Cent fois plus cher pour douze points d’avance : le rapport a de quoi faire sourire un directeur financier. Et pourtant, des banques, des cabinets d’avocats et des services hospitaliers s’apprêtent à payer ce tarif sans négocier. Le dernier classement d’Artificial Analysis, plateforme indépendante d’évaluation des modèles, place Claude Fable 5 d’Anthropic en tête de six nouveaux indices sectoriels. L’intérêt n’est pas dans le podium : il est dans cet écart de prix déraisonnable qui trouve preneur exactement là où on l’attendait le moins.
Le chiffre qui claque sort de l’indice Strategy & Ops. Une tâche traitée par Fable 5 y revient à 3,48 dollars, contre 0,03 dollar pour DeepSeek V4 Pro. Cent fois l’écart, pour douze points de score en plus. Pris tel quel, ce ratio condamnerait le modèle d’Anthropic. Mais un score de benchmark et une décision d’achat ne mesurent pas la même chose, et c’est tout l’enjeu.
Il y a quelques jours, nous décrivions ici comment Fable 5 servait de chef d’orchestre à Sonnet 5 pour diviser la facture des agents. La logique était purement économique : déléguer le gros du travail à un modèle moins coûteux, réserver le modèle de tête aux arbitrages. Ces six indices sectoriels prolongent l’histoire en déplaçant son centre de gravité : du coût brut d’un appel vers les métiers précis où cette dépense trouve sa justification.
Un benchmark construit sur de vraies fiches de poste
Pour comprendre ce que vaut le chiffre, il faut regarder comment il est fabriqué. Artificial Analysis a bâti ses six indices (finance et comptabilité, droit, santé, stratégie et opérations, ingénierie, économie) sur la classification O*NET des métiers américains. Chaque compétence évaluée (modélisation financière, recherche juridique, analyse de contrats, aide à la décision clinique) est pondérée selon sa fréquence réelle dans le métier concerné. Les jeux de test sont assemblés à neuf pour chaque domaine et exécutés indépendamment.
Autrement dit, on ne teste plus une capacité abstraite de raisonnement, mais un faisceau de tâches professionnelles telles qu’elles tombent sur un bureau. Sur ce terrain, Fable 5, avec repli sur Opus 4.8, prend la première place des huit indices, en comptant l’agentique et le code. Opus 4.8 arrive deuxième dans six catégories sur huit, GPT-5.5 dans les deux restantes. Sous ce duo, le classement se rebat à chaque domaine entre Gemini 3.1 Pro, GPT-5.5, Claude Sonnet 5 et le chinois GLM-5.2.
Finance, droit et médecine achètent de la fiabilité
Dans un secteur régulé, une erreur ne coûte pas 3,48 dollars : elle coûte un redressement, un contentieux, un diagnostic manqué. La puissance de calcul n’est plus la variable qui domine l’équation. Ce que ces métiers paient avec la prime Fable 5 tient moins à la vitesse qu’à une marge de fiabilité et à une traçabilité du raisonnement qu’un auditeur, un régulateur ou un juge pourra un jour réclamer.
Les données d’usage réel vont dans ce sens. Sur LMArena, plateforme où des millions d’utilisateurs classent les modèles en comparaisons à l’aveugle, Fable 5 occupe au 7 juillet la première place des arènes Texte, Code et Agent, seul laboratoire à mener les trois. Dans l’arène Agent, il se situe 16,58 % au-dessus de la moyenne des modèles, loin devant GPT-5.5 en configuration xHigh (8,66 %) et GLM-5.2 (6,62 %). Là où les tâches s’enchaînent en plusieurs étapes, une petite avance de qualité se compose à chaque maillon et finit par peser lourd.
C’est la mécanique que les acteurs à fort enjeu intègrent avant tout le monde. Pour un flux automatisé qui empile dix décisions, un modèle fiable à 98 % contre 95 % ne gagne pas trois points : il divise par plus de deux la probabilité qu’une chaîne entière déraille. Douze points sur un indice sectoriel, dans ce contexte, ne sont plus un luxe cosmétique.
Où la prime cesse d’avoir un sens
Reste que la prime n’a de sens que là où l’enjeu la porte. Pour du volume à faible risque, les alternatives sont écrasantes : DeepSeek V4 Flash traite chaque tâche des six indices pour moins de 0,04 dollar tout en se tenant dans la moyenne, et GLM-5.2 offre la meilleure performance en open-weights entre 0,26 et 0,58 dollar. Payer Fable 5 pour trier des tickets ou reformuler des courriels relèverait du gâchis pur.
Deux garde-fous s’imposent aussi avant de graver ce classement. Le premier est temporel : GPT-5.6, lancé dans la foulée de ce benchmark, pourrait refermer une partie de l’écart avec les modèles actuels d’Anthropic, et un podium de juillet ne dit rien de celui d’octobre. Le second tient à la nature même de l’exercice : un indice O*NET reste une approximation de terrain, jamais la garantie qu’un modèle tiendra sur vos propres dossiers, avec vos propres contraintes de conformité.
Au fond, ce classement dessine surtout une ligne de fracture. Le marché des modèles cesse d’être une course au meilleur rapport qualité-prix unique pour se scinder selon le coût d’une erreur. D’un côté, les tâches où le calcul se paie au centime et où l’open-weights suffit. De l’autre, les domaines où l’on achète d’abord de la confiance auditable, et où trois dollars la tâche restent une aubaine face au prix d’une décision fausse. À chaque entreprise, désormais, de ranger ses propres usages d’un côté ou de l’autre de cette ligne : cet arbitrage pèse plus lourd que n’importe quel score.
