ne cède que la première place au Mythos 5, toujours peu disponible.
\nCi-dessous, un tour d’horizon de ce qu’apporte Opus 5, de ses résultats sur davantage de benchmarks, de ce qu’Anthropic indique sur son alignement et sa sécurité, ainsi que de son prix.
\nQu’est-ce que Claude Opus 5 ?
\nOpus 5 est la dernière version de la gamme Opus d’Anthropic, qui se situe, en termes de capacités globales, sous Mythos, mais au-dessus de Sonnet et Haiku.
\nAnthropic présente son nouveau modèle comme « réfléchi et proactif » (ils anthropomorphisent toujours un peu). Ils indiquent aussi que le modèle est conçu pour un usage quotidien, ce qui, pour un ingénieur IA, signifie qu’il est suffisamment efficace pour tourner en continu.
\nSur les évaluations de code et de travail de connaissance telles que Frontier-Bench et GDPval-AA, Anthropic affirme qu’Opus 5 est désormais le meilleur de ses modèles, même s’il reste derrière Mythos 5 sur les tâches de cybersécurité, que nous détaillons dans notre article Mythos 5.
\nPour comparer le modèle face à ses concurrents et à ses « frères », consultez nos guides comparatifs :
\n\nQuoi de neuf avec Claude Opus 5 ?
\nDeux points ressortent dans la communication d’Anthropic : un basculement vers l’achèvement réel des tâches plutôt que l’arrêt sur une réponse simplement plausible, et une nette montée en qualité des sorties visuelles.
\nPersistance agentique
\nLe principal changement qualitatif d’Opus 5 est sa propension à continuer jusqu’à mener la tâche à bien. Anthropic en donne quelques illustrations :
\n- \n
- Devant un plan de pièce mécanique sans possibilité de le visualiser directement, Opus 5 a écrit son propre pipeline de vision par ordinateur pour extraire la géométrie à partir des pixels bruts. \n
- Invité à corriger un vrai bug dans un gestionnaire de paquets open source populaire, Opus 5 a trouvé et corrigé la cause racine, plutôt qu’un simple pansement. \n
- Un ingénieur d’une société de trading aurait utilisé Opus 5 pour construire un flux de données de marché pour une nouvelle bourse en une seule session — y compris l’écriture de son propre banc de test pour valider la logique d’analyse. \n
Cette volonté d’itérer plutôt que de se contenter d’une réponse plausible semble porter la progression d’Opus 5 sur les benchmarks agentiques comme Frontier-Bench.
\nSorties visuelles renforcées
\nAnthropic souligne aussi la capacité d’Opus 5 à produire des rendus visuels nettement supérieurs aux modèles précédents, en citant par exemple une visualisation façon soufflerie de l’écoulement de l’air sur des objets aérodynamiques, comme une voiture. Un exemple convaincant, et une bonne nouvelle si votre travail implique de générer des schémas.
\nBenchmarks de Claude Opus 5
\nCe tableau ne recense que les modèles d’Anthropic. J’ai consulté leurs annonces respectives et aligné ce qui était comparable. Je comparerai Opus 5 aux modèles concurrents dans la section suivante.
\nRemarque : « non divulgué » ou « non publié » signifie que le modèle n’était pas inclus sur ce benchmark précis dans l’annonce d’origine, et non qu’il a obtenu zéro.
