Anthropic a sorti Claude Sonnet 5 le 30 juin 2026 : un modèle aux performances proches de Claude Opus 4.8, mais facturé environ 2 à 3 fois moins cher, avec un niveau d'autonomie agentique inédit pour un Sonnet (planification, usage d'outils, navigateur et terminal, exécution sur plusieurs étapes). Concrètement, ça rend économiquement viables à l'échelle des scénarios d'automatisation et d'agents IA qui coûtaient trop cher à faire tourner en production avec les modèles précédents. Ce n'est pas un bouton magique pour autant : la qualité des données, le cadrage du périmètre et la supervision humaine restent les vrais facteurs de réussite d'un projet IA en PME.
Points clés à retenir
- 30 juin 2026 : Anthropic sort Claude Sonnet 5, présenté comme le Sonnet le plus agentique à ce jour, avec des performances proches de Claude Opus 4.8.
- 2 à 3 fois moins cher : 2 dollars en entrée et 10 dollars en sortie par million de tokens en tarif d'introduction (jusqu'au 31 août 2026), contre 5 et 25 dollars pour Opus 4.8.
- Le vrai changement pour une PME : des scénarios d'automatisation et d'agents qui utilisent des outils sur plusieurs étapes deviennent rentables à l'échelle, alors qu'ils coûtaient trop cher à faire tourner avec les modèles précédents.
- Ça ne change pas : la nécessité de cadrer le périmètre, de garder un humain sur les étapes sensibles et d'avoir des données propres avant de brancher un agent dessus.
Claude Sonnet 5 en bref : ce qui change pour une PME
Claude Sonnet 5 succède à Sonnet 4.6 dans la gamme intermédiaire d'Anthropic. Pour un dirigeant qui n'a ni le temps ni l'envie de suivre chaque sortie de modèle, voici les évolutions qui comptent réellement, classées par impact business plutôt que par ordre d'annonce :
- Un saut net sur l'agentique : Anthropic le présente comme le Sonnet le plus capable à ce jour pour planifier une tâche, utiliser des outils (navigateur, terminal) et l'exécuter de façon autonome sur plusieurs étapes.
- Un rapport performance/prix qui change d'échelle : des résultats proches d'Opus 4.8 pour un tarif environ 2 à 3 fois inférieur.
- Une fenêtre de contexte d'1 million de tokens : utile pour des agents qui doivent garder en mémoire de longs documents ou de longues conversations d'outils.
- Quatre niveaux d'effort (low, medium, high, xhigh) pour arbitrer coût et profondeur de raisonnement tâche par tâche.
- Un comportement plus sûr : moins d'hallucinations, moins de sycophancie, et une meilleure résistance aux tentatives de manipulation par prompt.
Le modèle est disponible immédiatement comme modèle par défaut des plans Free et Pro de Claude, et accessible sur les plans Max, Team et Enterprise. Il fonctionne dans Claude Code et via l'API Anthropic sous l'identifiant claude-sonnet-5, ainsi que sur AWS et Microsoft Foundry. Une disponibilité sur Google Vertex AI est annoncée prochainement. Sonnet 5 arrive trois semaines après Claude Fable 5, sorti le 9 juin 2026, et un mois après Claude Opus 4.8, sorti le 28 mai 2026, qui reste pour l'instant le modèle le plus capable d'Anthropic.
À retenir pour un dirigeant
Une nouvelle version de modèle n'est jamais un projet en soi. Ce qui change ici, c'est un curseur économique : des cas d'usage agentiques qui dépassaient le budget raisonnable il y a encore un mois redeviennent finançables. Reste à savoir s'ils correspondent à un vrai besoin métier identifié, ce qui ne se décide pas en lisant une fiche produit.
