Pour présenter son nouveau modèle, Anthropic aurait pu sortir un énième graphique en barres. À la place, ils ont tendu un piège à Opus 5, et c’est cette histoire-là qui dit tout.
Le test : voilà le plan 2D d’une pièce mécanique, écris le code pour la reconstruire en 3D dans FreeCAD (le logiciel de CAO gratuit). Sauf qu’on avait coupé la vision du modèle : il ne pouvait tout simplement pas « voir » le dessin. Un piège, donc.
Et là où la plupart des modèles auraient laissé tomber ou inventé n’importe quoi, Opus 5 a fait autre chose : il a écrit son propre programme de vision par ordinateur, de zéro. Du code pour lire les pixels bruts, repérer les contours et les formes, extraire la géométrie d’une image qu’il n’avait techniquement pas le droit de regarder. Puis il a reconstruit la pièce entière en 3D. Plusieurs fois de suite. D’après Anthropic, aucun modèle concurrent n’y est arrivé en cinq tentatives.
Retiens ça, parce que c’est le cœur du truc : face au mur, Opus 5 s’est bricolé son propre outil pour passer de l’autre côté.
Bon, c’est quoi Claude Opus 5 au juste
C’est le petit dernier d’Anthropic, en ligne depuis le 24 juillet 2026, et déjà partout : claude.ai, l’API Claude, Claude Code et Claude Cowork. Côté API, l’identifiant du modèle, c’est claude-opus-5.
Petit point de vocabulaire, parce que la gamme Claude est devenue un vrai catalogue. Tout en haut, il y a Fable 5 : le modèle de frontière maison, le plus intelligent et le plus cher. Juste en dessous, la gamme Opus, le cheval de trait, celui que tu fais tourner toute la journée. Opus 5, c’est cette gamme-là qui vient se coller aux capacités de Fable 5 pour bien moins cher. Un fondateur de Cursor a résumé ça d’une formule : « l’intelligence de Fable 5, à la vitesse et au prix d’Opus ».
Côté tarif, justement : 5 $ par million de tokens en entrée, 25 $ en sortie. Exactement le prix d’Opus 4.8, le modèle qu’il remplace. (Un token, c’est environ trois quarts d’un mot ; un million de tokens, ça fait dans les 750 000 mots.) Du coup, attention au « moitié prix » qui circule partout : c’est moitié prix par rapport à la frontière, à Fable 5. Pas moins cher qu’Opus 4.8, où le prix au token est identique. Même addition qu’avant, cerveau nettement plus costaud.
Sur Claude Max, Opus 5 devient le modèle par défaut ; sur Claude Pro, c’est le plus puissant auquel tu as droit. Autrement dit, si tu paies déjà un abonnement Claude, tu l’utilises probablement déjà sans avoir rien touché. Clubic le présente d’ailleurs comme « la moins chère à faire tourner » de la maison Anthropic.
Deux petites nouveautés débarquent avec lui, et ce sont bien celles-là, pas d’autres. Un : tu peux changer les outils auxquels un modèle a accès en pleine conversation, sans tout redémarrer. Deux : l’API peut basculer automatiquement sur l’ancien Opus 4.8 si une requête Opus 5 part en vrille. Un vrai filet de sécurité pour les applis en production.
Pourquoi cette histoire de problèmes inédits change tout
Pourquoi s’attarder sur le piège FreeCAD ? Parce que c’est là qu’Opus 5 se détache vraiment. Sur ARC-AGI-3, un test taillé pour les problèmes inédits (ceux qui ne ressemblent à rien de ce qu’on a croisé à l’entraînement), il fait environ trois fois mieux que le meilleur modèle suivant.
Et en vrai, le boulot du quotidien, c’est précisément ça : le cas que personne n’a documenté. Le bug tordu, le fichier bancal, la demande bizarre du client à 17 h un vendredi. Un modèle qui, coincé, se fabrique un outil au lieu de caler, c’est beaucoup plus utile qu’un modèle qui récite bien sa leçon mais sèche dès qu’on sort des rails.
Les benchmarks, franchement
Anthropic a sorti toute la batterie, et on te la donne, avec l’avertissement qui va avec : ce sont ses propres chiffres, et l’adversaire choisi, c’est GPT-5.6 « Sol », le dernier modèle d’OpenAI.
| Test (ce qu’il mesure) | Opus 5 | GPT-5.6 Sol | Qui mène |
|---|---|---|---|
| Frontier-Bench (codage agentique, terminal) | 43,3 % | 34,4 % | Opus |
| GDPval-AA (travail de la connaissance) | 1 861 | 1 736 | Opus |
| ARC-AGI-3 (problèmes inédits) | 30,2 % | 7,8 % | Opus |
| OSWorld 2.0 (usage d’un ordinateur) | 70,6 % | 62,6 % | Opus |
| AutomationBench (workflows métier) | 26,0 % | 18,1 % | Opus |
| BrowseComp (recherche web agentique) | 90,8 % | 90,4 % | au coude-à-coude |
| DeepSWE (codage réel) | 68,8 % | 72,7 % | GPT |
| HealthBench (santé pro) | 59,8 % | 60,5 % | GPT |
Deux ou trois lignes sautent aux yeux. Sur les problèmes inédits (ARC-AGI-3), l’écart est énorme : 30,2 % contre 7,8 %. Sur l’automatisation métier, le codage dans le terminal et l’usage d’ordinateur, Opus 5 mène nettement. Sur la recherche web, c’est kif-kif.
