Anthropic a lancé Claude Opus 5 le 24 juillet. La nouveauté ne tient pas uniquement à une promesse de performances : les spécifications et les intégrations annoncées dessinent un modèle pensé pour des tâches de code et d’entreprise qui durent, utilisent plusieurs outils et produisent des sorties substantielles. Pour juger ce positionnement, il faut regarder les mécanismes exposés, pas seulement les classements.
Le cœur du sujet est simple : une tâche agentique longue dépend autant de la continuité du contexte, de la capacité à agir et à vérifier, que de la qualité d’une réponse isolée. Opus 5 arrive avec des choix techniques qui visent précisément ce cadre, mais ils ne transforment pas, à eux seuls, une évaluation publiée en garantie de fiabilité dans tous les environnements.
Les quatre paramètres qui comptent pour une tâche longue
- Contexte : la documentation annonce une fenêtre de 1 million de jetons, à la fois valeur par défaut et maximum.
- Production : la sortie maximale est fixée à 128 000 jetons.
- Raisonnement : il est activé par défaut.
- Outils : leur ajout ou leur retrait au cours d’une conversation est documenté en bêta, avec conservation du cache de prompt.
Ces quatre éléments répondent à une contrainte concrète des agents : une session utile ne consiste pas seulement à conserver beaucoup de texte. Elle doit pouvoir poursuivre une tâche, produire un résultat long si nécessaire, raisonner pendant l’exécution et adapter les outils disponibles sans repartir de zéro. La documentation décrit cette dernière possibilité comme une fonction bêta ; il s’agit donc d’une capacité à tester et non d’un comportement à présumer stabilisé dans chaque application.
Un réglage d’effort plutôt qu’un modèle figé
Anthropic présente plusieurs niveaux d’effort pour arbitrer entre la capacité mobilisée et la consommation de jetons. Cette logique déplace la question pratique : un agent n’a pas nécessairement besoin du même niveau de calcul pour une modification ciblée, une vérification ou une tâche de raisonnement plus longue. Le bon critère devient alors le coût et la qualité de la tâche entière, pas la seule réponse finale.
Ce que les benchmarks permettent de dire : le fournisseur publie des résultats sur Frontier-Bench v0.1, CursorBench 3.2, ARC-AGI 3 et Zapier AutomationBench, avec des comparaisons entre réglages d’effort.
Ce qu’ils ne permettent pas de conclure seuls : ils ne remplacent pas l’évaluation d’un flux de travail précis, de ses outils, de ses données et de ses contrôles humains.
La disponibilité dans Copilot donne une première surface d’usage
GitHub a annoncé une disponibilité graduelle d’Opus 5 dans GitHub Copilot. La liste comprend notamment Visual Studio Code, Copilot CLI, l’agent cloud Copilot, github.com et plusieurs environnements de développement. Cette présence ne vaut pas déploiement instantané pour tous : GitHub précise que le rollout est progressif et que les administrateurs Business et Enterprise doivent activer la politique correspondante.
Le même avis rappelle que des garde-fous renforcés peuvent bloquer certaines requêtes liées à la cybersécurité. C’est un point important pour lire les démonstrations avec prudence : la capacité d’un agent dépend également des limites de sécurité et des droits accordés dans l’environnement où il est exécuté.
La limite à garder en tête
Les chiffres et comparaisons publiés à l’occasion du lancement sont utiles pour situer le modèle, mais ils restent des mesures dans des protocoles définis. Anthropic indique aussi qu’Opus 5 reste derrière Mythos 5 dans ses évaluations de biologie et de cybersécurité offensive. Le portrait le plus utile est donc celui d’un modèle doté de briques adaptées aux agents de longue durée, dont les performances réelles devront être appréciées tâche par tâche.
