Opus 5 dépasse Fable 5 : la fin de la frontière à tout prix
Deux mois après son lancement, le modèle le plus puissant et le plus cher de tout le catalogue d'Anthropic représente à peine 11,4 % des dépenses que les entreprises consacrent aux produits de la société, et seulement 6 % des tokens réellement consommés. La donnée provient de Ramp, la plateforme de gestion des dépenses d'entreprise qui a analysé le comportement de 70 000 entreprises américaines et l'a partagé avec le Financial Times : Claude Fable 5, présenté début juin comme le saut générationnel ultime, s'est stabilisé dans une niche. Pendant ce temps, Claude Opus 5, lancé le 24 juillet à un prix divisé par deux par rapport à son grand frère, l'a déjà dépassé dans les dépenses enterprise.
Quiconque suit ce secteur depuis un moment reconnaîtra le schéma. En mai, en évoquant le lancement d'Opus 4.8, j'écrivais que l'avantage perçu entre un modèle flagship et le suivant s'amenuise à chaque génération, tandis que le coût d'accès reste élevé : la question, alors théorique, était de savoir s'il avait encore du sens de toujours courir après le modèle le plus récent ou s'il était plus rationnel de choisir l'outil en fonction de la tâche. Les chiffres de Ramp offrent désormais une réponse empirique à cette question, et la réponse semble être : la majorité des équipes a déjà commencé à choisir.
Ce que mesurent vraiment ces chiffres (et ce qu'ils ne mesurent pas)
Avant de tirer des conclusions hâtives, il convient de comprendre de quoi l'on parle. Ramp ne publie pas un rapport académique évalué par des pairs ; elle mesure ce qu'elle voit transiter via sa propre infrastructure de gestion des dépenses d'entreprise : la part des dollars dépensés par modèle et la part des tokens consommés par modèle, sur un échantillon qui penche naturellement vers les entreprises technologiques et les outils de développement, et non vers le consommateur final qui discute avec l'application sur son téléphone.
La comparaison avec le concurrent direct aide à contextualiser. GPT-5.6 Sol d'OpenAI représente 23 % des dépenses en dollars et 25 % des tokens sur la plateforme d'OpenAI, des parts nettement supérieures à celles de Fable 5. Anthropic, il faut le souligner, conserve néanmoins l'avantage sur l'adoption globale : 43,5 % des entreprises américaines suivies par Ramp utilisent au moins un produit Anthropic, contre 39,7 % qui utilisent OpenAI. Le problème ne vient pas de l'entreprise dans son ensemble — qui a atteint en juillet un chiffre d'affaires annuelisé de 65 milliards de dollars (contre 47 milliards en mai) —, il vient spécifiquement du modèle phare qui n'a pas répliqué le succès des flagships précédents.
Pourquoi faire confiance à ce signal malgré ses limites méthodologiques ? Parce qu'il mesure des dépenses réelles, et non un score obtenu en laboratoire sur un benchmark que personne n'utilisera jamais pour travailler vraiment. Ce sont de vrais dollars que les entreprises ont décidé d'orienter ailleurs.
Le prix, la rétention des données et les frictions d'adoption
Les raisons qui expliquent le plateau de Fable 5 ne concernent pas seulement l'intelligence du modèle. Fable 5 coûte 10 dollars par million de tokens en entrée et 50 en sortie, selon les données rapportées par Better Stack, soit exactement le double d'Opus 5, fixé à 5 et 25 dollars, le même tarif que son prédécesseur Opus 4.8. À cela s'ajoute un détail qui pèse lourdement pour qui travaille avec des données sensibles : Fable 5 s'accompagne d'une exigence de rétention des données de 30 jours que Opus 5, comme les modèles Opus précédents, ne requiert pas pour l'accès général.
