Toute équipe qui met de l'IA en production finit par buter sur le même arbitrage. Faire tourner le modèle le plus capable sur l'ensemble des tâches, quitte à payer le tarif fort pour du tri de tickets. Ou empiler plusieurs modèles selon la difficulté, et maintenir autant d'intégrations, de tableaux de bord et de tests. Le modèle lancé fin juillet par Anthropic déplace ce curseur, au sens propre.

Le 24 juillet 2026, l'éditeur d'IA Anthropic, créateur des modèles Claude, a mis en ligne Claude Opus 5. Le message tient en une phrase côté éditeur : un modèle réfléchi et proactif qui approche l'intelligence de pointe de Claude Fable 5 pour moitié moins cher. Derrière la formule commerciale, il y a surtout une autre façon de piloter un budget IA.

Le tarif ne bouge pas, la performance monte

Opus 5 se place juste sous Claude Fable 5, le haut de gamme de l'éditeur, et devient le modèle recommandé par défaut pour le codage agentique complexe et le travail en entreprise. Il est facturé 5 dollars par million de tokens en entrée et 25 dollars en sortie, d'après la documentation officielle des modèles Claude. C'est exactement le tarif de son prédécesseur Opus 4.8, et la moitié de celui de Fable 5 (10 et 50 dollars). Le gain ne vient donc pas d'une baisse de prix affichée, mais d'un déplacement de la frontière : à budget constant sur le palier Opus, on récupère une intelligence plus proche du sommet de gamme.

Côté caractéristiques, la fenêtre de contexte atteint 1 million de tokens, la sortie maximale 128 000 tokens, et les connaissances du modèle s'arrêtent à mai 2026. Il est disponible immédiatement sur l'API Claude, Amazon Bedrock, Google Cloud et Microsoft Foundry, devient le modèle par défaut de l'abonnement Claude Max et le plus puissant accessible sur Claude Pro. Aucune phase d'accès restreint à budgétiser, ce qui compte quand un déploiement doit être planifié.

Un classement indépendant va plus loin que la formule de l'éditeur. Le cabinet d'analyse Artificial Analysis, qui compare les grands modèles du marché, place Opus 5 en tête de son indice composite d'intelligence, avec 61 points contre 60 à Fable 5. Le classement a été relevé par LeMagIT, publication de référence sur les technologies d'entreprise. Un point d'écart ne renverse pas la hiérarchie du catalogue, où Fable 5 reste au-dessus. Il dit surtout que la performance ne justifie plus, à elle seule, de payer le tarif haut de gamme.

Le curseur d'effort, le vrai levier de coût

Ce qui intéressera le plus une direction technique n'est pas le score du modèle, c'est un paramètre. Le paramètre d'effort contrôle le nombre de tokens que le modèle dépense pour répondre : avec un seul modèle, on arbitre entre la profondeur de la réponse et la sobriété en tokens. Anthropic en documente cinq niveaux.

• low : le plus économe, gain de tokens significatif contre une légère baisse de capacité, pour les tâches simples et les sous-agents.
• medium : approche équilibrée, économie modérée, pour les tâches agentiques qui cherchent un compromis entre vitesse, coût et performance.
• high : le niveau par défaut, pour le raisonnement complexe, le codage difficile et les tâches agentiques.
• xhigh : capacité étendue pour le travail de longue haleine, au-delà de trente minutes, avec des budgets de plusieurs millions de tokens.
• max : capacité maximale, sans contrainte de dépense en tokens.

Le paramètre n'est pas une nouveauté d'Opus 5 : la documentation le liste comme supporté depuis Claude Opus 4.5, sorti en novembre 2025, et il couvre aujourd'hui toute la gamme, d'Opus 4.6 à Fable 5 en passant par Sonnet. Ce qui change avec Opus 5 tient au réglage. Anthropic recommande de refaire un balayage d'effort sur ses propres évaluations plutôt que de reprendre les réglages d'un modèle précédent, l'effort n'y raccourcit plus fiablement la réponse visible, et le raisonnement ne peut plus être désactivé aux niveaux xhigh et max.

Le détail qui fait la différence : le réglage agit sur tous les tokens de la réponse, le texte affiché, le raisonnement interne et les appels d'outils. Un effort plus bas ne raccourcit pas seulement la prose, il réduit le nombre d'actions que l'agent déclenche. Sur un workflow d'automatisation et d'agents IA, où la facture vient surtout des allers-retours avec les outils, c'est un levier de coût réel, pas un réglage de verbosité.