Les benchmarks décryptés : Sonnet 5 entre Sonnet 4.6 et Opus 4.8
Anthropic publie les résultats de Sonnet 5 face à Sonnet 4.6 et, sur certains benchmarks, face à Opus 4.8. Voici les chiffres officiels communiqués dans l'annonce d'Anthropic le 30 juin 2026 :
| Benchmark | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| Code agentique (SWE-bench Pro) | 58,1 % | 63,2 % | 69,2 % |
| Coding en terminal (Terminal-Bench 2.1) | 67,0 % | 80,4 % | non communiqué |
| Usage agentique de l'ordinateur (OSWorld-Verified) | 78,5 % | 81,2 % | non communiqué |
| Raisonnement avec outils (Humanity's Last Exam) | 46,8 % | 57,4 % | 57,9 % |
| Travail de connaissance (GDPval-AA v2) | non communiqué | ≈ 1 618 | ≈ 1 615 |
Deux lectures s'imposent. D'abord, le bond face à Sonnet 4.6 est net sur tous les axes publiés, en particulier sur le coding en terminal (de 67,0 % à 80,4 %) et le raisonnement avec outils (de 46,8 % à 57,4 %). Ensuite, sur le travail de connaissance (GDPval-AA v2), Sonnet 5 dépasse même légèrement Opus 4.8 dans les chiffres communiqués (1 618 contre 1 615), un score quasi équivalent qui résume bien le positionnement du modèle : plus un concurrent direct d'Opus sur certaines tâches qu'un simple Sonnet amélioré.
L'écart reste réel ailleurs, notamment sur le code agentique pur (63,2 % contre 69,2 % pour Opus 4.8). Sonnet 5 n'a pas vocation à remplacer Opus 4.8 sur tout : il déplace le curseur de ce qui est économiquement raisonnable de confier à un modèle moins cher.
Comme toujours avec des benchmarks publics, le bon réflexe reste de relativiser : ces tests mesurent des compétences génériques, pas la performance sur vos documents, votre vocabulaire métier et vos contraintes réelles. Notre guide pour évaluer un LLM en entreprise avec les bonnes métriques détaille comment construire un test propre à votre cas d'usage avant de figer un choix de modèle.
Vous voulez savoir si Sonnet 5 change le calcul économique de votre projet ?
On teste le modèle sur vos vraies données et on chiffre ce que ça change réellement, sans hype.
Le vrai changement : un modèle agentique 2 à 3 fois moins cher
C'est là que se joue l'intérêt concret pour une entreprise. Sonnet 5 est facturé 2 dollars par million de tokens en entrée et 10 dollars en sortie en tarif d'introduction, jusqu'au 31 août 2026. Passé cette date, le tarif standard s'applique : 3 dollars en entrée, 15 dollars en sortie. Opus 4.8, lui, reste à 5 dollars en entrée et 25 dollars en sortie. Le détail à jour de ces tarifs est public sur la page tarifs d'Anthropic.
| Modèle et tarif | Entrée ($ / M tokens) | Sortie ($ / M tokens) | Validité |
|---|---|---|---|
| Sonnet 5, tarif d'introduction | 2 $ | 10 $ | Jusqu'au 31 août 2026 |
| Sonnet 5, tarif standard | 3 $ | 15 $ | À partir du 1er septembre 2026 |
| Opus 4.8 | 5 $ | 25 $ | Tarif en vigueur |
Pourquoi ce niveau de prix change vraiment la donne, et pas seulement sur le papier ? Parce qu'un agent qui planifie, appelle des outils et vérifie son propre travail sur plusieurs étapes consomme nettement plus de tokens qu'une simple question-réponse. Trois familles de cas d'usage en profitent directement :
- L'automatisation multi-étapes : un agent qui lit un email, va chercher une information dans un autre système, rédige une réponse et la classe, exécute plusieurs allers-retours avec le modèle pour une seule tâche. Diviser le coût par 2 à 3 rend ce type de scénario viable sur des volumes quotidiens, pas seulement en démonstration.
- Les assistants IA internes sollicités à fort volume : un assistant interrogé des centaines de fois par jour par les équipes voit sa facture mensuelle directement liée au tarif au token.
- Les traitements par lots : extraction de données, classification de documents, analyse de tickets. Le coût d'entrée pour passer ces traitements en production baisse mécaniquement.
Le piège à éviter
Anthropic introduit un nouveau tokenizer avec Sonnet 5 : un même texte peut représenter de 1,0 à 1,35 fois plus de tokens selon son contenu. Le tarif d'introduction est calibré pour que la bascule reste globalement neutre en coût, mais ce n'est pas garanti tâche par tâche. Mesurez la consommation réelle de tokens sur un échantillon de vos prompts avant de projeter une facture mensuelle, surtout si vous migrez un projet existant.
Et comme toujours, le tarif au token n'est qu'une partie du coût total d'un projet : l'intégration, la préparation des données et la supervision pèsent souvent plus lourd. Pour replacer ce chiffre dans un budget complet, voyez notre guide sur le coût d'un projet IA en PME.
