Treize points sur l’échelle Elo séparent Claude Fable 5 de GPT-5.6 Sol au sommet de la WebDev Arena de juillet 2026. Sur une jauge où le premier culmine à 1 649, cet écart tient de l’épaisseur du trait. Autrement dit, le classement qui prétend désigner le « meilleur modèle pour programmer » repose sur une marge que le moindre lot de votes pourrait renverser le mois prochain.
Avant d’en tirer une hiérarchie, il faut comprendre d’où sort ce chiffre et sur quelle tâche précise il repose.
Un score qui vient de duels à l’aveugle, pas d’un benchmark
Le score Elo de la WebDev Arena ne sort pas d’un test automatisé. Il agrège des milliers de comparaisons à l’aveugle : on soumet une même consigne à deux modèles, on affiche les deux interfaces générées côte à côte, et un développeur vote pour celle qu’il préfère. Empilés, ces duels produisent un classement à la manière des échecs, d’où le nom d’Elo.
Ce que la jauge évalue est donc précis : la génération d’interfaces web front-end, jugée sur le rendu, pas sur la robustesse d’un back-end ou la qualité d’un test unitaire. Un modèle premier ici n’est pas « le meilleur pour programmer » dans l’absolu. Il est le plus convaincant sur une tâche visuelle, tranchée par des humains.
Cette nuance change tout quand on regarde les écarts. Claude Fable 5 tient la tête à 1 649, GPT-5.6 Sol suit à 1 636 dans sa variante xHigh testée via le harnais Codex, puis GLM 5.2 max de Z.ai décroche 1 580 et Grok 4.5 de xAI 1 566. Anthropic aligne au total six modèles dans le top 10. Mais entre la cinquième et la dixième place, une vingtaine de points seulement s’intercale : statistiquement, ces prétendants sont à égalité.
En HTML, Grok surprend ; en React, OpenAI reprend la main
La moyenne générale aplatit ces différences, car l’arène publie aussi des classements par technologie, et là les podiums changent de tête. En HTML pur, Claude Fable 5 reste devant, mais c’est Grok 4.5 qui s’empare de la deuxième place, la vraie surprise du mois. OpenAI, lui, disparaît purement et simplement de ce tableau.
Le classement React inverse la tendance. GPT-5.6 Sol passe premier, devant Fable 5. Le modèle d’OpenAI, taillé pour les workflows de programmation en ligne de commande, se révèle nettement plus à l’aise sur ce framework que sur du HTML brut. Deux visages pour un même modèle, selon l’outil qu’on lui met entre les mains.
Un détail invite à la prudence sur Grok : sa fourchette de classement reste large, signe d’un score encore instable. Un bon jour en HTML ne fait pas une régularité. À l’inverse, un nouvel entrant chinois pointe déjà, Seed 2.1 Pro Preview de ByteDance, preuve que la file d’attente derrière le quatuor de tête ne cesse de s’allonger.
Concrètement, un développeur qui bâtit des pages statiques et un autre qui vit dans React ne devraient pas lire la même ligne du classement. Le « numéro un » utile dépend de la pile technique, pas du palmarès général.
Le prix, la variable que l’Elo ignore
Il manque encore une donnée au tableau, et non des moindres : le coût. Le score Elo ne dit rien de ce que vaut un token. Or GLM 5.2 max, troisième au général, est un modèle open source sous licence MIT facturé 1,40 dollar le million de tokens en entrée. De loin le plus abordable du top 10.
Mettez ce chiffre en regard des modèles propriétaires qui l’entourent et la hiérarchie se déforme. Un écart de quelques dizaines de points Elo compte peu face à un rapport de prix qui peut aller du simple au décuple, dès lors qu’on génère du code à l’échelle industrielle, en boucle, dans une chaîne d’agents. Pour une équipe qui automatise, remporter le duel visuel pèse peu : ce qui décide, c’est le rendement, la quantité de code correct par euro dépensé.
C’est l’angle mort structurel de ce type de classement : il récompense la performance perçue et ignore l’économie réelle de l’usage. Un modèle deuxième au rendu mais dix fois moins cher fera, pour beaucoup de projets, un bien meilleur choix.
Le bon modèle se choisit en croisant trois grilles
Ce palmarès se lit en croisant plusieurs critères, pas en suivant une seule colonne. Trois se superposent : la technologie visée, le budget par token, et la stabilité du score dans le temps. Fable 5 reste la valeur sûre transversale, en tête au général comme en HTML. GPT-5.6 devient un choix rationnel dès qu’on travaille sur React et qu’on l’attelle à un harnais de type Codex. GLM 5.2 max s’impose là où le volume et le coût priment sur les derniers points de finition.
Reste la volatilité. Le classement a été rebattu en un mois, Anthropic ayant retrouvé sa première place après le rétablissement de Fable 5, suspendu puis rouvert au public début juillet. OpenAI a signé son retour dans la foulée. Se marier à un modèle sur la foi d’un instantané, c’est parier sur une photo dans une course qui se recompose à chaque édition.
Le réflexe le plus utile n’est donc pas de suivre le numéro un, mais de tester deux ou trois modèles sur votre propre pile, avec vos propres consignes, et de mesurer ce qui sort. Le classement dit qui gagne l’arène. Votre code, lui, dira lequel gagne votre projet.