Mais (et c’est là que le lancement joue franc-jeu), GPT-5.6 Sol gagne vraiment là où beaucoup de devs passent leurs journées. Sur DeepSWE, le test de code « vrai monde », c’est GPT qui l’emporte : 72,7 % contre 68,8 %. Et pas qu’un peu : il bat Opus 5 et Fable 5 sur ce coup-là. Il devance aussi Opus 5 d’un cheveu sur HealthBench (santé pro) : 60,5 % contre 59,8 %. Un comparatif honnête, pas un carton plein.
Deux garde-fous à garder en tête, du coup :
- Anthropic a choisi les tests et l’adversaire. Tout labo se benchmarke sous son meilleur jour : ce n’est pas de la triche, c’est justement pour ça qu’on attend les juges extérieurs.
- Les juges indépendants n’ont pas encore noté Opus 5. Sur l’indice d’intelligence d’Artificial Analysis (qui n’appartient à aucune des deux boîtes) : Fable 5 = 60, GPT-5.6 Sol = 59, Opus 4.8 = 56. Opus 5 n’y figure pas encore. Le jour où il y atterrit, fais davantage confiance à ce chiffre-là qu’à n’importe quel tableau de lancement.
Et le post qui tourne, genre « Opus 5 explose GPT sur SWE-Bench Pro » ? Rumeur non confirmée. Le tableau d’Anthropic n’utilise même pas SWE-Bench Pro. Et sur le seul test de code qu’il montre, DeepSWE, c’est GPT qui gagne. Bref, à ranger au rayon des on-dit.
Ce qu’il ne sait pas (encore) faire, et ce qu’on ignore
D’abord, la mise au point qui fait du bien : Opus 5 n’est pas le modèle le plus puissant d’Anthropic. Le sommet, c’est toujours Fable 5. Pour une tâche qui tourne en autonomie pendant des heures (un agent qui enchaîne les étapes tout seul sans que tu repasses derrière), Anthropic te renvoie encore vers Fable 5. Opus 5, c’est le rapport qualité-prix, pas le record absolu.
Ensuite, un domaine où il est volontairement bridé : la cybersécurité. Opus 5 est à peu près aussi bon qu’un modèle spécialisé, Mythos 5, pour repérer les failles logicielles, mais très en retrait pour construire un exploit qui en abuse. Ce trou est fait exprès : savoir repérer la porte ouverte sans être un champion pour l’enfoncer. C’est, soit dit en passant, la seule vraie histoire « sécurité » du lancement, sans chiffre miracle à agiter.
Enfin, une inconnue franche : la fenêtre de contexte n’est pas confirmée officiellement pour Opus 5. La gamme Opus tourne depuis des mois avec une fenêtre d’un million de tokens (environ 750 000 mots), et tout le monde suppose qu’Opus 5 la garde, mais la doc d’Anthropic ne nomme pas encore Opus 5 noir sur blanc. Donc : 1 million très probable, mais pas gravé dans le marbre. Et je le redis une dernière fois : tous ces benchmarks sont auto-déclarés. Une direction, pas une vérité.
Ce que ça change concrètement pour toi
Tu es déjà sur Claude Pro ou Max ? T’as rien à faire, la mise à jour est passée toute seule. Le vrai réflexe à prendre, c’est d’arrêter de le materner : confie-lui direct les tâches plus dures (le rapport en bazar, le tableur emmêlé) au lieu de le prendre par la main étape par étape.
Tu écris ou tu analyses pour bosser ? C’est un excellent modèle du quotidien, à un prix qui ne fera pas hurler la compta. Et il brille surtout sur les demandes vraiment bizarres, sans modèle tout fait : le piège FreeCAD, version boulot de bureau.
Tu codes ou tu montes des automatisations ? Là, ce sont les chiffres qui parlent le plus fort. Mais teste-le sur ton vrai code, pas sur un benchmark. Et surveille la conso de tokens : moins cher au token ne veut pas dire moins cher au final si le modèle « réfléchit » plus longtemps sur chaque requête. Fais tes comptes sur une vraie journée de travail avant de crier au bon plan.
Tu hésites entre Claude et ChatGPT ? Surtout, ne tranche pas sur le benchmark de la semaine. On vient de le voir : ils sont à deux points l’un de l’autre, et chacun gagne sur son terrain. Ce qui compte, c’est ton usage : l’interface, la voix à l’écrit, les outils dans lesquels tu vis déjà. Si tu veux te faire ta propre idée méthodiquement, notre cours ChatGPT vs Claude est fait exactement pour ça.
Au final
Claude Opus 5 n’est pas l’IA la plus intelligente du marché, ni même du catalogue Anthropic : Fable 5 garde la couronne. Mais ce n’est pas son job. Son truc à lui, c’est de tirer une intelligence quasi-frontière jusqu’à un prix de cheval de trait — et, au passage, de montrer qu’il sait se construire son propre chemin quand la route est coupée. Pour l’immense majorité du travail réel, c’est bien plus utile qu’un point de plus sur un graphique.
Et la vraie compétence, dans tout ça ? Devenir assez bon avec les outils que tu as déjà pour juger un nouveau venu sur ton propre travail, vite — peu importe quel labo est en tête ce mois-ci. Si décrypter un tableau de benchmarks sans te faire avoir te parle, notre cours Benchmarks des modèles IA t’apprend à lire ces chiffres comme un pro (les deux premières leçons sont gratuites).