Ara Kharazian, économiste en chef chez Ramp, l'a exprimé de façon assez directe lors d'un entretien avec le Financial Times, en notant que Fable 5 a déçu tant en matière d'adoption que d'application pratique, en raison du prix et des exigences de rétention des données, tandis que GPT-5.6 Sol d'OpenAI devient de plus en plus le choix privilégié des développeurs. Pour une entreprise qui doit intégrer un modèle dans une chaîne de production, avec des équipes juridiques devant valider chaque clause sur la gestion des données, ces facteurs ne sont pas des détails techniques : ce sont des postes de coûts réels qui s'ajoutent au prix par token.
Les benchmarks : où Opus 5 fait jeu égal, et où il l'emporte
C'est ici que l'histoire devient plus intéressante, car Opus 5 n'est pas simplement « la version économique » de Fable 5 : dans plusieurs domaines, il l'égale ou le surpasse. Sur Frontier-Bench v0.1, le benchmark qui mesure les capacités agentiques de coding dans un terminal, Opus 5 affiche 43,3 % contre 33,7 % pour Fable 5, soit près de dix points de marge, plus du double du résultat d'Opus 4.8. Sur ARC-AGI-3, l'épreuve qui évalue la capacité à résoudre des problèmes réellement nouveaux et non simplement mémorisés pendant l'entraînement, Opus 5 atteint 30,2 % — donnée vérifiée indépendamment par la ARC Prize Foundation —, contre les 7,8 % que détenait GPT-5.6 Sol comme record précédent.
Les indices indépendants d'Artificial Analysis racontent une histoire similaire : sur le Coding Index, Opus 5 est deuxième, juste derrière GPT-5.6 Sol et devant Fable 5 ; sur l'Agentic Index, il est premier, devant ses deux concurrents ; sur l'Intelligence Index, il domine le classement avec 61 points contre 60 pour Fable 5. Lors de tests pratiques menés par Better Stack, qui a demandé aux différents modèles de créer de zéro un jeu vidéo de course 3D avec Three.js et un tableau de bord financier complet, Opus 5 a produit des résultats plus soignés et mieux structurés que Fable 5 dans les deux cas, tandis que GPT-5.6 Sol et Kimi K3 sont restés en retrait sur des éléments fondamentaux comme la présence d'un véritable circuit dans le jeu de course.
Il y a toutefois une précision importante, que Better Stack souligne avec honnêteté : Opus 5 a tendance à être plus verbeux que Fable 5 sur des tâches complexes, ce qui signifie que l'avantage du « demi-tarif » calculé sur le token individuel se réduit lorsque l'on regarde le coût par activité complétée. L'avantage reste réel en moyenne sur l'ensemble des benchmarks, mais sur une tâche spécifique, il peut considérablement s'amenuiser. C'est un rappel utile : les grilles tarifaires ne racontent que la moitié de l'histoire.
Où Fable 5 reste irremplaçable
Il serait incorrect, et assez paresseux, de présenter cette affaire comme l'échec de Fable 5. Un modèle qui représente malgré tout des milliards de dollars de dépenses enterprise n'est pas un flop : c'est un produit qui a trouvé une niche plus étroite que ce qu'Anthropic espérait probablement. Sur le front de la cybersécurité, Anthropic elle-même admet qu'Opus 5 reste en retrait par rapport à Fable 5 dans la capacité à transformer des vulnérabilités identifiées en exploits fonctionnels, même si les deux modèles sont désormais proches sur la simple identification des problèmes.
Le cas de la biologie est encore plus nuancé. Les requêtes relatives à la recherche biologique qui étaient bloquées sur Fable 5 sont désormais automatiquement réorientées vers Opus 5 plutôt que vers le plus ancien Opus 4.8, signe qu'Anthropic considère Opus 5 suffisamment capable et suffisamment sûr pour ce domaine. Dianne Penn, responsable produit chez Anthropic, a résumé la logique de positionnement dans une interview reprise par Implicator : les clients devraient choisir Opus 5 pour le rapport qualité-prix quotidien, en réservant Fable 5 aux « projets très autonomes qui durent des journées entières ». C'est, dit sans détours, la même distinction entre outil généraliste et outil spécialisé que la communauté des modèles ouverts pratique depuis longtemps avec sa propre hiérarchie de modèles locaux et cloud.
