Claude Opus 4.7 : Anthropic lâche son meilleur modèle — et retient le vrai monstre

Sur l’écran, un terminal. Une ligne de commande. Et un score qui fait sursauter: 64,3 % ^[1] sur SWE-bench Pro ^[1]. Le précédent record d’Anthropic ^[2]? 53,4 % ^[3]. Celui d’OpenAI ^[4] avec GPT-5.4? 57,7 % ^[5]. Celui de Google avec Gemini 3.1 Pro ^[6]? 54,2 % ^[6]. Ce jeudi 16 avril 2026 ^[7], Anthropic ^[2] a dévoilé Claude Opus 4.7 ^[8], et la course à l’IA vient de changer de tempo.

LES ENJEUX

Domination en codage IA

Opus 4.7 atteint 64,3 % sur SWE-bench Pro et 87,6 % sur SWE-bench Verified, écrasant GPT-5.4 (57,7 %) et Gemini 3.1 Pro (54,2 %). Un bond de 11 points en une itération.

Le piège du tokenizer

Le prix affiché reste à 5 $/M tokens entrée et 25 $/M en sortie. Mais le nouveau tokenizer peut consommer 1 à 1,35 fois plus de jetons pour un même texte \xe2\x80\x93 soit jusqu'à 35 % de surcoût réel.

Mythos, le modèle interdit

Claude Mythos Preview surpasse Opus 4.7 partout \xe2\x80\x93 77,8 % sur SWE-bench Pro, 56,8 % sur Humanity's Last Exam. Jugé trop dangereux, il reste réservé à une cinquantaine d'organisations via Project Glasswing.

Séisme boursier sur le design

Les fuites sur un outil de design IA d'Anthropic ont fait chuter Figma, Wix et GoDaddy de 3 à 6 %. L'outil menace le cœur de métier de ces entreprises: la conception d'interfaces et de supports visuels. Adobe a limité les dégâts grâce à un partenariat avec Anthropic.

Fiabilité des benchmarks en question

OpenAI a déclaré SWE-bench Verified « contaminé » \xe2\x80\x93 soupçon que les données du benchmark se soient retrouvées dans les corpus d'entraînement. Si avéré, tous les scores cités dans cet article, y compris ceux d'Opus 4.7, pourraient être artificiellement gonflés.

La machine à coder

Les chiffres parlent seuls. Sur SWE-bench Verified ^[9] \xe2\x80\x93 500 ^[10] problèmes issus de vrais tickets GitHub ^[10] \xe2\x80\x93 Opus 4.7 ^[8] atteint 87,6 % ^[9]. Opus 4.6 ^[11] plafonnait à 80,8 % ^[12]. Gemini 3.1 Pro ^[13] à 80,6 % ^[13].

Sur SWE-bench Pro, le bond est encore plus marqué: 11 points ^[14] gagnés en une seule itération. Aucun concurrent n’a affiché un tel saut en si peu de temps \xe2\x80\x93 deux mois ^[15] séparent Opus 4.6 ^[11] d’Opus 4.7 ^[8].

Côté raisonnement, le modèle progresse aussi. Sur Humanity’s Last Exam sans outils: 46,9 % ^[16] contre 40,0 % ^[17] pour son prédécesseur. Avec outils: 54,7 % ^[18] contre 53,3 % ^[19]. Sur OSWorld-Verified, test d’utilisation agentique de l’ordinateur: 78,0 % ^[20] contre 72,7 % ^[21] pour Opus 4.6 ^[11].

Les premiers utilisateurs confirment. Hex ^[22], plateforme d’analyse de données, rapporte un gain de 13 % ^[23] sur son benchmark interne de 93 ^[24] tâches de coding. Bolt ^[25], plateforme de développement d’applications par IA, mesure des gains jusqu’à 10 % ^[26] sur les tâches longue durée. Ramp ^[27], fintech qui gère les dépenses de plus de 30 000 ^[28] entreprises, fait partie des premiers adoptants.

Le prix \xe2\x80\x93 et le piège du tokenizer

Sur le papier, rien ne bouge. La tarification reste inchangée: 5 dollars par million de jetons en entrée ^[29], 25 dollars en sortie ^[30]. Avec le prompt caching, jusqu’à 90 % ^[31] d’économies. Avec le batch processing, 50 % ^[32].

Sauf que le papier ment. Opus 4.7 ^[8] repose sur un nouveau tokenizer qui peut associer 1 à 1,35 fois ^[33] plus de jetons à un même contenu. À prix unitaire égal, la facture réelle peut grimper de 35 %. Anthropic ^[2] ne le cache pas \xe2\x80\x93 mais ne le met pas en gras non plus.

