Opus 5 vs Fable 5 : le moins cher est-il le meilleur ?

→ Article connexe : BullshitBench, le test qui révèle les vraies limites des modèles d’IA

Sur le papier, la différence saute aux yeux dès qu’on regarde les tarifs. Opus 5 est proposé à 5 dollars par million de tokens en entrée et 25 dollars en sortie, soit environ 4,60 euros et 23 euros. C’est 2 fois moins cher que Fable 5. Et sur les benchmarks métier, il fait jeu égal, parfois mieux. Cette équation économique change radicalement la donne pour les entreprises qui hésitaient encore à passer à l’échelle.

Les forums techniques ont d’ailleurs été formels sur un point : l’écart entre le battage médiatique et ce qu’on mesure vraiment reste considérable. Un benchmark, c’est comme une photo sous un angle précis, flatteuse parfois, trompeuse souvent. Plusieurs utilisateurs ont reproduit les tests chez eux avec leur propre matériel et obtenu des résultats jusqu’à 30 % inférieurs à ceux publiés. La question n’est pas de savoir si ces modèles sont bons, mais de comprendre dans quelles conditions ils le sont vraiment.

Meilleur : Les benchmarks professionnels passés au crible

Anthropic a publié ses propres chiffres, mais j’ai préféré me tourner vers les tests indépendants pour vérifier les promesses. L’Apex Agents Merkle, un indice de productivité IA créé par Merkho, teste si les modèles peuvent effectuer un travail réellement précieux sur le plan économique. Il utilise plus de 200 tâches réelles avec des grilles d’évaluation rédigées par des experts.

Les profils testés sont exigeants : associés en banque d’investissement, consultants en management, avocats dans de grands cabinets et médecins de premier recours. Opus 5 remporte la palme avec 43,5 %, juste devant Fable 5. Mais voilà le détail qui change tout : Opus 5 atteint ce score en coûtant la moitié du prix de son concurrent.

Ce qui rend ces benchmarks indépendants particulièrement crédibles, c’est qu’Anthropic ne les contrôle pas. L’éditeur a tout intérêt à voir ses modèles performer sur les tests qu’il finance, mais ceux-là viennent d’organismes tiers qui n’ont aucune raison de flatter le résultat.

Un point revient comme un leitmotiv dans les discussions d’utilisateurs : le contexte d’utilisation change tout. Un professionnel du montrage vidéo expliquait que Fable 5 le séduisait pour ses performances en rendu multi-pistes, là où Opus 5 brillait davantage en génération de texte. L’un n’est pas meilleur que l’autre, ils répondent à des besoins différents. Ceux qui cherchent un couteau suisse risquent d’être déçus par les deux, car chacun excelle dans son domaine mais montre ses limites ailleurs.

Le bond d’intelligence qui intrigue les chercheurs

Le benchmark Arc AGI 3 a fait couler beaucoup d’encre ces derniers mois. Les modèles précédents progressaient le long d’une courbe en S lisse, montant progressivement, doucement. Opus 5, lui, a fait un bond de 3 fois en 2 mois. Ce n’est pas une amélioration incrémentale, c’est un saut qualitatif qui suggère une approche technique différente.

Pourquoi cette avancée change la donne

Quand il gagne, Opus 5 le fait avec une reconnaissance d’objectifs très efficace, une exploration d’hypothèses et une compaction de contexte qui impressionnent les chercheurs. Concrètement, quand vous avez une requête et que vous interrogez un LLM, il arrive souvent qu’il ne comprenne pas vraiment votre intention. Il dérive légèrement, et au moment où vous obtenez le résultat final, vous vous dites que c’est frustrant.

Opus 5 semble avoir réduit cette dérive de manière significative. S’il raisonne si bien en interne, il est fort probable qu’il excelle dans le raisonnement général et d’autres domaines connexes. Cette capacité à saisir l’intention réelle derrière une requête floue, c’est exactement ce qui manquait aux générations précédentes.

