Anthropic a lancé Claude Opus 5 le 24 juillet 2026, au tarif de 5 dollars par million de tokens en entrée et 25 dollars en sortie : exactement le prix d'Opus 4.8. La vraie nouveauté n'est pas la puissance du modèle, c'est son prix. Opus 5 se cale sur le tarif d'entrée de GPT-5.6 Sol et passe sous son prix de sortie, alors que le palier le plus haut d'Anthropic coûtait jusqu'ici le double. Pour un dirigeant, la question change de nature : elle ne porte plus sur « quel est le meilleur modèle », mais sur « à quel prix mon cas d'usage devient finançable ».
En résumé
- ✓ Claude Opus 5 est sorti le 24 juillet 2026, au même tarif qu'Opus 4.8 : 5 $ / 25 $ par million de tokens.
- ✓ Contexte de 1 million de tokens par défaut et maximum, sans surcoût long contexte.
- ✓ Le vrai changement, c'est le prix : Opus 5 s'aligne sur le tarif d'entrée de GPT-5.6 Sol et passe sous son prix de sortie.
- ✓ Anthropic met en avant la régularité d'exécution autant que la performance brute.
- ✓ On ne migre un projet en production que si un jeu d'évaluation maison montre un gain mesuré.
Claude Opus 5 en bref : ce qu'il apporte concrètement
Claude Opus 5 succède à Opus 4.8 sous l'identifiant API claude-opus-5, comme le détaille l'annonce officielle d'Anthropic. Il conserve exactement le même tarif que son prédécesseur, ce qui simplifie l'équation budgétaire pour qui tourne déjà sur Opus 4.8. Voici ce qui change réellement :
- Une fenêtre de contexte de 1 million de tokens, à la fois valeur par défaut et valeur maximale, au tarif standard, sans surcoût long contexte. La sortie maximale est de 128 000 tokens, extensible jusqu'à 300 000 tokens via l'API Batch en bêta.
- Un cutoff de connaissances de mai 2026, le plus récent de toute la gamme Claude : Fable 5 et Sonnet 5 sont calés sur janvier 2026.
- Un raisonnement actif par défaut, réglable sur cinq niveaux d'effort (low, medium, high, xhigh, max),
highétant le réglage par défaut sur l'API et dans Claude Code. - Un seuil de mise en cache abaissé à 512 tokens (contre 1024 sur Opus 4.8) : des prompts courts deviennent cachables sans changer une ligne de code.
- Deux nouveautés en bêta côté API : la modification des outils en cours de conversation sans invalider le cache de prompt, et une bascule automatique vers un autre modèle quand une requête est refusée par les classifieurs de sécurité.
Le modèle est disponible sur l'API Claude, Amazon Bedrock (sous l'identifiant anthropic.claude-opus-5), Google Cloud et Microsoft Foundry, ainsi que sur Claude.ai, Claude Code et Claude Cowork. Il devient le modèle par défaut de Claude Max et l'option la plus performante de Claude Pro. Pour une équipe qui utilise déjà ces outils, le gain ne vient d'ailleurs pas du seul saut de version : c'est la pratique, savoir cadrer une demande et utiliser les bons outils, qui fait la différence. C'est tout l'objet de la formation Claude Code.
Sur l'alignement, Anthropic présente Opus 5 comme son modèle le plus aligné à ce jour, avec un score de 2,3 sur son audit comportemental automatisé de comportements désalignés. Ses classifieurs cyber sont environ 85 % moins restrictifs que ceux de Fable 5, mais le modèle reste derrière Mythos 5 sur les tâches d'exploitation cyber, un point qui concerne surtout les usages de recherche en sécurité, pas les cas d'usage courants en PME.
Les résultats revendiqués par Anthropic
Ce sont des chiffres publiés par l'éditeur à la sortie du modèle, pas des mesures indépendantes. À prendre pour ce qu'ils sont : un point de départ, pas une vérité gravée dans le marbre pour votre cas d'usage précis.
| Benchmark | Résultat annoncé par Anthropic |
|---|---|
| CursorBench 3.2 | À moins de 0,5 % du meilleur score de Fable 5, pour deux fois moins cher par tâche |
| OSWorld 2.0 | Dépasse Fable 5 pour un tiers du coût |
| Frontier-Bench v0.1 | Double la performance d'Opus 4.8 |
| ARC-AGI 3 | Score trois fois supérieur au modèle suivant |
| Zapier AutomationBench | Environ 1,5 fois le taux de réussite du concurrent suivant, à coût égal |
| GDPval-AA v2 | Nouvel état de l'art |
| Chimie organique | 10,2 points de pourcentage au-dessus d'Opus 4.8 |
| Prédiction de protéines | 7,7 points au-dessus d'Opus 4.8 |
Comme toujours avec des benchmarks publics, la prudence reste de mise : ces mesures ne prédisent pas la performance sur votre tâche précise, avec vos documents et votre vocabulaire métier. Notre guide pour évaluer un LLM en entreprise avec les bonnes métriques détaille la méthode que nous appliquons avant tout choix de modèle. Opus 5 succède directement à Claude Opus 4.8, sorti quelques mois plus tôt, et complète la gamme aux côtés de Claude Fable 5, qui reste le modèle le plus capable d'Anthropic.