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n| Benchmark | Haiku 4.5 | Sonnet 4.6 | Opus 4.7 | Opus 4.8 | Sonnet 5 | Fable 5 | Opus 5 |
|---|---|---|---|---|---|---|---|
| SWE-bench Verified | 73,3 % | 79,6 % | 87,6 % | 88,6 % | — | 95,0 % | 96,0 % |
| SWE-bench Pro | — | 58,1 % | 64,3 % | 69,2 % | 63,2 % | 80,3 % | 79,2 % |
| Terminal-Bench | 41 % | 67,0 % (2,1) | 69,4 % (2,0) | 74,6 % (2,1) | 80,4 % (2,1) | 88,0 % (2,1) | not published |
| Frontier-Bench v0.1 (nouvelle éval.) | — | — | — | 18,7 % | — | 33,7 % | 43,3 % |
| GDPval-AA / v2 (Elo, /2000) | — | — | 1 753 | 1 890 (v1) / 1 593 (v2) | 1 618 (v2) | 1 747 (v2) | 1 861 (v2) |
| Audit de comportements non alignés (plus bas = mieux) | — | — | — | not disclosed | not disclosed | not disclosed | 2,3 (meilleur à ce jour) |
| Prix ($/MTok in/out) | $1/$5 | $3/$15 | $5/$25 | $5/$25 | $2–3/$10–15 | $10/$50 | $5/$25 |
Claude Opus 5 vs Fable 5
\nComme le montre le tableau ci-dessus, Opus 5 dépasse son aîné plus onéreux sur Frontier-Bench v0.1 (43,3 % vs 33,7 %) et GDPval-AA v2 (1861 vs 1747) — le tout pour moitié moins cher que Fable 5.
\nClaude Opus 5 vs Opus 4.8
\nC’est le saut générationnel le plus net : Opus 5 devance son prédécesseur sur ARC-AGI-3, qui passe de 1,5 % à 30,2 %, et sur Frontier-Bench v0.1, qui, comme vous le voyez dans le tableau ci-dessus, plus que double (43,3 % vs 18,7 %). À noter, Opus 4.8 est sorti il y a seulement deux mois.
\n![](\"https://media.datacamp.com/cms/bb29f511083483b4a3490d8e13287715.png\")
![](\"https://media.datacamp.com/cms/2dce65a1153e9887118974f1c83f5968.png\")
Claude Opus 5 vs modèles concurrents
\nCette comparaison s’appuie sur les résultats de benchmarks issus directement des annonces de sortie publiées par Anthropic, OpenAI et Google. J’ai retenu les lignes où suffisamment de modèles affichaient un score publié et comparable pour que la comparaison ait du sens. Les benchmarks rapportés sous forme d’affirmations floues ou relatives ont été exclus.
\n\n
\n\n
\n\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
\n
\n| Catégorie | Benchmark | Claude Opus 5 | GPT-5.6 Sol | GPT-5.6 Sol Ultra | GPT-5.6 Terra | GPT-5.6 Luna | GPT-5.5 | Gemini 3.6 Flash | Gemini 3.5 Flash-Lite | Gemini 3.5 Flash | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Travail de connaissance | GDPval-AA v2 (Elo) | 1861 | 1736 | — | 1593 | 1591,8 | 1493,7 | 1421 | — | 1348,8 | 962,3 |
| Code | SWE-Bench Pro | 79,2 % | 64,6 % | — | 63,4 % | 62,7 % | 59,4 % | — | 54,2 % | — | 54,2 % |
| Code | DeepSWE v1.1 | 68,8 % | 72,7 % | — | 69,6 % | 67,2 % | 67 % | 49 % | — | 37 % (baseline) | 11,8 % |
| Code | Terminal-Bench 2.1 | — | 88,8 % | 91,9 % | 87,4 % | 84,7 % | 85,6 % | — | 54 % (vs 3.1 Flash-Lite baseline 31 %) | — | 70,7 % |
| Code | Frontier-Bench v0.1 (terminal coding) | 43,3 % | 37,5 % | — | — | — | — | — | — | — | — |
| Utilisation de l’ordinateur | BrowseComp | 90,8 % | 90,4 % | 92,2 % | 87,5 % | 83,3 % | 84,4 % | — | — | — | 85,9 % |
| Utilisation de l’ordinateur | OSWorld 2.0* | 70,6 % | 62,6 % | — | 50,2 % | 45,6 % | 47,5 % | — | — | — | — |
| Raisonnement abstrait | ARC-AGI-3 | 30,2 % | 7,78 % | — | 0,8 % | 0,18 % | 0,43 % | — | — | — | 0,42 % |
| Utilisation d’outils | AutomationBench | 26,0 % | 18,1 % | — | 15,2 % | 14,9 % | 12,9 % | — | — | 14,5 % | \n — \n |
\n
\n\n\n
\n\n \n
\nPrécision utile : chaque chiffre ici est auto-reporté par le laboratoire qui a publié le modèle, avec son propre banc d’évaluation, ses prompts et, parfois, sa configuration d’effort/de niveau de raisonnement.