Les résultats en médecine

Les performances médicales d’Opus 5 le placent en deuxième position avec un score de 0,68, juste derrière le nouveau Spark 1.1 de Meta, un modèle très sous-estimé que la plupart des gens ont manqué. C’est un résultat solide qui confirme que le modèle n’est pas seulement bon sur les tâches de codage ou de raisonnement abstrait, mais aussi sur des domaines appliqués où la précision est cruciale.

Muse Spark 1.1 face à la concurrence (Gemini 3.1 Pro, Opus 4.8, GPT 5.5)

Voici les scores complets, catégorie par catégorie (plus le score est élevé, mieux c’est) :

En gras : le meilleur score de chaque ligne. NC : score non communiqué par Meta.

Du côté des mathématiques pures, Opus 5 a obtenu une médaille d’or à l’IMO 2026 avec un score parfait de 42 sur 42.

Anthropic explique avoir demandé au modèle de résoudre chaque problème sans harnais d’agent ni outils, en fournissant une preuve rigoureuse et autonome. Une limite de sortie de 256 000 jetons a été fixée, et les tentatives qui épuisaient cette limite ont été rééchantillonnées avec des efforts de réflexion inférieurs.

Le vrai problème, c’est la méthode de mesure

Ce que personne ne vous dit, c’est que les prompts utilisés dans les benchmarks publics sont souvent connus à l’avance. Les équipes peuvent optimiser leurs modèles en conséquence. Résultat : des scores impressionnants en laboratoire, mais une déception parfois en usage quotidien avec des requêtes plus organiques.

Les puristes défendent les tests automatisés avec des métriques précises, d’autres jurent que seuls les tests en conditions réelles ont de la valeur. Les uns et les autres ont raison, et c’est bien là le problème.

Il y a aussi la question des conditions matérielles de test. Les machines utilisées pour les benchmarks officiels sont loin d’être représentatives du parc matériel moyen. Entre les configurations haut de gamme avec 128 Go de RAM et les machines grand public avec 16 Go, l’écart se creuse. Un utilisateur a partagé son expérience :

• sur son portable milieu de gamme, les différences entre Opus 5 et Fable 5 devenaient presque négligeables
• alors que sur une station de travail elles étaient flagrantes.

La biologie et la virologie, le point crucial

Un signal fort mérite qu’on s’y attarde : Anthropic a autorisé Opus 5 sur des domaines sensibles comme la biologie et la virologie, sans imposer les mêmes garde-fous que pour Fable 5. C’est un choix qui en dit long sur la confiance de l’éditeur dans son modèle.

→ À découvrir également : SEO : Comment optimiser son contenu pour apparaître dans les réponses IA ?

Moi je dis que je trouve ce point très parlant. La biologie et la virologie restent des domaines où la prudence s’impose, et voir qu’Anthropic fait confiance à Opus 5 sur ce terrain, c’est un signal fort sur la fiabilité perçue du modèle.

La prochaine fois que quelqu’un vous dit que les modèles d’IA plafonnent, montrez-lui ces benchmarks. On est loin du plafond, et la marge de progression reste considérable.

→ Pour approfondir : Licencié à cause de l’IA : le calvaire d’un ingénieur en 2026

→ Dans la même thématique :

• Les serveurs obfusqués de ProtonVPN : Tout ce que vous devez savoir
• Opus 5 : le prototypage de jeux vidéo à la portée de tous

Quel modèle choisir selon votre usage

La réponse dépend de votre contexte.

• Pour du codage agentique, Opus 5 est essentiellement non seulement meilleur, mais aussi moins cher.
• Pour des flux de travail métier agentiques, il est là encore meilleur et plus rentable.
• Pour du raisonnement multidisciplinaire, il domine une fois de plus tout en coûtant moins cher.

