Analyse de Claude Opus 4.5 d’Anthropic – performances, tarification et benchmarks réels

Introduction

Anthropic vient de publier Claude Opus 4.5, son nouveau modèle phare dédié au codage, aux agents autonomes et à l’utilisation informatique réelle. Positionné comme concurrent direct de Gemini 3 Pro de Google, Opus 4.5 promet non seulement de meilleures performances sur les tâches techniques, mais aussi un prix nettement inférieur. Dans cet article, nous décortiquons les tarifs du modèle, les résultats des benchmarks et les tests en conditions réelles pour vérifier si Opus 4.5 tient ses promesses.

Tarification et efficacité économique

L’un des changements les plus marquants d’Opus 4.5 est la réduction spectaculaire du coût des tokens :

• Tokens d’entrée : 5 $ par million (contre 15 $ auparavant)
• Tokens de sortie : 25 $ par million (contre 75 $ auparavant)

Cette évolution tarifaire rend le modèle beaucoup plus accessible pour les charges de travail quotidiennes, notamment pour les développeurs qui doivent maîtriser les coûts d’API. Anthropic propose également des recommandations pour réduire la longueur du contexte afin de diminuer davantage les dépenses, soulignant une approche pratique et soucieuse du coût.

Performances aux benchmarks

Benchmarks de codage

Opus 4.5 affiche des gains impressionnants sur de nombreux tests de codage :

• Ader Polyglot : 89,4 % de réussite contre 78,8 % pour Sonnet 4.5
• Aentic Coding SBench : 80,9 % contre 77,2 % pour Sonnet 4.5 et 74,5 % pour Opus 4.1
• Terminal Bench 2.0 : 59,3 % (contre 46,5 % pour Opus 4.1)
• Codage multilingue (C, Go, Java, JS/TS, PHP, Ruby, Rust) : Opus 4.5 devance Sonnet 4.5 et Opus 4.1 avec des taux de réussite plus élevés et des barres d’erreur plus étroites.

Benchmarks d’agents et de cohérence à long terme

• Vending Bench (cohérence à long terme) : Le coût passe de 3 849,74 $ (Sonnet 4.5) à 4 967,6 $ pour Opus 4.5, indiquant une performance stable sur de longues exécutions.
• Browse‑Comp‑Plus : 72,9 % de réussite contre 67,2 % pour Sonnet 4.5 lorsqu’on utilise le nettoyage des résultats d’outil, la mémoire et le réinitialisation du contexte.

Sécurité et robustesse

Les métriques de sécurité s’améliorent également :

• Comportement problématique : chute à ~10 % pour Opus 4.5, inférieur à Sonnet 4.5 et aux modèles Frontier concurrents.
• Susceptibilité aux injections de prompts (K=1) : 4,7 % pour Opus 4.5 contre 7,3 % pour Sonnet 4.5 ; le taux le plus bas parmi les modèles testés.

Raisonnement et intelligence générale

En dehors du pur codage, Opus 4.5 reste compétitif sur les tâches de raisonnement intensif :

• ARC‑AI2 : 37,6 % (un bond important face aux 13,6 % de Sonnet)
• GPQA‑Diamond : 87,0 %
• Raisonnement visuel (MMU‑Val) : 80,7 %

Tests en conditions réelles

Tâches non‑agentiques

Le modèle a été sollicité pour générer divers contenus créatifs :

• Plan d’étage : Fonctionnel mais perfectible.
• SVG d’un panda tenant un burger : Qualité faible.
• Pokéball en Three.js : Acceptable, mais le fond pourrait être amélioré.
• Échiquier avec lecture automatique : Échec.
• Scène style Kandinsky à la Minecraft : Très haute qualité, l’une des meilleures générations observées.
• Simulation de papillon : Physique réaliste et rendu visuel impressionnant.
• Outil CI Rust et script Blender : Tous deux produisent du code solide et exploitable.
• Questions de maths et d’énigmes : Réponses correctes, contribuant à un score de 74 % aux tests de raisonnement général — toujours en dessous des repères de Gemini 3 Pro.

Benchmarks agentiques

Avec l’interface Kilo Code (qui intègre les modèles Claude de façon fluide), Opus 4.5 a excellé dans plusieurs tâches de développement de bout en bout :

• Application de suivi de films (API TMDB) : UI complète et fonctionnelle avec navigation et gestion des données.
• Calculatrice terminal Go (Bubble Tea) : Code propre et fonctionnel.
• Prototype de jeu « Godo » : Fonctionnel mais les éléments UI (barre de santé, compteur de pas) mal placés.
• Modification d’un dépôt open‑source : Ajout d’une commande SVG en un seul edit précis.
• Application de gestion de tâches Spelt : Authentification, création de tableau, stockage SQLite et CRUD complet.
• Applications Next.js et Tari : Fonctionnent sans problème majeur.

Ces résultats placent Opus 4.5 au sommet du classement agentique.

Comparaison avec Gemini 3

Si Opus 4.5 offre des capacités de back‑end et de débogage supérieures, son rendu front‑end reste en retrait face à Gemini 3, qui produit de façon constante des UI plus épurées (moins d’artefacts « violets »). Un flux de travail pratique pourrait être :

1. Utiliser Opus 4.5 pour la logique back‑end, l’intégration d’API et les algorithmes complexes.
2. Passer à Gemini 3 pour peaufiner les composants front‑end et le design visuel.

Les considérations de coût sont également importantes. Gemini 3 atteint un score de 71,4 % pour environ 8 $, tandis qu’Opus 4.5 atteint 77,1 % pour environ 48 $. Le gain de performance s’accompagne d’un prix plus élevé, ce qui rend Opus 4.5 plus adapté aux scénarios où le budget est moins contraint et où les résultats de pointe sont requis.

Points forts et limites

Points forts

• Précision exceptionnelle en codage sur de multiples langages.
• Performance agentique solide pour les tâches de développement de bout en bout.
• Amélioration des métriques de sécurité et de robustesse.
• Prix des tokens inférieur aux versions précédentes d’Opus.

Limites

• La génération front‑end produit encore des UI esthétiquement sous‑optimales.
• Coût global plus élevé que les modèles concurrents comme Gemini 3.
• Certains contenus créatifs (ex. : graphiques SVG) restent irréguliers.

Conclusion

Claude Opus 4.5 représente un bond significatif pour Anthropic, offrant une maîtrise du codage de pointe, des capacités agentiques solides et une sécurité renforcée, le tout à un prix de token plus abordable que ses prédécesseurs. Bien que son rendu front‑end et son ratio coût‑performance restent derrière Gemini 3, Opus 4.5 excelle dans le développement back‑end et les tâches de raisonnement complexes. Pour les développeurs et les organisations qui privilégient une génération back‑end robuste et sont prêts à investir dans la performance haut de gamme, Opus 4.5 constitue un choix convaincant. Le coupler à un modèle spécialisé front‑end comme Gemini 3 peut offrir un flux de travail équilibré et économique pour le développement full‑stack.