Anthropic a lancé Claude Opus 5 le 24 juillet 2026, et l'annonce la plus intéressante n'est pas dans les scores de benchmark : c'est dans la ligne tarifaire. Le modèle s'approche des résultats de Fable 5, le haut de gamme maison, tout en restant à 5 $ / 25 $ par million de tokens en entrée / sortie — exactement le prix d'Opus 4.8. Autrement dit : deux fois moins cher que Fable 5, pour un écart de performance qui se compte parfois en dixièmes de pourcent.
Ce que dit vraiment la fiche technique
Opus 5 arrive avec une fenêtre de contexte d'un million de tokens, présentée cette fois comme valeur par défaut et maximale — pas de variante réduite à activer, pas de palier tarifaire caché au-delà d'un seuil. La sortie maximale monte à 128 000 tokens, ce qui change la donne pour tout ce qui relève de la génération longue : refactorings massifs, rapports, migrations de code.
Autre point qu'on sous-estime souvent : la date de coupure des connaissances est fixée à mai 2026, la plus récente de toute la gamme Claude. Sur des sujets où l'écosystème bouge tous les mois — frameworks JS, versions de runtimes, API cloud — deux mois de fraîcheur en plus, c'est autant de réponses périmées en moins à rattraper à la main.
Les benchmarks : impressionnants, mais lisons-les correctement
Sur Frontier-Bench v0.1, Opus 5 fait plus que doubler le score d'Opus 4.8 et dépasse l'ensemble des autres modèles évalués. Sur ARC-AGI 3, référence historiquement rétive aux LLM parce qu'elle teste le raisonnement abstrait plutôt que la mémorisation, il obtient un score trois fois supérieur au deuxième.
Sur le terrain plus concret du code, CursorBench 3.2 place Opus 5 à moins de 0,5 % du pic de Fable 5 — pour un coût par tâche divisé par deux. Et sur OSWorld 2.0, qui mesure l'usage autonome d'un ordinateur (naviguer, cliquer, remplir des formulaires), Opus 5 dépasse le meilleur résultat de Fable 5 à un peu plus d'un tiers du coût.
Je reste prudent avec les benchmarks fournis par l'éditeur lui-même, comme toujours. Mais la cohérence de la série est notable : ce n'est pas un pic isolé sur une évaluation favorable, c'est un progrès réparti sur le raisonnement abstrait, le code et le pilotage d'interface. Ce sont trois compétences distinctes, et les voir bouger ensemble est plus crédible qu'un record unique.
Le vrai sujet : le coût par tâche, pas le prix au token
Voilà où je veux en venir. Depuis dix-huit mois, la course entre éditeurs se joue sur des tableaux de scores que peu d'équipes savent traduire en décision d'achat. Avec Opus 5, la question devient beaucoup plus simple à poser en réunion : « quelle qualité je perds si je divise ma facture par deux ? »
Si la réponse est « moins d'un pourcent sur les tâches de code », le calcul est vite fait pour la grande majorité des usages en entreprise. Le modèle le plus puissant du marché n'est pas nécessairement celui qu'il faut brancher sur un pipeline qui traite des milliers de requêtes par jour. Le bon réflexe consiste à raisonner en coût par tâche accomplie, et non en prix affiché au million de tokens — deux métriques que les équipes confondent encore trop souvent.
C'est d'ailleurs le point qu'illustrait un comparatif publié la même semaine par Cline, opposant Fable 5 et Kimi K3 sur une correction de bug réelle : le premier a fini 3,4 fois plus vite (3,5 minutes et 18 appels d'outils, contre environ 12 minutes et 34), le second est ressorti 2,3 fois moins cher (0,92 $ contre 2,13 $) malgré 1,7 fois plus de tokens consommés. Vitesse, coût, tokens : trois axes qui ne pointent pas dans la même direction. La bonne réponse dépend entièrement de ce que vous optimisez.
L'alignement mis en avant comme argument commercial
Anthropic présente également Opus 5 comme son modèle le mieux aligné à ce jour, avec les taux de comportement trompeur les plus faibles mesurés sur sa gamme. C'est une communication qu'on aurait trouvée anecdotique il y a deux ans et qui devient un argument de vente à part entière aujourd'hui.
La raison est pragmatique : dès qu'un modèle pilote des agents autonomes qui exécutent des commandes, modifient des fichiers ou naviguent sur un poste, la fiabilité de son comportement devient un critère d'infrastructure, pas un débat philosophique. Un agent qui prétend avoir accompli une tâche qu'il n'a pas faite coûte plus cher qu'un agent lent.
Une semaine qui en dit long sur le rythme du marché
Opus 5 n'arrive pas dans le vide. Entre le 17 et le 23 juillet, sept modèles ont été publiés en sept jours : un nouveau vaisseau amiral chez Moonshot, trois modèles Qwen en 72 heures, un triplé Gemini chez Google, un modèle de code en poids ouverts chez poolside, un MoE orienté efficience chez Ant Group, et FLUX 3 chez Black Forest Labs pour clore la semaine.
Détail révélateur côté Google : faute d'avoir un modèle haut de gamme prêt, l'entreprise a sorti trois modèles Flash plus légers et moins chers, pendant que Sundar Pichai reconnaissait publiquement que Google reste derrière OpenAI et Anthropic sur le code et les tâches agentiques. Gemini 3.5 Pro aurait glissé après avoir manqué des objectifs internes sur ces mêmes axes.
Mon avis
Ce que je retiens d'Opus 5, ce n'est pas le score sur ARC-AGI 3 — aussi spectaculaire soit-il. C'est que la frontière de performance descend en gamme. Il y a un an, atteindre ce niveau imposait de payer le tarif haut de gamme ; aujourd'hui, ce niveau est accessible au prix du cran du dessous, sans changement tarifaire.
Pour une PME ou une ETI qui a gelé un projet IA en 2025 parce que le coût par requête ne passait pas en production, c'est une raison légitime de refaire le calcul. Les hypothèses de coût vieillissent désormais plus vite que les cahiers des charges. Et pour tout le monde, la conclusion pratique reste la même : reprenez vos benchmarks internes, ceux qui reflètent vos vraies tâches, et remesurez. Les classements publics vous disent qui gagne dans l'absolu ; seuls vos tests vous diront ce que vous économisez réellement.