Les modèles plus petits comme Sonic ne profitent pas d’une réflexion maximale. Le niveau de raisonnement moyen par défaut suffit dans la majorité des cas, et le niveau élevé ne se justifie que pour les tâches complexes. La suranalyse fait perdre du temps et de l’argent sans améliorer la réponse.

Le verdict de l’Epoch Capabilities Index

L’Epoch Capabilities Index est un méta-benchmark créé par Epoch AI qui agrège les performances sur des dizaines de benchmarks IA individuels en un score composite unique. Il utilise la théorie de la réponse aux items, le même modèle statistique utilisé dans les tests éducatifs pour estimer la difficulté des tâches et la capacité des candidats.

En s’appuyant sur l’article « A Rosetta Stone for AI benchmarks », on voit qu’Opus 5 se situe fermement derrière Fable 5 et GPT-5.6 Soul. Ces deux modèles gardent une longueur d’avance sur l’intelligence brute, mais l’écart se resserre drastiquement dès qu’on intègre le facteur prix dans l’équation.

Le classement ECI des modèles frontier (août 2026)

L’Epoch Capabilities Index (ECI) agrège des dizaines de benchmarks en une échelle unique de capacité générale, calibrée pour que Claude 3.5 Sonnet vaille 130 et GPT-5 vaille 150. Voici le haut du classement général, données consultées le 6 août 2026 :

La situation par éditeur

Source : Epoch Capabilities Index (epoch.ai/eci), consulté le 6 août 2026. Les rangs suivent la règle des ex aequo.

La question de l’alignement

Opus 5 semble être le modèle le plus aligné, mais il a fait quelques choses un peu étranges lors des tests. Rien de grave, mais suffisamment notable pour que les équipes d’Anthropic gardent un œil attentif sur son comportement en conditions réelles.

→ Sur le même sujet : Claude Skills : les outils Anthropic utilisés en production

Les avis divergent sur l’importance des benchmarks dans la décision finale. Un développeur expliquait qu’il avait choisi Opus 5 pour sa stabilité API, malgré des scores inférieurs sur certains tests, parce que son équipe avait besoin de prévisibilité. De l’autre côté, une créatrice de contenu préférait Fable 5 pour sa créativité perçue, même si les métriques objectives ne lui donnaient pas toujours raison. Le ressenti subjectif compte énormément dans l’expérience utilisateur, et ça, aucun benchmark ne peut le mesurer.

La prochaine fois que vous lancerez une tâche sur Opus 5, commencez par le niveau moyen et ajustez si besoin. Vous verrez la différence sur votre facture.

Les points clés à retenir avant de choisir

• Opus 5 domine sur les benchmarks professionnels à coût égal, souvent avec une avance nette sur Fable 5
• Le raisonnement moyen par défaut suffit pour la majorité des tâches, réservez le niveau élevé aux cas complexes
• L’Epoch Capabilities Index place Opus 5 derrière Fable 5 et GPT-5.6 Soul sur l’intelligence brute
• Le tarif d’Opus 5 est identique à Opus 4.8, environ 4,60 euros en entrée et 23 euros en sortie
• Les replis vers Opus 4.8 existent pour les tâches qui ne nécessitent pas le dernier cri

Les discussions communautaires montrent une certaine maturité nouvelle. Les gens ne se contentent plus des scores bruts, ils veulent comprendre la méthodologie, les biais potentiels, les conditions exactes de test.

J’ai vu des utilisateurs recréer les benchmarks avec leurs propres données, partager leurs scripts, documenter leurs protocoles. Cette approche collaborative est rafraîchissante, même si elle rend les conclusions moins nettes qu’un simple classement. La vérité est peut-être que les benchmarks servent moins à trancher qu’à ouvrir la discussion, et c’est probablement tant mieux.

Si vous travaillez avec des modèles d’IA sensibles ou que vous manipulez des données qui doivent rester confidentielles, un VPN reste l’outil de base pour sécuriser vos échanges.