Niveaux d'effort, contexte 1M et nouveau tokenizer : les leviers à piloter
Sonnet 5 généralise un sélecteur de niveau d'effort, disponible dans Claude Code et via l'API, avec quatre paliers : low, medium, high et xhigh. L'idée : décider explicitement, tâche par tâche, du compromis entre rapidité, coût et profondeur de raisonnement.
En pratique, pour une entreprise qui déploie plusieurs cas d'usage sur le même modèle :
- Low / medium conviennent aux tâches simples à fort volume : classification d'emails, extraction de champs structurés, reformulation.
- High reste le bon réglage par défaut pour la rédaction, la synthèse et les réponses documentées via un système RAG.
- Xhigh se réserve aux workflows agentiques longs : un agent qui doit enchaîner plusieurs outils, vérifier ses résultats, et où l'on accepte un coût plus élevé pour fiabiliser la sortie.
La fenêtre de contexte de 1 million de tokens complète ce dispositif : elle permet à un agent de garder en mémoire un long historique d'outils utilisés ou un corpus documentaire volumineux sans perdre le fil. C'est un vrai sujet pour les agents qui enchaînent de nombreuses étapes dans une même session, moins pour un simple assistant question-réponse.
Sur la sécurité, Anthropic communique un taux global de comportements indésirables plus bas que Sonnet 4.6, un meilleur refus des requêtes malveillantes et une meilleure résistance aux tentatives d'injection de prompt (une attaque où des instructions cachées dans un document ou une page web tentent de détourner l'agent de sa tâche). Le modèle hallucinerait aussi moins et ferait moins de sycophancie, c'est-à-dire moins tendance à approuver une affirmation fausse de l'utilisateur juste pour lui faire plaisir. Ses capacités offensives en cybersécurité restent nettement inférieures à celles des modèles Opus, avec des garde-fous cyber activés par défaut. C'est cohérent avec les progrès d'alignement déjà documentés sur Opus 4.8, un sujet sur lequel nous avons consacré un article dédié : pourquoi un modèle plus honnête change la donne en entreprise.
Les premiers partenaires ayant testé Sonnet 5 avant sa sortie rapportent un modèle qui finit des tâches complexes là où les versions précédentes de Sonnet s'arrêtaient, et qui vérifie sa propre sortie sans qu'on ait besoin de le lui demander. C'est exactement le genre de comportement qui réduit le risque d'erreur silencieuse sur un agent laissé en autonomie sur plusieurs étapes, sans pour autant dispenser d'une supervision humaine sur les actions à conséquence réelle.
Concrètement, par où commencer dans une PME
Un modèle moins cher et plus agentique ne se traduit pas automatiquement en projet réussi. Voici les trois portes d'entrée les plus pertinentes selon le niveau de maturité IA de l'entreprise, une notion que France Num documente bien pour les TPE et PME françaises.
Cadrer le périmètre avant d'automatiser quoi que ce soit
Avant de brancher un agent sur un processus, il faut savoir lequel choisir, et pourquoi. Cartographier les tâches les plus consommatrices de temps qualifié, évaluer la qualité des données disponibles, et hiérarchiser les cas d'usage selon leur impact et leur faisabilité : c'est exactement l'objet d'un audit IA. Un modèle moins cher rend certains projets finançables, mais ne dit rien du bon ordre de priorité.
Un agent qui exécute des tâches répétitives, sous contrôle humain
C'est le scénario le plus directement débloqué par la baisse de prix : un agent qui lit un document, va chercher une information dans un autre système, prépare une réponse ou une saisie, et la soumet à validation avant exécution finale. Les étapes sensibles restent sous contrôle humain, l'agent prépare. Nos automatisations et agents IA sont construites sur ce principe : un workflow qui combine logique standard et appels au modèle, pas une boîte noire qui agit seule sur tout le processus.
Un assistant interne qui s'appuie sur vos documents
Pour les entreprises qui accumulent de la documentation sans pouvoir l'exploiter au quotidien (contrats, normes, procédures, historiques de projets), un assistant IA interne RAG devient plus simple à justifier économiquement quand le coût par requête baisse, sachant qu'il sera interrogé des dizaines voire des centaines de fois par jour. Pour aller plus loin sur les architectures qui combinent recherche documentaire et capacités agentiques, voyez notre article sur l'agentic RAG.