La vision, elle, progresse sans ambiguïté. Le modèle accepte des images jusqu’à 2 576 pixels ^[34] sur le bord long \xe2\x80\x93 environ 3,75 mégapixels ^[35] -, soit plus de trois fois ^[36] la résolution des modèles précédents. Fenêtre de contexte: 1 million de tokens ^[37]. Un nouveau niveau d’effort « xhigh » ^[38] s’intercale entre les paramètres élevé et maximum.

Le monstre sous clé

Opus 4.7 ^[8] n’est pas le meilleur modèle d’Anthropic ^[2]. Il est le meilleur modèle qu’Anthropic accepte de rendre public.

Claude Mythos Preview ^[39] \xe2\x80\x93 un modèle dont Anthropic a volontairement restreint la diffusion ^[39] \xe2\x80\x93 le surpasse partout. Sur OSWorld-Verified: 79,6 % ^[40] contre 78,0 % ^[20]. Sur Humanity’s Last Exam sans outils: 56,8 % ^[41] contre 46,9 % ^[16]. Avec outils: 64,7 % ^[42] contre 54,7 % ^[18]. Sur SWE-bench Pro: 77,8 % ^[43], soit 13 points ^[44] de plus qu’Opus 4.7 ^[8]. Sur SWE-bench Multimodal: 59,0 % ^[45] contre 27,1 % ^[46] pour Opus 4.6 ^[11].

Mythos ^[47] a terminé « The Last Ones » ^[48], une simulation d’attaque réseau en 32 étapes ^[49] qui prend habituellement 20 heures ^[50] aux équipes rouges humaines. Première IA à accomplir cette tâche ^[48]. Ses compétences pour retrouver des failles de sécurité sur les logiciels ^[51] sont qualifiées d’« exceptionnelles ».

Anthropic ^[2] ne le distribue qu’à une cinquantaine d’organisations partenaires ^[52] \xe2\x80\x93 AWS, Apple, Microsoft, CrowdStrike, Linux Foundation ^[53] \xe2\x80\x93 via le Project Glasswing ^[54], initiative de cyberdéfense annoncée la semaine précédente. Coinbase ^[55] chercherait à collaborer avec Anthropic ^[2] pour accéder à Mythos ^[56]. Mais les critères exacts d’éligibilité au programme, les conditions contractuelles imposées aux partenaires et les garde-fous spécifiques encadrant l’utilisation de Mythos n’ont été détaillés dans aucune des sources consultées.

L’AI Security Institute du Royaume-Uni ^[57] a récemment évalué Mythos Preview ^[39]. Aucune des sources consultées ne mentionne les conclusions détaillées de cette évaluation \xe2\x80\x93 Anthropic n’ayant pas rendu public ce rapport à la date de publication. On ignore donc si le régulateur britannique a validé la décision de restriction ou, au contraire, jugé les risques surestimés.

La démarche n’est pas sans précédent. On se souvient qu’en 2019, OpenAI avait refusé de publier la version complète de GPT-2, invoquant des risques de désinformation à grande échelle \xe2\x80\x93 avant de finalement la diffuser quelques mois plus tard sous la pression de la communauté scientifique. Plus récemment, plusieurs laboratoires ont restreint l’accès à des modèles spécialisés en biologie synthétique, craignant des usages offensifs. La différence avec Mythos: Anthropic ne promet aucun calendrier de publication. Le modèle pourrait rester indéfiniment sous clé.

Sécurité: le bridage assumé

Opus 4.7 ^[8] est équipé de mécanismes capables d’identifier et de bloquer automatiquement les requêtes jugées sensibles ou interdites ^[58]. Anthropic ^[2] indique avoir « expérimenté des efforts pour réduire de manière ciblée » ^[59] certaines capacités cyber. L’entraînement du modèle a été ajusté pour réduire spécifiquement certaines capacités à risque ^[60].

Les entreprises souhaitant utiliser le plein potentiel en cybersécurité d’Opus 4.7 ^[8] pour des motifs légitimes devront s’inscrire au Cyber Verification Program ^[61], un programme de vérification dédié.

Le timing n’est pas anodin. Deux jours avant le lancement d’Opus 4.7 ^[8], le 14 avril 2026 ^[62], OpenAI ^[4] a présenté GPT-5.4-Cyber ^[63], une déclinaison spécifiquement orientée cyberdéfense. Précision importante: GPT-5.4-Cyber ^[63] est un produit distinct du GPT-5.4 généraliste dont les scores de codage sont cités plus haut ^[5]. La course aux modèles de sécurité est ouverte.

Wall Street tremble, puis s’adapte

Mardi 14 avril ^[64], les premières fuites sur un outil de design IA en préparation chez Anthropic ^[65] ont fait reculer les actions Figma, Wix et GoDaddy de 3 à 6 % ^[66], et Adobe de 2,7 % ^[67].

