Claude Opus 4.8 est sorti — fonctionnalités, benchmarks et tarifs expliqués

Le 28 mai 2026, Anthropic a publié Claude Opus 4.8 — à peine deux mois après Opus 4.7. La cadence des mises à jour s'accélère clairement. Mais cette fois, le titre n'est pas quelques points de pourcentage sur un benchmark. L'annonce officielle d'Anthropic rapporte que les premiers testeurs ont trouvé le modèle « plus fiable et au jugement plus affûté lorsqu'il exécute des tâches agentiques », et affirme que « l'une des améliorations les plus marquantes d'Opus 4.8 est son honnêteté ». Une sortie qui place « il est devenu plus honnête » au même rang que ses gains sur les benchmarks est inhabituelle.

La conclusion d'abord : le code progresse solidement (SWE-bench Pro 64.3% → 69.2%), le travail dans le terminal fait un bond (Terminal-Bench 2.1 66.1% → 74.6%) et le score en travail intellectuel monte aussi (GDPval-AA 1753 → 1890). En plus, le mode rapide est environ 2,5x plus véloce et concrètement trois fois moins cher, et trois fonctionnalités pour développeurs arrivent d'un coup : le paramètre effort, les workflows dynamiques et les entrées system dans la Messages API. En même temps, il ne mène pas partout : dans le terminal, il reste derrière GPT-5.5. Cet article détaille les chiffres, les nouveautés et les réserves, d'après l'annonce officielle d'Anthropic et son Transparency Hub.

* Les chiffres de cet article s'appuient sur l'annonce officielle d'Anthropic, la page du modèle et la system card, ainsi que sur les reportages de plusieurs médias spécialisés (au 28 mai 2026). Ils pourront être mis à jour à mesure que davantage de vérifications seront disponibles.

1. L'essentiel d'Opus 4.8 : performances, prix, philosophie

Pour le lecteur pressé, l'essentiel d'abord.

• Performance : le code (SWE-bench Pro) se renforce régulièrement ; le travail dans le terminal (Terminal-Bench 2.1) et le travail intellectuel (GDPval-AA) progressent nettement. En revanche, GPT-5.5 mène sur Terminal-Bench 2.1, et le pilotage de l'ordinateur (OSWorld-Verified) bouge à peine.
• Tarification : le standard est maintenu au niveau de 4.7. Le plus grand impact économique vient du fait que le mode rapide est ~2,5x plus rapide et concrètement trois fois moins cher.
• Philosophie : « plus honnête » avant « plus intelligent ». Il laisse passer sans les signaler les défauts du code qu'il a écrit environ 4 fois moins souvent que 4.7, et n'omet de signaler à l'utilisateur les échecs importants de son travail que dans 3.7% des cas. Les nouveaux workflows dynamiques et le paramètre effort soutiennent un travail autonome plus long.

2. Spécifications clés et disponibilité

Commençons par les faits immuables : les spécifications d'Opus 4.8 et où vous pouvez l'utiliser.

Le point clé, c'est que le prix et le contexte sont maintenus, et seule la substance s'est renforcée. Si vous êtes sur 4.7, remplacer l'ID du modèle par claude-opus-4-8 vous donne les gains de performance sans coût supplémentaire (les réserves de migration sont en section 9). Notez simplement que l'inférence aux États-Unis uniquement applique un multiplicateur tarifaire de 1,1x.

3. Benchmarks en face à face (4.8 vs 4.7)

Nous avons vu les spécifications. Alors, de combien la capacité réelle a-t-elle grandi ? Voici les principaux benchmarks publiés, alignés face à 4.7. Le gras marque les plus grands gains.

Source : le tableau (une image) de l'annonce d'Opus 4.8 par Anthropic. Sur Terminal-Bench 2.1, tous les modèles utilisent le harness Terminus-2 ; GPT-5.5 obtient 83.4% avec le Codex CLI (note de bas de page de la même annonce). Pour OSWorld-Verified, la note de bas de page de la même annonce indique que le score d'Opus 4.7 a été mis à jour à 82.3% après un changement de la façon d'exécuter l'évaluation, ce qui ne correspond pas aux 82.8% du tableau.

Une remarque pour lire le tableau. Les +4.9 points sur SWE-bench Pro paraissent modestes mais comptent : Pro rassemble des tâches de code plus réalistes et plus difficiles, donc un gain à cet endroit se traduit directement par « moins de moments où l'on bloque dans le travail réel ». Les plus fortes hausses restent toutefois les +8.5 points sur Terminal-Bench 2.1 et les +137 sur GDPval-AA.

Cela dit, il ne mène pas partout. Sur Terminal-Bench 2.1, GPT-5.5 est devant avec 78.2% (83.4% avec le Codex CLI), et le pilotage de l'ordinateur sur OSWorld-Verified est quasi stable par rapport à 4.7 (+0.6 point). Plus de détails en section 9.