De la théorie à la pratique : le coût par activité complétée, pas par token
La donnée la plus contre-intuitive de toute cette affaire réside précisément dans le décalage entre les deux pourcentages de Ramp : Fable 5 pèse pour 11,4 % des dépenses mais seulement 6 % des tokens. Cela signifie que, lorsque les entreprises choisissent malgré tout Fable 5, elles le font pour des tâches où le coût par token est moins pertinent que le résultat obtenu, ou simplement que ses tokens, payés le double, coûtent proportionnellement plus cher à travail égal. C'est exactement la logique du « coût par activité complétée » plutôt que du « coût par token » que j'avais tenté de esquisser en parlant de Big Pickle, le modèle gratuit et sans prétention avec lequel j'avais refait plusieurs sites web statiques sans ressentir le besoin d'ouvrir un abonnement à un flagship : un modèle plus économique gagne lorsque les tentatives supplémentaires et les révisions coûtent malgré tout moins cher que de confier chaque tâche individuelle au modèle phare.
Les données recueillies par Vercel sur sa passerelle de modèles, citées par Implicator, offrent une nuance supplémentaire : elles placent Fable 5 à 13,2 % des dépenses globales, un chiffre différent de celui de Ramp mais restant dans l'ordre de grandeur de 11-13 %, avec la précision que neuf équipes sur dix utilisant Fable 5 le font pour la première fois. Ce n'est donc pas un modèle abandonné par les clients historiques ; c'est plutôt un modèle qui peine à devenir le choix par défaut quotidien de ceux qui le connaissent déjà.
L'économie globale : qui gagne et qui perd
En regardant au-delà du produit individuel, le tableau en dit long sur l'ensemble de l'industrie. Miles Clements, associé du fonds Accel, a déclaré au Financial Times, dans la reconstitution de Ramp, que l'époque où les clients choisissaient automatiquement le modèle phare n'était pas soutenable. C'est une affirmation qui provient de ceux qui financent précisément ces entreprises, non d'un critique extérieur, et qui sonne comme l'aveu que le cycle des sorties guidé par les annonces spectaculaires — que j'avais comparé au calendrier des smartphones haut de gamme — rencontre enfin une limite économique réelle imposée par les clients eux-mêmes, et non par les laboratoires qui produisent les modèles.
Il reste à comprendre à quel point ce schéma est spécifique à Anthropic ou s'il reflète une dynamique de marché plus générale. Le fait que GPT-5.6 Sol domine les dépenses d'OpenAI de façon si nette suggère que tous les flagships ne sont pas traités de la même manière par le marché : cela dépend du prix, bien sûr, mais aussi de la mesure dans laquelle ce modèle spécifique se distingue réellement du tier immédiatement inférieur, et du poids des contraintes contractuelles comme la rétention des données.
Cas d'usage concrets : où l'écart se voit, et où il ne se voit pas
Dans le monde de l'automatisation des flux de travail en entreprise, Opus 5 a décroché la première place du classement AutomationBench de Zapier, en menant à bien un processus complet de prévention de l'attrition client — de l'identification des comptes à risque jusqu'à la synthèse pour l'équipe de rétention — avec un taux de réussite de 100 % là où les modèles précédents échouaient, comme le raconte l'annonce officielle d'Anthropic. Sur OSWorld 2.0, le benchmark qui mesure l'utilisation autonome de l'ordinateur, Opus 5 dépasse le meilleur résultat de Fable 5 avec un peu plus d'un tiers de son coût.
Sur le plan scientifique, Opus 5 s'améliore par rapport à Opus 4.8 sur chaque évaluation interne relative aux sciences de la vie, avec des gains particulièrement marqués en chimie organique : dix points de pourcentage de plus dans l'inférence de structures moléculaires à partir de données spectroscopiques, un domaine où la précision technique compte bien plus que la verve rhétorique d'un modèle. Sur le plan juridique, un client cité dans l'annonce de lancement indique qu'Opus 5 maintient une qualité comparable à Fable 5 en générant 26 % de tokens en moins au seuil maximal de raisonnement : moins de bavardage, même résultat, ce qui est à peu près l'équivalent IA du principe selon lequel un bon montage se voit à ce qui est coupé, non à ce qui reste.