Le vrai changement : le prix du niveau frontière
La séquence des trois dernières sorties d'Anthropic et d'OpenAI est factuelle et vaut la peine d'être posée clairement, sans interprétation des intentions de chacun :
| Date | Modèle | Prix (entrée / sortie, par million de tokens) |
|---|---|---|
| 9 juin 2026 | Claude Fable 5 (Anthropic) | 10 $ / 50 $ |
| 9 juillet 2026 | GPT-5.6 Sol (OpenAI) | 5 $ / 30 $ |
| 24 juillet 2026 | Claude Opus 5 (Anthropic) | 5 $ / 25 $ |
Opus 5 se cale exactement sur le prix d'entrée de Sol et passe sous son prix de sortie (25 $ contre 30 $), selon les tarifs officiels publiés par Anthropic. Or, jusqu'ici, le palier le plus haut d'Anthropic, Fable 5, coûtait le double du prix d'entrée de Sol. En quinze jours, l'écart de prix entre les deux paliers frontière des deux éditeurs s'est nettement resserré.
Une lecture du marché, pas un procès d'intention
On ne connaît pas les arbitrages internes d'Anthropic ni d'OpenAI. Ce qu'on observe, c'est un fait daté et vérifiable : un alignement de prix entre les deux éditeurs en l'espace de deux semaines. Rien de plus, rien de moins.
Les premiers retours d'éditeurs vont dans le même sens. Cursor décrit Opus 5 comme apportant « near Fable 5 intelligence at Opus speed and cost ». Devin parle d'un modèle qui « approaches Fable-level performance at half the cost », avec des points forts sur le débogage difficile et l'analyse de cause racine.
Pour un dirigeant, ce resserrement de prix change concrètement le calcul de rentabilité. Des cas d'usage agentiques, agents longue durée, traitement documentaire massif, revue de code automatisée, qui n'étaient pas rentables au tarif du palier frontière peuvent le devenir. Le comparatif détaillé Sol, Terra ou Luna : quel palier GPT-5.6 choisir et notre analyse Opus 4.8 face à GPT-5.5 et Gemini 3.1 Pro donnent des repères complémentaires pour situer ce mouvement de prix.
Un cas d'usage devenu finançable avec ce nouveau prix ?
On chiffre le projet sur vos vraies données, sans engagement, en 30 minutes.
Opus 5, Fable 5 ou Sonnet 5 : lequel pour quel usage
Anthropic aligne désormais trois paliers dans sa gamme actuelle, chacun avec un positionnement clair. Voici comment les situer :
| Modèle | Sortie | Prix (entrée / sortie) | Bon pour |
|---|---|---|---|
| Claude Sonnet 5 | 30 juin 2026 | 3 $ / 15 $ (2 $ / 10 $ jusqu'au 31 août 2026) | Automatisation quotidienne, volume élevé, budget serré |
| Claude Opus 5 | 24 juillet 2026 | 5 $ / 25 $ | Agents longue durée, revue de code, traitement documentaire massif |
| Claude Fable 5 | 9 juin 2026 | 10 $ / 50 $ | Reste le palier le plus haut : tâches où le budget n'est pas la contrainte principale |
Sonnet 5 reste le bon point de départ pour la classification, l'extraction de données ou l'automatisation de tâches répétitives à fort volume, comme le détaille notre article Claude Sonnet 5 pour l'automatisation en PME. Opus 5 devient pertinent dès que la tâche s'étale dans le temps ou implique une chaîne d'outils : un assistant IA interne qui doit croiser plusieurs documents avant de répondre, ou un agent qui traite un lot de dossiers sur plusieurs heures. C'est le terrain de nos projets d'assistant IA interne fondé sur le RAG. Fable 5 garde sa place pour les problèmes les plus difficiles, là où la capacité brute prime sur le coût.
La régularité compte plus que le pic de performance
Un chiffre de benchmark ne dit rien de la fiabilité d'un modèle sur des centaines d'exécutions consécutives. C'est pourtant ce qui détermine si un agent IA est industrialisable ou s'il reste un prototype qu'on surveille en permanence.