Si un projet tourne déjà sur Sonnet 4.6, la bascule technique vers Sonnet 5 est simple : même API, même format d'appel, il suffit de changer l'identifiant de modèle. Mais avant de migrer un service en production, mieux vaut rejouer un jeu de tests métier sur le nouveau modèle et mesurer la consommation réelle de tokens avec le nouveau tokenizer, plutôt que de basculer à l'aveugle un système qui fonctionne.
Vous avez un processus chronophage en tête ?
On cadre la faisabilité et le budget en 30 minutes, sans engagement, et sans vous vendre un agent dont vous n'avez pas besoin.
Ce que Sonnet 5 ne change pas : limites et conditions de réussite
Chaque sortie de modèle s'accompagne d'un emballement médiatique. Voici ce qu'une baisse de prix et un saut de capacité agentique ne résolvent pas, parce que c'est précisément là que se jouent les projets IA en PME et ETI :
- La qualité de vos données reste déterminante. Un agent qui utilise des outils plus efficacement ne compense pas une base documentaire désorganisée ou des process mal cartographiés. Voyez notre article sur les données prêtes pour l'IA.
- Le cas d'usage prime toujours sur la techno. Un mauvais cas d'usage à 2 dollars le million de tokens reste un mauvais projet. Certains contextes ne s'y prêtent simplement pas : voyez quand ne pas utiliser l'IA en entreprise.
- La supervision humaine reste nécessaire sur les actions à conséquence réelle. Un modèle plus fiable réduit le risque d'erreur silencieuse, il ne le supprime pas. Sur l'envoi d'un email à un client, une saisie comptable ou une décision contractuelle, une étape de validation humaine reste la norme, pas l'exception.
- Un agent plus autonome pose aussi des questions de gouvernance. Qui valide quoi, quelles actions sont permises sans validation, comment trace-t-on ce que l'agent a fait : ce sont des sujets de cadrage interne, pas des réglages de modèle. La CNIL rappelle régulièrement que ces garde-fous organisationnels sont aussi importants que les protections techniques.
Sonnet 5 est une bonne nouvelle économique, pas un projet en soi. La valeur naît toujours de l'assemblage : bon cas d'usage, données propres, intégration soignée, et un modèle dimensionné à la tâche, qu'il s'appelle Sonnet 5, Opus 4.8 ou autrement. Pour situer ce choix face aux autres fournisseurs disponibles en France, notre comparatif Mistral, OpenAI ou Anthropic reste une grille de lecture utile, tout comme notre article sur le bon modèle à choisir pour automatiser son entreprise sans payer pour une puissance dont on n'a pas besoin.
Questions fréquentes
Pour aller plus loin
- Claude Opus 4.8 pour une PME : le modèle le plus capable d'Anthropic, sorti le 28 mai 2026, face auquel Sonnet 5 se positionne.
- Claude Fable 5 et Mythos 5 : le modèle de classe Mythos rendu grand public le 9 juin 2026, accès, prix et garde-fous décryptés pour une PME.
- Dynamic workflows dans Claude Code : comment orchestrer des dizaines d'agents IA en parallèle, et quand c'est pertinent en entreprise.
- Évaluer un LLM en entreprise : pourquoi un benchmark public ne suffit pas et comment construire un test sur vos propres données.
- Quel modèle d'IA choisir pour automatiser son entreprise : ne pas payer pour une puissance dont on n'a pas besoin.
- Mistral, OpenAI ou Anthropic : le comparatif pour arbitrer entre fournisseurs selon souveraineté, coût et cas d'usage.
- Agentic RAG : quand un assistant documentaire classique ne suffit plus et qu'il faut un agent capable d'enchaîner des recherches.
- Agents IA contre chatbots : comprendre la différence avant de se lancer dans un projet agentique.
- Coût d'un projet IA en PME : pour replacer le tarif au token dans le coût total réel d'un projet.
- Rendre vos données prêtes pour l'IA : le prérequis qu'aucune baisse de prix ne remplace.
- Quand ne pas utiliser l'IA en entreprise : les situations où le bon réflexe est de ne pas automatiser.
- Audit IA : la première étape pour cadrer un projet avant de choisir un modèle ou une architecture.