4. Tarification et mode rapide — une vitesse 3x moins chère

Nous nous sommes attardés sur la performance, mais ce qui touche réellement le plus votre portefeuille cette fois, c'est le changement de prix du mode rapide. La tarification standard est complètement maintenue au niveau de 4.7, alors alignons les deux.

C'est plus important qu'il n'y paraît. Le dilemme « je veux de la vitesse, mais le mode rapide est cher » frappait exactement les cas d'usage — réponses d'interfaces de chat, revue de code en masse en CI/CD, exécutions d'agents en de nombreuses étapes — où vous pouvez désormais avoir à la fois la vitesse et le prix. Combiné à la tarification standard inchangée, l'enseignement économique cette fois est « le même budget, mais plus rapide et plus intelligent ». Pour le tableau complet des tarifs, voir la comparaison des tarifs Claude Opus / Sonnet / Haiku.

5. Nouveauté n°1 : le paramètre effort et la réflexion adaptative

Après la tarification, les fonctionnalités que les développeurs touchent directement. D'abord, le paramètre effort. C'est un curseur qui vous permet de spécifier explicitement « avec quelle profondeur réfléchir » sur quatre niveaux.

Le pendant de effort est la réflexion adaptative : le modèle ajuste automatiquement le calcul qu'il utilise selon la complexité de la tâche. Rapide sur les questions simples, plus profond de lui-même sur les difficiles. Vous fixez le plafond et la politique avec effort, et la réflexion adaptative optimise l'allocation réelle — une conception à deux niveaux qui offre « aucun token de réflexion gaspillé, de la profondeur seulement là où cela compte ».

6. Nouveauté n°2 : les workflows dynamiques (aperçu de recherche)

La fonctionnalité la plus ambitieuse cette fois, c'est celle-ci. Les workflows dynamiques sont une fonctionnalité en aperçu de recherche utilisable dans Claude Code (CLI, Desktop, extension VS Code), un mécanisme pour confier à Claude un « gros travail » d'un seul tenant.

Concrètement, Claude écrit ses propres scripts d'orchestration et lance des dizaines à des centaines de sous-agents parallèles pour attaquer un problème simultanément. Il déploie même des agents de vérification adversariaux pour contrôler de façon critique les résultats, et itère jusqu'à la convergence. Il se coordonne en dehors du fil de conversation principal, et son état est reprenable, tenant sur une exécution de plusieurs jours.

En termes de positionnement, c'est un pas vers le fait que le modèle lui-même conçoive et exécute, sur le moment, « l'orchestration parallèle de nombreux agents » que vous deviez auparavant construire vous-même avec le Claude Agent SDK. Pour les grands refactorings et les investigations transversales, l'amplitude qu'il peut piloter sans direction humaine étape par étape s'élargit.

7. Nouveauté n°3 : les entrées system dans la Messages API

Un changement subtil, mais bienvenu pour les développeurs : la Messages API accepte désormais les entrées system à l'intérieur du tableau messages.

Auparavant, le prompt système (instructions système) était placé une seule fois au début de la conversation. Avec ce changement, vous pouvez injecter des instructions système en cours de conversation — et le faire sans casser le prompt cache ni nécessiter un tour utilisateur.

// Exemple : mettre à jour « permissions, budget, environnement » en cours de workflow
messages: [
  { role: "system",    content: "Vous êtes un agent CI. Aucune opération destructive." },
  { role: "user",      content: "Mettez à jour les dépendances" },
  { role: "assistant", content: "..." },
  // Mettre à jour la politique en cours d'exécution (sans casser le cache)
  { role: "system",    content: "Le budget de tokens est faible. Utilisez effort=low, points clés uniquement." },
  { role: "user",      content: "Continuez" }
]

Cela paie dans les exécutions d'agents longues et en plusieurs étapes. « Permuter dynamiquement la politique » en cours d'exécution — resserrer les permissions, signaler le budget de tokens, mettre à jour le contexte d'environnement (sur quelle branche vous êtes, etc.) — fonctionne désormais tout en préservant l'efficacité du cache. C'est une conception qui se marie bien avec les exécutions autonomes au long cours comme les workflows dynamiques.

8. Le plus grand bond, c'est l'honnêteté — environ 4 fois moins de défauts de code laissés passer

C'est la partie que je tiens le plus à transmettre. Le véritable facteur différenciant d'Opus 4.8 n'est pas les chiffres des benchmarks — c'est « l'honnêteté à propos de son propre travail ». Ce qu'Anthropic et les testeurs ont souligné à plusieurs reprises, c'est que ce modèle signale de façon proactive sa propre incertitude et est moins susceptible de faire des affirmations non étayées.

