Anthropic a lancé Claude Fable 5 le 9 juin 2026 et le chiffre qui a immédiatement alimenté le débat au sein de la communauté technique était sans équivoque : 80,3 % sur SWE-Bench Pro, le banc d’essai le plus exigeant pour l’ingénierie logicielle autonome. Pour comparaison, l’Opus 4.8 affichait 69,2 % et le GPT-5.5 atteignait 58,6 %.
Cela place le Fable 5 comme le modèle ayant les meilleures performances jamais présenté publiquement pour les tâches liées au codage. Et ce que Stripe a rapporté lors des tests le confirme : le modèle a accompli en une seule journée une migration estimée à 50 millions de lignes de code Ruby, travail qui aurait pris plus de deux mois pour une équipe d’ingénieurs.
Qu’est-ce que le Fable 5 et en quoi se distingue-t-il des autres Claude
Le Fable 5 appartient à la catégorie Mythos, la nouvelle couche supérieure d’Anthropic, au-delà de l’Opus. Jusqu’à sa sortie, cette technologie restait confinée au Project Glasswing, programme fermé de cybersécurité, car le modèle présente des capacités jugées surhumaines pour l’identification et l’exploitation de vulnérabilités dans les systèmes d’exploitation, les navigateurs et les logiciels d’entreprise.
La version publique est accompagnée de garde-fous : les requêtes en cybersécurité, en biologie et en chimie sont automatiquement acheminées vers l’Opus 4.8. Pour le développement logiciel, la recherche, l’analyse de données et le raisonnement général, le modèle fonctionne avec sa pleine capacité.
Le Claude Mythos 5, version sans ces restrictions, reste disponible uniquement pour les partenaires de Glasswing.
Spécifications techniques :
ID du modèle (API) -> claude-fable-5
Fenêtre contextuelle -> 1 000 000 tokens
Sortie maximale -> 128 000 tokens
Thinking -> Toujours actif
Prix (entrée) -> 10 USD / 1 million de tokens
Prix (sortie) -> 50 USD / 1 million de tokens
Remise en cache -> 90 %
Inférence -> US-only à 1,1x
Benchmarks: où le Fable 5 domine
SWE-Bench Pro : 80,3 %, meilleur résultat public enregistré à ce jour
Hex analytical benchmark : premier modèle à dépasser les 90 %
BenchLM général : deuxième sur 123 modèles, avec 96 points
GraphWalks BFS (1M tokens) : 68,1 % (Opus 4.8) contre 45,4 % (GPT-5.5), leadership en récupération de contexte long
En raisonnement sur le long terme, le cadre documenté est constant : le modèle reste focalisé sur des tâches étendues, valide son propre travail avant d’annoncer l’achèvement et s’améliore progressivement grâce à une mémoire persistante entre les étapes. Lors du test sur Slay the Spire en utilisant une mémoire sur fichier, le Fable 5 s’est amélioré trois fois plus que l’Opus 4.8 et est parvenu à l’acte final trois fois plus fréquemment.
Ce qui évolue dans le flux de développement
Claude Code reçoit le Fable 5 dès le départ. Pour les développeurs qui utilisent déjà l’interface en ligne de commande (CLI) ou les extensions de VS Code et JetBrains, le modèle est disponible immédiatement.
Avec GitHub Copilot (plans Pro+, Max, Business et Enterprise) et Cursor (mode Privacy), l’accès exige l’approbation de la politique de conservation des données sur 30 jours, décision qui passe par l’administrateur de l’organisation, et non par le développeur individuellement.
Cela a une implication pratique : l’IDÉ est devenu un point de conformité. Dans les environnements d’entreprise avec un service juridique actif, l’adoption dépendra de l’approbation de la gouvernance, et non seulement d’une évaluation technique.
Comment fonctionne le fallback dans l’API
Par défaut, l’API bloque les requêtes classées comme à haut risque (cybersécurité, bio, chimie). Le développeur a deux options :
1. Mettre en place son propre fallback vers l’Opus 4.8 lorsque la requête est bloquée
2. Opter pour le routage côté serveur d’Anthropic, qui redirige automatiquement
La fiche système décrit également un mécanisme additionnel : dans les requêtes liées au développement de LLMs frontier, le modèle peut modifier sa propre réponse via une modification de prompt, des vecteurs d’orientation ou PEFT, sans signaler à l’utilisateur que cela s’est produit. Anthropic estime l’impact à environ 0,03 % du trafic.
Quand est-ce pertinent d’utiliser le Fable 5
Le prix doublé par rapport à l’Opus 4.8 exige une évaluation soignée. Le modèle se justifie lorsque le problème présente les caractéristiques suivantes :
– Tâches longues et à multiples étapes nécessitant un raisonnement continu (migration de code, refactorisation lourde, analyse d’un dépôt entier)
– Précision au détriment de la vitesse : le thinking toujours actif augmente la latence et la consommation de tokens, mais améliore la cohérence
– Contexte étendu : l’avantage d’1 million de tokens se révèle réel lorsque le problème nécessite tout cet espace (analyse d’un codebase, documentation technique dense, données de logs)
Les conversations d’assistance simples, l’autocomplétion et l’automatisation à haut volume trouvent un meilleur coût-bénéfice avec des modèles plus économiques de la même famille.
« Le Fable 5 est arrivé pour devenir le modèle que les organisations sérieuses vont employer dans les tâches qui, autrefois, nécessitaient une équipe entière, une recherche approfondie, une analyse poussée et une exécution longue. ChatGPT demeure la porte d’entrée pour les échanges quotidiens ; le Fable 5 est l’outil pour le travail difficile.
Pour les développeurs, la logique est simple : le modèle se rentabilise lorsque le problème est suffisamment complexe pour justifier un raisonnement étendu. Avant d’intégrer, posez-vous la bonne question : cette tâche nécessite-t-elle vraiment 1 million de tokens et un thinking toujours actif, ou un modèle moins cher suffit-il ?»
— Alexandre Caramaschi, PDG de Brasil GEO
Où accéder
Claude.ai : plans Pro, Team et Enterprise
API : claude-fable-5 via Anthropic, AWS Bedrock, Google Cloud Vertex AI et Microsoft Foundry
Claude Code : CLI, VS Code et JetBrains
GitHub Copilot : Pro+, Max, Business, Enterprise (requiert une approbation de conservation)
Cursor : Privacy Mode nécessite l’approbation de la politique de conservation
Sources : Anthropic (release officielle et fiche système), BenchLM, Vellum AI, GitHub Changelog, Cursor Docs, AWS Blog. Données des benchmarks publiées le 9 juin 2026.
