Claude 4 : Anthropic muscle ses modèles d’IA pour l’ingénierie logicielle

Le code informatique est devenu l’un des terrains de compétition les plus stratégiques pour les grands modèles de langage. Après avoir appris à converser, résumer ou rédiger, ces systèmes sont désormais attendus sur des missions plus concrètes : comprendre une base de code existante, localiser un bug, proposer une correction, exécuter des tests et modifier plusieurs fichiers sans perdre le fil. C’est sur ce créneau qu’Anthropic veut marquer une étape avec Claude 4, dévoilé le 22 mai 2025.

La start-up californienne présente cette nouvelle génération comme sa référence pour le développement logiciel. Elle comprend deux modèles : Claude 4 Opus, pensé pour les missions les plus longues et les plus complexes, et Claude 4 Sonnet, destiné à un usage plus quotidien. Au-delà du simple assistant conversationnel capable d’écrire quelques lignes de code, Anthropic mise sur des modèles qui peuvent mobiliser des outils externes et accomplir une suite d’actions pour traiter un problème de bout en bout.

Cette promesse doit toutefois être lue avec méthode. Les performances annoncées sur les benchmarks sont un indicateur utile, mais ne garantissent pas qu’un modèle produira sans erreur du code adapté à chaque entreprise, à chaque langage et à chaque système informatique. Elles montrent néanmoins à quel point l’IA générative progresse dans un métier où la précision, la compréhension du contexte et la vérification comptent autant que la vitesse de production.

Deux modèles pour des usages différents

La famille Claude 4 se divise entre une version haut de gamme, Opus, et une version plus orientée vers l’usage courant, Sonnet. Cette distinction n’est pas seulement commerciale : elle correspond à deux manières d’utiliser une IA dans un environnement de développement.

Claude 4 Opus est conçu pour les tâches nécessitant une autonomie étendue. Anthropic indique qu’il peut fonctionner de manière indépendante pendant plusieurs heures. Dans ce cadre, le modèle ne se limite pas à produire une réponse unique : il peut enchaîner les étapes nécessaires à la résolution d’un problème, en s’appuyant sur des outils tels qu’un moteur de recherche, un environnement d’exécution de code ou des connecteurs.

Claude 4 Sonnet conserve davantage le format d’un assistant polyvalent de type chatbot, tout en affichant des capacités avancées en programmation. Anthropic le positionne comme une solution adaptée aux demandes régulières des développeurs : expliquer un extrait de code, rédiger une fonction, préparer une correction, reformuler une instruction technique ou aider à naviguer dans un projet. L’entreprise souligne aussi que Sonnet peut dépasser Opus sur certaines tâches d’ingénierie logicielle.

Par rapport à Claude 3.7 Sonnet, cette nouvelle version vise notamment une meilleure clarté dans le suivi des consignes et une production de code de meilleure qualité. Pour les utilisateurs, le bénéfice recherché est simple : réduire les allers-retours nécessaires pour transformer une demande en résultat exploitable.

Que signifient les résultats sur SWE-bench et GPQA ?

Le chiffre le plus marquant communiqué par Anthropic concerne SWE-bench Verified, un benchmark devenu une référence pour évaluer les modèles sur des problèmes d’ingénierie logicielle. Plutôt que de demander à une IA de compléter une ligne isolée, ce type de test la confronte à des tickets issus de projets logiciels réels. Le système doit comprendre le problème décrit, repérer les parties du dépôt concernées et proposer une modification qui résout effectivement le défaut.

Claude 4 Sonnet atteint 80,2 % de réussite sur SWE-bench Verified, selon Anthropic. L’entreprise présente ce résultat comme un nouveau record et le compare notamment à 72 % pour Codex-1 d’OpenAI. Cet écart est important sur le papier : il suggère que Sonnet traite correctement une part nettement plus élevée de problèmes représentatifs de la maintenance logicielle.

L’autre résultat mis en avant est un score de 83,8 % sur GPQA Diamonds, un test de raisonnement complexe. Les benchmarks de cette famille cherchent à vérifier la capacité d’un modèle à répondre à des questions difficiles qui ne se résolvent pas par une simple restitution d’informations. Anthropic affirme que Claude 4 dépasse, sur cette mesure, GPT-4.1 et Gemini 2.5 Pro.

Ces évaluations ne doivent pas être confondues avec une mesure universelle de l’intelligence ou de la fiabilité. Un benchmark fixe un protocole, un jeu de tâches et une façon de compter les réussites. Dans la réalité, un développeur doit aussi composer avec une documentation incomplète, des dépendances techniques, des choix d’architecture, des contraintes de sécurité et des règles propres à son organisation. Les résultats restent cependant particulièrement suivis, car ils portent sur des tâches où le code peut être testé et où une correction peut être vérifiée.

De l’assistant de code à l’agent capable d’utiliser des outils

L’élément central de Claude 4 est son orientation vers les agents. Dans le vocabulaire de l’IA, un agent est un système qui ne se contente pas de répondre à une question : il peut décomposer un objectif en actions, consulter des ressources, utiliser des outils, observer le résultat et ajuster sa démarche.

Pour la programmation, cette approche peut correspondre à une séquence de travail très concrète. Face à un bug signalé, l’IA peut d’abord examiner les fichiers pertinents, rechercher des informations, analyser le comportement du code, préparer une correction, l’exécuter dans un environnement prévu à cet effet, puis proposer les changements. Anthropic indique que Claude 4 Opus peut recourir à plusieurs outils externes, parmi lesquels des moteurs de recherche, l’exécution de code et des connecteurs.