Sécurité et politique comme variables de choix
Il y a un aspect moins débattu mais opérationnellement pertinent : les classificateurs de cybersécurité d'Opus 5 interviennent, selon les estimations d'Anthropic, environ 85 % de moins que ceux de Fable 5. Cela signifie moins de requêtes légitimes de recherche en sécurité bloquées par erreur, un problème très concret pour qui travaille dans le penetration testing autorisé et s'est retrouvé à devoir contourner des refus excessivement prudents. Une frontière nette demeure toutefois : Opus 5 bloque le scan de vulnérabilités basé sur les binaires et la génération d'exploits, des domaines où le modèle phare de la famille Mythos conserve un avantage qu'Anthropic considère comme intentionnel, et non comme une limite technique à combler à la prochaine version.
Que surveiller dans les prochains mois
Plusieurs variables détermineront s'il s'agit d'un ajustement temporaire ou d'un changement structurel dans la façon dont les entreprises achètent l'intelligence artificielle. Le prochain rapport de Ramp dira si la part de Fable 5 continue de se stabiliser autour de 11 % ou baisse encore, à mesure qu'Opus 5 se consolide comme option par défaut sur Claude Max. Il vaudra la peine d'observer aussi si Anthropic décide d'intervenir sur le prix ou sur les exigences de rétention des données de Fable 5 pour en relancer l'adoption, ou si elle accepte que le modèle reste réservé à un public plus restreint prêt à payer pour la dernière marge de capacité disponible. Enfin, la croissance de modèles ouverts à bas coût — sur lesquels j'avais écrit en parlant de DeepSeek V4 et du moteur d'inférence local DS4 conçu par Salvatore Sanfilippo — continuera probablement d'exercer une pression à la baisse sur les prix, y compris pour les modèles de milieu de gamme comme Opus 5 lui-même.
Recommandations opérationnelles, pas des jugements
Pour qui dirige une équipe de développement, le conseil qui se dégage des données est de partir d'Opus 5 comme modèle par défaut et de réserver Fable 5 aux tâches qui nécessitent réellement la dernière marge de capacité disponible, ou des contraintes de sécurité spécifiques liées à la recherche offensive avancée. Pour qui gère le budget et les achats, la leçon est de regarder le coût par activité complétée plutôt que le simple prix par token, en incluant dans le calcul les contraintes de rétention de données et de conformité qui apparaissent rarement sur la grille tarifaire mais qui pèsent lourdement sur le total. Pour qui conçoit des agents autonomes, concevoir dès le départ un routage explicite entre modèles selon la classe de tâche — avec Opus 5 par défaut et un basculement automatique vers des modèles plus performants uniquement lorsque nécessaire — apparaît désormais comme la pratique la plus sensée plutôt qu'une optimisation à reporter à plus tard.
Il reste plus de questions ouvertes que de certitudes offertes par cet épisode. Si le modèle de basculement par tâche (switching task) s'impose réellement comme la nouvelle normalité, qu'est-ce que cela signifiera pour l'incitation économique à construire des modèles toujours plus grands et plus coûteux, quand le marché montre qu'il récompense précisément ceux qui savent faire plus avec moins de dépenses ? Et si l'intelligence de frontière devenait de plus en plus un produit de niche pour quelques cas d'usage extrêmes, qui financera réellement les prochains sauts générationnels — ceux qui, génération après génération, finissent par devenir le niveau de base que tout le monde prend pour acquis ?
Note technique : les données de dépenses et d'adoption citées dans cet article proviennent de Ramp via un reportage du Financial Times, repris par AI Weekly, et concernent un échantillon d'entreprises en majorité américaines avec un biais en faveur du secteur technologique ; elles doivent donc être lues comme des indicateurs directionnels d'une tendance, et non comme un recensement complet du marché enterprise global.