Pourquoi une telle nervosité? Parce que l’outil en question s’attaque au cœur de métier de ces entreprises: la conception d’interfaces, de sites web et de supports visuels. Anthropic ^[2] n’est pas seul sur ce créneau \xe2\x80\x93 Google développe ses propres startups internes Gamma et Stitch ^[68] dans le même domaine. Mais la puissance de codage démontrée par Opus 4.7 ^[8], combinée aux capacités visuelles triplées ^[36], laisse entrevoir un outil capable de générer des maquettes fonctionnelles à partir d’un simple prompt. Pour Figma, dont le modèle économique repose sur la collaboration entre designers humains, la menace est existentielle. Le titre a perdu près de 50 % ^[69] depuis le début 2026 ^[69]. Adobe affiche un recul de 30 % ^[70] sur douze mois.

Le cas Figma illustre un paradoxe que les marchés n’ont pas résolu. L’entreprise est partenaire d’Anthropic ^[2] depuis février ^[71] via l’intégration Claude Code ^[72] \xe2\x80\x93 une collaboration technique qui permet aux développeurs d’utiliser Claude pour accélérer le prototypage au sein de Figma. Mais ce partenariat, limité à l’intégration d’un assistant de codage, ne protège en rien Figma contre un outil d’Anthropic qui pourrait court-circuiter entièrement le processus de design. Être partenaire d’un géant de l’IA n’immunise pas contre sa stratégie produit. Les marchés l’ont compris: le partenariat Claude Code n’a pas empêché l’hémorragie boursière.

Dès le lendemain, mercredi 15 avril ^[73], la donne a changé \xe2\x80\x93 mais pas pour tout le monde. Adobe a annoncé un partenariat avec Anthropic ^[74] pour intégrer Claude à son nouvel assistant Firefly AI ^[74]. Le titre a bondi de 3,79 % ^[75] à 244,66 dollars ^[76]. Adobe a choisi l’alliance plutôt que la résistance. Figma n’a pas eu cette chance.

Anthropic ^[2] fait l’objet d’offres d’investisseurs autour de 800 milliards de dollars ^[77] \xe2\x80\x93 plus du double des 350 milliards ^[78] retenus lors de la levée de 30 milliards ^[79] réalisée en février 2026 ^[80]. Plus de 1 000 ^[81] clients entreprise dépensent chacun plus d’un million de dollars par an. OpenAI ^[4], de son côté, est valorisée 852 milliards de dollars ^[82].

L’angle mort: des benchmarks sous pression

Ce que personne ne dit. OpenAI ^[4] a récemment déclaré que SWE-bench Verified ^[83], le principal benchmark pour le code, était « contaminé » ^[83]. Le terme désigne un soupçon précis: que des données issues des problèmes du benchmark \xe2\x80\x93 ou des solutions proches \xe2\x80\x93 se soient retrouvées dans les corpus d’entraînement des modèles. Si un modèle a « vu » les réponses pendant son apprentissage, son score ne mesure plus sa capacité à résoudre des problèmes inédits, mais sa mémoire. C’est la différence entre un étudiant qui passe un examen et un étudiant qui a eu les corrigés la veille.

Si cette contamination est avérée, les 87,6 % ^[9] d’Opus 4.7 ^[8] sur SWE-bench Verified \xe2\x80\x93 le chiffre le plus spectaculaire de cette annonce \xe2\x80\x93 pourraient être artificiellement gonflés. Tous les scores de tous les modèles cités dans cet article, y compris ceux de GPT-5.4 ^[5] et de Gemini ^[6], sont potentiellement affectés par le même biais. Anthropic ^[84] figure parmi les soutiens financiers de SWE-bench ^[84], aux côtés d’OpenAI ^[4], d’AWS ^[85] et d’Andreessen Horowitz ^[86]. Soutien financier et partie prenante \xe2\x80\x93 mais pas plus qu’OpenAI, qui finance le benchmark tout en dénonçant sa contamination.

Autre paradoxe. Sur ARC-AGI-3, un test de raisonnement abstrait, Gemini ^[87] obtient 0,37 % ^[88] et GPT-5.4 0,26 % ^[89]. Les humains: 100 % ^[90]. Les modèles les plus avancés de la planète échouent à des tâches qu’un enfant résout. La frontière entre « meilleur modèle du marché » et « intelligence » reste un gouffre.

Aucune des sources consultées ne mentionne les récents épisodes de pannes généralisées ayant privé des utilisateurs de l’accès à Claude.ai ^[91], ni le bras de fer avec l’administration Trump autour de l’accès militaire ^[92]. Le récit du lancement est lisse. Trop lisse.

Le modèle est disponible sur Claude ^[93], l’API, Amazon Bedrock ^[94], Google Cloud Vertex AI ^[95] et Microsoft Foundry ^[96], pour les utilisateurs Pro, Max, Team et Enterprise ^[97].

Dehors, la course continue. Opus 4.7 ^[8] domine. Mythos ^[47] attend. Et personne ne sait combien de temps Anthropic ^[2] tiendra la laisse.