Claude 4 : Anthropic muscle le raisonnement et le codage avec Opus et Sonnet

La bataille des assistants d’intelligence artificielle se joue de plus en plus dans les environnements de développement. Avec Claude Opus 4 et Claude Sonnet 4, présentés le 22 mai 2025 lors de la conférence Code with Claude, Anthropic veut faire de ses modèles des collaborateurs capables non seulement d’écrire du code, mais aussi de suivre un problème technique complexe pendant une durée prolongée, d’utiliser des outils et de réviser leur stratégie.

Cette promesse dépasse la simple génération d’un extrait de programme ou la réponse à une question. L’enjeu est de confier à l’IA des séquences de travail comportant plusieurs étapes : comprendre un dépôt logiciel, identifier l’origine d’une erreur, modifier plusieurs fichiers, lancer des tests, puis corriger ce qui ne fonctionne pas. Anthropic accompagne cependant cette montée en capacité de précautions de sécurité plus strictes pour son modèle le plus puissant.

Deux modèles Claude 4 pour des usages différents

La quatrième génération de Claude se décline en deux versions. Claude Opus 4 est le modèle le plus ambitieux de la gamme : il vise les raisonnements difficiles, les tâches longues et l’ingénierie logicielle avancée. Claude Sonnet 4 se positionne comme une option plus efficace, destinée aux usages courants à grande échelle tout en conservant un haut niveau de performance en programmation.

Les noms ne décrivent donc pas deux assistants totalement distincts dans leur logique, mais deux compromis. Opus privilégie la puissance de calcul et la persistance sur des problèmes difficiles. Sonnet cherche à limiter le coût et les ressources nécessaires, un critère important pour une équipe qui envoie de nombreuses requêtes chaque jour.

Les tarifs API, exprimés par million de jetons, permettent de mesurer l’écart économique. Un jeton est une unité de texte utilisée par un modèle pour lire une consigne ou produire une réponse. Dans la pratique, le coût réel dépend de la longueur des documents, du volume de code traité et de la quantité de texte généré.

Pourquoi Anthropic mise autant sur le codage

Le développement logiciel est devenu un terrain de compétition prioritaire pour les entreprises d’IA générative. Un assistant de code utile ne doit pas seulement connaître la syntaxe d’un langage. Il doit comprendre l’organisation d’un projet, tenir compte des dépendances entre fichiers, interpréter des messages d’erreur et vérifier les conséquences de ses modifications.

C’est ce type d’aptitude que cherchent à mesurer les évaluations citées par Anthropic. SWE-bench Verified soumet les modèles à des tickets issus de véritables projets logiciels : l’IA doit proposer une correction qui satisfait les tests associés. Terminal-Bench s’intéresse, lui, à la capacité d’un agent à agir dans un environnement de terminal, c’est-à-dire à enchaîner des commandes et des opérations concrètes sur un système informatique.

Les chiffres communiqués, 72,5 % pour Opus 4 sur SWE-bench Verified et 43,2 % sur Terminal-Bench, placent le modèle parmi les références du moment sur ces exercices. Sonnet 4 atteint de son côté 72,7 % sur SWE-bench Verified dans le réglage présenté par l’entreprise. Ces résultats ne signifient pas qu’un modèle résout automatiquement la même proportion de problèmes dans toutes les entreprises : un benchmark repose sur un protocole précis, des données déterminées et une manière donnée d’utiliser le modèle.

Dario Amodei, directeur général d’Anthropic, a mis en avant la vitesse avec laquelle le modèle pouvait s’attaquer à des problèmes qui demanderaient habituellement des heures à une personne. Cette comparaison doit être comprise comme une indication de rapidité sur certains travaux bien définis. Un développeur humain conserve un rôle central pour formuler les objectifs, arbitrer les choix d’architecture et assumer la responsabilité du résultat livré.

Réponse immédiate ou réflexion plus longue : que change le raisonnement étendu ?

Les modèles Claude 4 sont présentés comme des modèles hybrides. Ils peuvent répondre rapidement à une demande simple, par exemple expliquer une fonction ou rédiger un message. Pour une tâche plus difficile, ils peuvent recourir à un mode de raisonnement étendu, qu’Anthropic appelle aussi « extended thinking ».

L’objectif est de laisser au système davantage de temps de calcul afin de décomposer le problème, d’examiner des hypothèses et de contrôler certaines étapes avant de répondre. Pour une personne qui utilise l’assistant, la différence est concrète : plutôt qu’une réponse immédiate mais superficielle, le modèle peut consacrer plus de ressources à une demande complexe, comme l’analyse d’une panne logicielle ou la préparation d’un plan de correction.

Anthropic indique également que Claude 4 peut alterner ce travail de raisonnement avec l’emploi d’outils, dont la recherche sur le web lorsque celle-ci est disponible dans le service ou l’environnement concerné. Cette faculté compte particulièrement pour les agents logiciels. L’IA peut, par exemple, consulter une documentation, examiner les résultats d’un outil, puis ajuster la suite de son action.

Il faut néanmoins distinguer deux idées souvent confondues. Donner accès à un outil ne rend pas le modèle infaillible, et un raisonnement plus long ne garantit pas une réponse juste. L’outil peut fournir une information incomplète, une recherche peut faire remonter une source de faible qualité et le modèle peut mal interpréter le résultat. L’intérêt de cette approche réside dans la possibilité de vérifier et d’itérer, pas dans une automatisation sans contrôle.

