L’essentiel
- Anthropic permet désormais de faire cohabiter Fable 5 (orchestrateur ou conseiller) et Sonnet 5 (travailleurs) dans une même chaîne d’agents.
- Sur le benchmark BrowseComp, la combinaison atteint 96 % des performances de Fable 5 pour 46 % de son prix.
- Sur SWE-bench Pro, un Sonnet 5 épaulé d’un Fable 5 conseiller garde environ 92 % du score à 63 % du prix, Fable 5 n’étant appelé qu’une fois par tâche.
- Chaque sous-agent conserve son propre cache : les appels répétés ne se repaient pas plein tarif.
Le geste a des airs de réglage anodin. Anthropic vient d’inscrire dans ses Managed Agents (ses agents hébergés côté serveur) la possibilité de faire tourner deux modèles dans une même chaîne : un Fable 5 qui planifie, des Sonnet 5 qui exécutent. Derrière ce détail d’architecture se joue une redéfinition du coût d’un agent IA, et elle va se diffuser plus vite que la plupart des équipes ne l’anticipent.
Le principe lui-même n’a rien de neuf. Depuis des mois, les praticiens le montent à la main : un modèle cher pour raisonner, un modèle moins cher pour abattre le volume. Ce qui change, c’est qu’Anthropic l’industrialise et le documente, avec des chiffres de benchmark à l’appui. Autrement dit, le bricolage devient une norme outillée.
Deux façons de brancher un gros modèle sur un petit
Anthropic décrit deux montages. Le premier traite Fable 5 en conseiller : c’est un Sonnet 5 qui mène la tâche et qui, ponctuellement, remonte vers Fable 5 pour obtenir un avis. La logique de facturation est limpide : la majorité des jetons passe au tarif du modèle exécutant, le moins cher.
Le second inverse la hiérarchie. Fable 5 devient l’orchestrateur : il planifie, découpe et délègue le gros du travail aux travailleurs Sonnet 5. Là encore, l’essentiel des jetons est compté au tarif des travailleurs, pas à celui du chef d’orchestre. Dans les deux cas, la recherche gourmande en jetons, celle qui coûte le plus cher à l’échelle, descend vers le modèle abordable.
Le raisonnement stratégique reste concentré là où il apporte le plus de valeur, et il est facturé au prix fort seulement là. Tout le reste glisse vers le bas de la grille tarifaire. C’est cette asymétrie que les benchmarks viennent chiffrer.
Quatre points de performance cédés, la moitié de la facture effacée
Sur BrowseComp, un test de navigation et de recherche, l’orchestrateur Fable 5 flanqué de travailleurs Sonnet 5 atteint 96 % des performances d’un Fable 5 seul, pour 46 % de son prix. Quatre points de performance abandonnés, plus de la moitié de la facture effacée : le calcul est vite fait quand on paie l’inférence au volume.
Sur SWE-bench Pro, l’épreuve de résolution de tickets logiciels, le montage conseiller tient environ 92 % du score de Fable 5 à 63 % du prix. Le détail compte : Fable 5 n’y est sollicité qu’à peu près une fois par tâche, juste pour orienter, tandis que Sonnet 5 exécute la quasi-totalité du travail. Un appel de raisonnement bien placé rentabilise des dizaines d’appels d’exécution bon marché.
Ce que ces deux mesures dessinent, c’est une courbe de rendement décroissant du « tout gros modèle ». Passé un certain point, payer chaque étape au tarif du modèle le plus puissant n’achète plus de performance : ça achète du gaspillage.
Le cache par sous-agent, la pièce discrète qui débloque tout
Il y a un troisième élément, moins spectaculaire que les pourcentages mais décisif à l’usage : chaque sous-agent conserve son propre cache. Concrètement, un contexte déjà lu par un travailleur n’est pas refacturé intégralement au rappel suivant.
Sur un agent qui boucle, relit les mêmes documents et repasse par les mêmes instructions, cette mise en cache segmentée fait fondre la part de coût la plus insidieuse : celle des jetons redondants. C’est souvent elle qui transforme une démo élégante en note salée une fois passée en production. La traiter au niveau du sous-agent, et non plus de la seule session, change l’ordre de grandeur.
L’agent mono-modèle devient un luxe
D’ici la fin de l’année, l’agent mono-modèle (un seul gros cerveau qui fait tout, du plan à la moindre requête) deviendra l’exception coûteuse, et non plus le réflexe par défaut. Les équipes qui expédient des volumes sérieux passeront aux chaînes hétérogènes, moins par goût de l’optimisation que sous la contrainte de leur facture. Anthropic n’est d’ailleurs pas seule sur cette pente : OpenAI a replié une logique voisine dans le mode ultra de Sol, le haut de gamme de sa famille GPT-5.6, qui embarque l’orchestration multi-agents dans le modèle lui-même au lieu de l’exposer en chaîne de modèles distincts.
La condition de réalisation tient en un mot : le routage. Toute l’économie repose sur la capacité de l’orchestrateur à envoyer la bonne tâche au bon modèle, et à ne réveiller le raisonnement cher que quand il tranche vraiment. Un aiguillage médiocre annule le gain : soit on sur-appelle Fable 5 et la facture remonte, soit on le sous-appelle et la qualité décroche. Le mérite se déplace donc du choix du modèle vers la finesse de l’orchestration.
Reste une inconnue qui pèsera lourd sur la suite : ces chiffres sortent des tests d’Anthropic, sur ses propres épreuves. La vraie validation viendra des charges maison, avec leurs tâches irrégulières et leurs contextes salis. C’est là, sur vos propres traces d’exécution, que se mesurera l’écart entre les 96 % de la démo et le rendement réel.
Mon avis
Réduire la facture, c’est la partie visible. L’important se joue ailleurs, dans le déplacement de la compétence stratégique. Faire tourner un agent entier sur le modèle le plus puissant va bientôt passer pour un aveu de paresse d’ingénierie, au même titre qu’une requête SQL sans index. Le savoir-faire qui vaudra cher dans un an, ce ne sera plus de savoir prompter le meilleur modèle, mais de savoir découper une tâche pour n’y injecter du raisonnement premium qu’aux deux ou trois moments qui le méritent. Anthropic vient d’en faire une fonctionnalité maison ; les plateformes qui n’orchestreront pas ce genre de bascule paieront leurs agents deux fois trop cher, et leurs clients finiront par le voir sur la facture.