\nOpus 5 vs GPT-5.6 Sol
\nOpus 5 prend l’avantage sur les tâches de raisonnement plus difficiles et plus nouvelles (ARC-AGI-3, Frontier-Bench, AutomationBench) tandis que GPT-5.6 Sol devance légèrement sur des benchmarks de code plus établis comme SWE-Bench Pro et DeepSWE. Cela peut indiquer qu’Opus 5 a un atout sur les problèmes ouverts ou peu « templatisés », alors que Sol brille sur des tâches de code bien définies et fortement entraînées.
\nOpus 5 vs Gemini 3.6 Flash
\nLa récente sortie de Gemini met l’accent sur la gamme Flash, plus économique, plutôt que sur un modèle vitrine de pointe ; la plupart des lignes n’ont donc pas de données Gemini ou seulement des chiffres Flash/Flash-Lite, en retrait marqué par rapport à Opus 5 et GPT-5.6. Cette comparaison reflète davantage le positionnement de gamme que la capacité de Google au niveau « frontier ».
\nOpus 5 vs GPT-5.6
\nLà où les deux fleurons se recoupent, Opus 5 mène sur le raisonnement inédit et les tâches agentiques (ARC-AGI-3, BrowseComp, OSWorld 2.0, AutomationBench), tandis que GPT-5.6 Sol garde une courte avance sur le code à long horizon (DeepSWE). Sol Ultra, Terra et Luna apparaissent surtout sur d’autres benchmarks de code où Opus 5 n’a pas de score publié ; c’est donc plutôt « l’unique fleuron d’Anthropic face à la famille complète d’OpenAI » qu’une comparaison un pour un.
\nTarification et disponibilité d’Opus 5
\nOpus 5 est disponible dès aujourd’hui sur les plateformes Claude, au même prix que son prédécesseur :
\n- \n
- $5 par million de tokens en entrée \n
- $25 par million de tokens en sortie \n
Le mode rapide s’exécute environ 2,5× plus vite que le mode par défaut, facturé au double du tarif de base d’Opus 5 sur la Claude Platform (ou via crédits d’usage dans Claude Code) — comme pour Opus 4.8.
\nLes développeurs peuvent accéder au modèle via l’API en utilisant l’identifiant de modèle claude-opus-5.
Deux fonctionnalités associées sont lancées en bêta en même temps qu’Opus 5 :
\n- \n
- Changement d’outils en cours de conversation sur la Claude Platform — les développeurs peuvent désormais modifier les outils disponibles pour Claude en plein échange, sans invalider le cache de prompt. \n
- Replis automatiques — les requêtes signalées par les classificateurs de sécurité sur Opus 5 ou Fable 5 peuvent désormais être redirigées automatiquement vers un autre modèle disponible au lieu d’être bloquées, de sorte que le trafic API continue par défaut vers le meilleur modèle accessible. \n
Comme pour les précédentes versions Opus, Opus 5 n’impose aucune conservation des données pour l’accès général.
\nEn résumé sur Claude Opus 5
\nSi vous avez l’impression que nous écrivons beaucoup sur les modèles Claude en ce moment, c’est exact. Anthropic mise fortement sur des itérations rapides pour optimiser capacités et efficacité.
\nAnthropic propose désormais un modèle globalement meilleur que son précédent fleuron, Fable 5. Il arrive avec un prix nettement inférieur, tout en affichant ses meilleurs scores d’alignement à ce jour.
\nLa suite ? Haiku est le plus ancien modèle d’Anthropic et nous attendons toujours sa mise à niveau vers la série 5. C’est une piste sur ce qui pourrait arriver, mais Anthropic continue de nous surprendre.
Author
Josef Waples