Lovable, éditeur d'un outil de développement assisté par IA, rapporte un gain de 22 % par rapport à Opus 4.7 sur ses tâches agentiques les plus dures, et souligne surtout « beaucoup moins de variance d'une exécution à l'autre ». C'est le point le plus opérationnel de tout le lancement.
Concrètement : un agent qui réussit neuf fois sur dix mais échoue de façon imprévisible la dixième est plus difficile à mettre en production qu'un agent un peu moins brillant mais constant. La variance oblige à ajouter des garde-fous, des relances, une supervision humaine sur chaque cas limite, ce qui annule une partie du gain de temps promis par l'automatisation.
Cette régularité rejoint les efforts d'alignement mis en avant par Anthropic : un score de 2,3 sur son audit comportemental automatisé, présenté comme le meilleur de la gamme à ce jour. Pour un cas d'usage sensible, comme un assistant qui répond sur une base documentaire interne, un modèle qui hésite ou signale son incertitude plutôt que d'inventer une réponse plausible reste préférable à un modèle plus impressionnant mais moins prévisible. C'est le même enjeu que nous détaillons dans notre guide quel modèle d'IA choisir pour automatiser un processus métier.
Faut-il migrer vos projets ?
Pas par réflexe, même si le tarif identique à Opus 4.8 rend la bascule financièrement neutre. La bonne méthode reste la même à chaque sortie de modèle : un jeu d'évaluation maison, construit à partir de vos propres cas d'usage, joué à prompt et données identiques sur l'ancien et le nouveau modèle.
Trois questions à se poser avant de basculer un service en production :
- Le gain est-il mesuré, pas supposé ? Un score de benchmark public ne remplace pas un test sur vos propres documents et votre propre vocabulaire métier.
- La régularité tient-elle sur volume ? Faites tourner le modèle sur plusieurs dizaines d'exécutions du même type de tâche avant de conclure, pas sur trois essais concluants.
- Le coût réel suit-il le tarif annoncé ? Le prix au token n'est qu'une partie du coût d'un projet : l'intégration, la supervision et la maintenance pèsent généralement plus lourd.
Notre guide pour évaluer un LLM en entreprise avec les bonnes métriques détaille la méthode complète, et un audit IA reste le point de départ recommandé avant de figer un choix de modèle ou une architecture.
Ce que ça ne change pas
Un nouveau modèle, aussi bien positionné soit-il sur le prix, ne résout pas ce qui fait réellement la différence dans un projet IA en PME ou ETI :
- Le modèle reste le composant le plus interchangeable de la chaîne. Passer d'un modèle à un autre devient une ligne de configuration si l'architecture est bien conçue, un chantier complet si elle ne l'est pas.
- L'intégration à vos données est ce qui dure. Un modèle plus capable ou moins cher n'améliore rien si les sources documentaires sont mal organisées ou si le retrieval est bâclé, un problème que nous détaillons dans notre retour sur les erreurs les plus fréquentes d'un projet RAG en entreprise.
- Le cas d'usage prime sur la technologie. Un mauvais cas d'usage exécuté par Claude Opus 5 reste un mauvais projet.
Opus 5 est une brique moins chère et plus régulière. Mais une brique ne fait pas un mur : la valeur naît de l'assemblage, bon cas d'usage, bonnes données, bonne intégration, le modèle n'étant que le dernier maillon de la chaîne.
Vous voulez tester Claude Opus 5 sur un cas d'usage concret ?
On cadre la faisabilité, on construit le jeu d'évaluation et on chiffre le projet en 30 minutes, sans engagement.
Questions fréquentes sur Claude Opus 5 en entreprise
Pour aller plus loin
- Claude Opus 4.8, ce que ça change pour votre PME : le décryptage du prédécesseur d'Opus 5, benchmarks et fast mode inclus.
- Claude Fable 5 et Mythos 5 : le modèle le plus capable d'Anthropic, qui reste le palier le plus haut face à Opus 5.
- Claude Sonnet 5 pour l'automatisation en PME : le palier le plus économique de la gamme Claude actuelle.
- GPT-5.6 : Sol, Terra ou Luna : le comparatif des paliers OpenAI pour situer le mouvement de prix décrit dans cet article.
- Opus 4.8 vs GPT-5.5 vs Gemini 3.1 Pro : le comparatif détaillé avec une grille de décision par cas d'usage.
- Évaluer un LLM en entreprise : la méthode pour construire un jeu de test sur vos propres données avant de migrer.
- Quel modèle d'IA choisir pour automatiser : la grille de décision au-delà du seul choix Anthropic.
- Erreurs fréquentes d'un projet RAG en entreprise : pourquoi l'intégration aux données pèse plus que le modèle.
- Formation Claude, les fondamentaux : pour que vos équipes tirent parti d'Opus 5 dès aujourd'hui.