Une réserve avant de bâtir un budget dessus : Anthropic décrit l'effort comme un signal de comportement, pas comme un plafond strict de tokens. Sur un problème difficile, le modèle réfléchit encore à effort bas, simplement moins longtemps qu'il ne l'aurait fait plus haut. On oriente une dépense, on ne la borne pas.

Ce que rapportent les premières entreprises

Anthropic publie sur sa page d'annonce plusieurs retours clients, à lire comme des mesures déclarées par les entreprises concernées et relayées par l'éditeur, pas comme un benchmark indépendant. Un client du secteur juridique obtient une performance équivalente avec 26 % de tokens en moins en moyenne, comparé à Opus 4.8 poussé au raisonnement maximal. Un acteur du trading atteint son meilleur score sur son benchmark interne en consommant environ sept fois moins de tokens de raisonnement et moins de la moitié de la latence. Une équipe de modélisation financière rapporte, en moyenne sur les niveaux d'effort, 9 points de pourcentage de précision en plus, avec un tiers de tours et d'appels d'outils en moins et 60 % de temps gagné.

Les éditeurs d'outils cités sur la même page tiennent le même discours, avec la même réserve : ce sont leurs mesures, relayées par Anthropic. Cursor, éditeur de code assisté par IA, parle d'une intelligence proche de Fable 5 à la vitesse et au coût du palier Opus. Cognition, qui développe l'agent de codage autonome Devin, mesure sur son benchmark maison une performance proche du niveau Fable pour moitié moins cher. La plateforme d'automatisation Zapier indique qu'Opus 5 a pris la tête de son classement interne sans consommer plus de tokens que les modèles Claude précédents.

La contrainte qu'on découvre trop tard

Le curseur n'est pas gratuit à manipuler en continu. Le niveau d'effort façonne le prompt envoyé au modèle : en changer d'une requête à l'autre invalide le cache, et les préfixes de contexte des tours précédents ne sont donc plus réutilisés. Anthropic recommande de fixer un niveau au début d'une session longue et de le garder constant. L'arbitrage se fait entre types de workflows, pas à l'intérieur d'une même conversation : on route par cas d'usage, comme on l'aurait fait avec plusieurs modèles, mais avec un seul modèle à intégrer, surveiller et maintenir.

Un profil de sûreté revu

Sur son propre audit comportemental automatisé, Anthropic attribue à Opus 5 un score de 2,3 en comportement désaligné, le plus bas de ses modèles récents. Sur cette échelle interne, plus le score est bas, meilleur est le résultat, et il s'agit d'une mesure de l'éditeur sur son produit, pas d'un audit tiers. Anthropic précise par ailleurs que le modèle reste en retrait de Claude Mythos 5 sur la recherche en biologie et les tests offensifs de cybersécurité. Pour une entreprise, c'est une information de gouvernance autant que de performance : le modèle le plus capable d'un catalogue n'est pas systématiquement celui qu'on veut brancher sur des données sensibles.

Ce que ça change pour un budget IA

La question d'achat se déplace. Elle était « quel modèle choisir », elle devient « à quel niveau d'effort faire tourner ce modèle, pour quelle famille de tâches ». C'est plus granulaire, plus pilotable, et surtout ajustable sans rouvrir un chantier d'intégration. Le réflexe habituel consiste à empiler un modèle rapide pour le tri, un modèle intermédiaire pour la production et un modèle haut de gamme pour les cas difficiles. Chacun arrive avec son intégration, son monitoring et sa maintenance. La bonne question, avant d'en arriver là, est de savoir si un seul modèle à effort réglable ne couvre pas déjà l'essentiel du spectre.

La réponse ne se lit pas sur une fiche produit, elle se mesure : une base d'évaluation sur vos propres cas, un coût par tâche mesuré plutôt qu'estimé, et une idée claire de la qualité minimale acceptable par type de demande. Anthropic conseille lui-même de démarrer au niveau par défaut, de monter à xhigh pour le codage et l'agentique exigeants, et de descendre vers low et medium partout où les évaluations montrent que la qualité tient. Chez Koul, c'est exactement le terrain d'un audit et étude de cadrage : on regarde l'existant, on chiffre, on décide ensuite.

Rien n'oblige à tout rebasculer dans la semaine. Le réflexe utile est plus simple : repérer les deux ou trois workflows qui consomment le plus de tokens aujourd'hui, les rejouer avec Opus 5 à effort bas puis moyen, et comparer coût et qualité sur des cas réels. C'est en général là que se trouve la marge, avant même de rouvrir le débat sur le choix du fournisseur.

Pour aller plus loin

• Claude Tag et le cadrage d'un agent IA partagé
• Intégrer un LLM dans une application Next.js
• MCP, le standard qui connecte les IA aux outils
• Les meilleurs LLM open source en 2026