L’autonomie annoncée sur plusieurs heures vise précisément les tâches longues, celles pour lesquelles une conversation isolée ne suffit pas. Dans un grand dépôt logiciel, le problème n’est pas toujours d’écrire une fonction. Il faut souvent comprendre les liens entre de nombreux fichiers, identifier l’origine d’une erreur et respecter les conventions d’un projet déjà existant.

Cette logique rapproche les modèles d’IA des outils de développement plutôt que des seuls interfaces de discussion. Elle ne remplace pas automatiquement le travail d’un ingénieur logiciel. Un agent peut accélérer les tâches répétitives ou exploratoires, mais il doit être cadré : définition claire du périmètre, accès limité aux ressources, exécution de tests et validation humaine avant tout déploiement.

Claude Code et l’API gagnent de nouvelles fonctions

Le lancement de Claude 4 s’accompagne de la disponibilité de Claude Code, l’outil d’Anthropic dédié aux développeurs. Celui-ci peut désormais interagir avec des dépôts GitHub, ce qui doit faciliter la correction de bugs et la modification de code dans des projets suivis en équipe. L’objectif est de rapprocher l’assistant IA du lieu où se déroule effectivement le travail des développeurs : le dépôt de code, ses fichiers, ses changements et ses demandes de fusion.

Dans ce contexte, une intégration avec GitHub peut aider à préparer des corrections et des modifications sous la forme de pull requests. Une pull request est une proposition de changement soumise à la relecture des autres membres d’un projet avant son intégration. Ce mécanisme est important, car il conserve une étape de contrôle humain et une trace des modifications proposées.

L’API d’Anthropic évolue également avec plusieurs capacités supplémentaires :

• l’exécution de code, pour tester ou traiter des opérations dans un environnement adapté ;
• un connecteur de serveurs MCP, afin de relier le modèle à des outils et services compatibles ;
• l’accès aux fichiers locaux, utile pour travailler sur le contenu d’un environnement donné ;
• la mise en cache de prompts, qui permet de réutiliser certaines parties d’instructions ou de contexte.

Ces briques s’adressent avant tout aux entreprises et aux développeurs qui souhaitent construire leurs propres agents avec le kit de développement d’Anthropic. Elles posent aussi des questions pratiques de gouvernance. Donner à un modèle accès à des fichiers ou à un dépôt exige de définir précisément ce qu’il peut consulter, modifier ou exécuter. Plus l’outil est connecté à l’environnement de travail, plus les règles de sécurité et de validation deviennent déterminantes.

Combien coûte Claude 4 ?

Anthropic positionne ses deux modèles à des tarifs distincts. Claude 4 Opus est facturé 15 dollars par million de tokens en entrée et 75 dollars par million de tokens en sortie. Claude 4 Sonnet coûte 3 dollars en entrée et 15 dollars en sortie, pour le même volume.

Un token est une unité de texte utilisée par les modèles de langage pour lire et générer du contenu. Dans une requête de programmation, les tokens en entrée comprennent par exemple la consigne de l’utilisateur, un extrait de code, des logs ou de la documentation transmis au modèle. Les tokens en sortie correspondent à la réponse produite, qu’il s’agisse d’explications, de code ou d’une analyse.

Cet écart tarifaire reflète le positionnement des deux variantes. Opus s’adresse aux tâches pour lesquelles la capacité à traiter une mission longue et complexe peut justifier un coût supérieur. Sonnet apparaît comme l’option plus accessible pour des usages réguliers. Dans les deux cas, la facture réelle dépendra fortement de la taille des bases de code envoyées au modèle, de la longueur des réponses et du nombre d’itérations nécessaires.

Pour une équipe, le calcul ne peut donc pas se limiter au prix affiché par million de tokens. Il faut mettre ce coût en regard du temps gagné, du volume de tâches traité, de la qualité des résultats et du temps de relecture indispensable. L’IA peut faire gagner du temps sur une correction ou une recherche dans un dépôt, mais un résultat incomplet ou erroné peut aussi mobiliser des ressources supplémentaires.

Ce qu’il faut surveiller

Avec Claude 4, Anthropic place la concurrence sur un terrain de plus en plus concret : non plus seulement la qualité d’une conversation, mais la capacité à contribuer à un vrai cycle de développement logiciel. La performance de Sonnet sur SWE-bench Verified, l’autonomie revendiquée d’Opus et l’évolution de Claude Code forment un ensemble cohérent pour séduire les développeurs et les organisations qui veulent automatiser une partie de leurs flux de travail.

Les prochains enjeux seront moins visibles dans les seuls tableaux de scores. Il faudra observer la fiabilité des corrections proposées dans des projets réels, la qualité du contrôle humain mis en place par les équipes, la sécurité des accès aux fichiers et aux dépôts, ainsi que le coût d’utilisation à grande échelle. Les modèles capables d’utiliser des outils ouvrent des possibilités importantes, mais ils exigent aussi un cadre technique solide.

Pour les débutants, Claude 4 peut servir d’outil d’explication et de génération de code clair à partir d’instructions détaillées. Pour les développeurs expérimentés, son intérêt se situera davantage dans son aptitude à accélérer l’analyse, la maintenance et les tâches longues. Dans les deux cas, la règle reste la même : une IA peut assister la programmation, mais le code destiné à un produit ou à un service doit être relu, testé et validé avant d’être mis en production.