Sonnet 4 veut être plus discipliné dans ses actions

Claude Sonnet 4 s’appuie sur les fondations de Claude 3.7 Sonnet, mais Anthropic affirme avoir corrigé certains comportements indésirables. L’un d’eux est qualifié d’« overcommitment » : dans certaines situations, un assistant peut aller au-delà de la demande exprimée, prendre des initiatives superflues ou multiplier les actions au lieu de s’en tenir au périmètre demandé.

Ce point est loin d’être anecdotique lorsque l’IA agit sur des outils. Un modèle qui modifie du code, consulte des documents ou lance des commandes doit savoir quand agir, mais aussi quand s’arrêter. La qualité d’un agent ne se limite pas au nombre d’actions qu’il sait exécuter. Elle dépend de sa capacité à respecter une instruction, à demander une précision si nécessaire et à signaler ses limites.

Sonnet 4 vise ainsi un compromis recherché par de nombreuses organisations : obtenir une assistance suffisamment performante pour coder et analyser, sans réserver systématiquement le modèle le plus coûteux aux tâches ordinaires. Sa proximité avec Opus 4 sur certains tests de programmation illustre que le choix dépendra du niveau de difficulté, du volume de travail et du budget disponible.

Pourquoi Claude Opus 4 est soumis à des protections ASL-3

La progression des capacités techniques pose une question de sécurité : un système plus doué pour rechercher des informations, planifier des étapes et utiliser des outils pourrait aussi faciliter des usages dangereux. Anthropic structure ses garde-fous autour de niveaux appelés AI Safety Levels, ou ASL.

Pour le lancement d’Opus 4, l’entreprise applique par précaution ses standards de déploiement et de sécurité ASL-3. Anthropic précise ne pas avoir encore établi de manière définitive que le modèle dépasse le seuil de capacité correspondant à ce niveau. Elle évoque toutefois des éléments préliminaires suffisamment préoccupants pour déclencher ces protections avant d’aller plus loin dans l’évaluation.

Ces mesures visent notamment à limiter l’aide que le modèle pourrait apporter à des activités nocives liées à des substances ou à des armes chimiques, biologiques, radiologiques ou nucléaires. Elles ne constituent pas une garantie absolue, mais un ensemble de contrôles supplémentaires destinés à réduire les risques de détournement.

Pour le grand public comme pour les entreprises, cette démarche met en lumière une évolution importante : la sécurité des modèles ne concerne plus seulement les réponses offensantes ou erronées. Elle porte aussi sur l’autonomie pratique des systèmes, leur capacité à employer des outils et les domaines dans lesquels une assistance très compétente peut être détournée.

Une concurrence de plus en plus serrée entre laboratoires

La sortie de Claude 4 intervient dans une séquence très concurrentielle. OpenAI a lancé GPT-4.1 et Google met en avant Gemini 2.5 Pro, tandis que les grands fournisseurs de cloud cherchent à proposer les modèles les plus efficaces aux développeurs et aux entreprises. Dans ce contexte, le codage est devenu un argument commercial majeur : il s’agit d’un usage professionnel immédiatement mesurable, susceptible de faire gagner du temps dans les équipes techniques.

Pour Arun Chandrasekaran, analyste chez Gartner, ces nouveaux modèles renforcent la position d’Anthropic dans l’ingénierie logicielle. La société dispose déjà d’une image forte auprès des développeurs, notamment grâce à ses modèles Sonnet et à son outil Claude Code. Opus 4 et Sonnet 4 cherchent à consolider cette spécialisation tout en élargissant les usages de raisonnement et d’analyse.

La comparaison entre les laboratoires ne peut cependant pas se résumer à un classement unique. Les résultats varient selon les benchmarks, le coût, la vitesse de réponse, la taille du contexte traité, les outils intégrés et les règles de sécurité. Une entreprise qui souhaite automatiser des tâches répétitives ne retiendra pas forcément le même modèle qu’une équipe chargée de résoudre des incidents techniques rares et complexes.

Ce qu’il faut surveiller après le lancement

La question décisive sera celle de la fiabilité en conditions réelles. Les résultats de laboratoire sont utiles, mais la valeur d’un assistant se vérifie au contact de projets imparfaitement documentés, de demandes ambiguës et de règles internes propres à chaque organisation. Les retours des développeurs permettront de savoir si Claude 4 réduit réellement le temps consacré au débogage, aux tests et aux tâches de maintenance, sans créer une nouvelle charge de vérification.

Il faudra aussi suivre l’usage concret du raisonnement étendu et des outils. Ces fonctions peuvent rendre un assistant plus autonome et plus utile, mais elles soulèvent des exigences supplémentaires : définir les autorisations, limiter l’accès aux données, conserver des traces des actions et maintenir une validation humaine adaptée au niveau de risque.

Enfin, le déploiement préventif des protections ASL-3 sur Opus 4 sera un test important pour la gouvernance de l’IA. Anthropic défend l’idée que les mesures de sûreté doivent progresser avec les capacités des modèles. La manière dont l’entreprise évaluera, documentera et ajustera ces protections contribuera à préciser ce que peut signifier une IA générative puissante, utile et encadrée à la fois.