Pourquoi est-ce important ? Le plus grand risque à laisser un agent IA s'exécuter de façon autonome longtemps, c'est « rapporter un échec comme un succès, puis empiler davantage de travail par-dessus cette erreur ». Dire « corrigé » alors que les tests échouent encore ; énoncer des suppositions incertaines sur un ton assuré — ce genre de « surconfiance » sape la fiabilité de l'automatisation à la racine. Le fait qu'Opus 4.8 signale désormais son incertitude de lui-même est, en pratique, plus précieux que quelques points de benchmark. Personnellement, je pense que ce seul point est la chose la plus louable de cette mise à jour.

9. Réserves (dites honnêtement)

Nous avons vu les progrès. Mais puisque cet article fait l'éloge de « l'honnêteté », je serai honnête aussi — voici, sans fard, les points qui ne se sont pas améliorés ou qui appellent la prudence avec 4.8.

Pour l'injection de prompt en particulier, passer à 4.8 ne vous rend pas plus sûr. Selon le Transparency Hub d'Anthropic, le taux de réussite des attaques est de 0.4% — le même que 4.7, sur plus de 15 000 tentatives —, le plus bas parmi les principaux modèles comparés, mais ce chiffre est mesuré sans les défenses supplémentaires qu'Anthropic ajoute dans ses produits. Pour les agents qui lisent des entrées externes (pages web, e-mails, publications d'utilisateurs) et agissent en autonomie, la base reste une conception qui limite les permissions plutôt que de compter sur la robustesse du modèle.

10. Qui devrait migrer dès maintenant

Alors, devriez-vous passer à claude-opus-4-8 dès maintenant ? Décortiquons cela par profil.

Comme le coût de bascule lui-même est quasi nul (changez simplement l'ID du modèle ; la tarification standard est maintenue), la voie royale est de d'abord passer à claude-opus-4-8 dans un environnement non critique et de mesurer sur vos propres tâches. Les étapes concrètes de migration depuis 4.7 se reportent directement à partir du raisonnement du guide de migration Opus 4.7. Pour la comparaison avec GPT-5.5 et d'autres, voir GPT-5.5 vs comparaison Claude Opus.

Conclusion

Claude Opus 4.8 (sorti le 28 mai 2026, claude-opus-4-8) est un modèle phare qui a renforcé le fond tout en maintenant prix et contexte. Le code a progressé régulièrement (SWE-bench Pro +4.9) ; le travail dans le terminal (Terminal-Bench 2.1 +8.5) et le travail intellectuel (GDPval-AA +137) ont nettement progressé. Le mode rapide est devenu environ 2,5x plus véloce et concrètement trois fois moins cher, et les fonctionnalités pratiques — le paramètre effort, les workflows dynamiques et les entrées system dans la Messages API — sont arrivées ensemble.

Mais l'essentiel n'est pas dans les chiffres. Environ 4 fois moins de défauts de code laissés passer, et des échecs non signalés dans seulement 3.7% des cas — cette sortie, qui place « l'honnêteté » avant « l'intelligence », pointe dans la bonne direction pour une ère d'IA autonome au long cours. En même temps, il reste derrière GPT-5.5 sur Terminal-Bench 2.1, et sa robustesse à l'injection n'a pas bougé par rapport à 4.7 ; il ne mène pas sur tous les axes. C'est pourquoi — dans l'esprit même de la vertu de ce modèle — la façon la plus intelligente de l'aborder est de ne pas pécher par excès de confiance, et de mesurer sur vos propres tâches avant de décider.

Lectures liées : décryptage de la sortie de Claude Opus 4.7, guide de migration Opus 4.7, comparaison des tarifs Opus / Sonnet / Haiku, GPT-5.5 vs comparaison Claude Opus, et qu'est-ce que le Claude Agent SDK.

FAQ

Q. Migrer d'Opus 4.7 à 4.8 est-il difficile ?
A. Cela ne demande presque rien. Changez simplement l'ID du modèle API en claude-opus-4-8 ; le prix standard et la fenêtre de contexte (1M de tokens) restent inchangés. L'effort=HIGH par défaut utilise à peu près autant de tokens que le réglage par défaut de 4.7, seule la performance augmente, donc vous en profitez sans rien changer à la configuration. Pour les agents traitant des entrées externes, notez toutefois que la robustesse à l'injection ne s'est pas améliorée par rapport à 4.7 (voir plus haut).

Q. Que signifie un mode rapide « 3x moins cher » ?
A. Cela signifie que le prix du mode rapide ($10 en entrée / $50 en sortie par 1M tokens) est concrètement le tiers de celui du mode rapide du modèle précédent. La vitesse est d'environ 2,5x le standard. Le dilemme « je veux de la vitesse mais le mode rapide est cher » est grandement atténué, ce qui le rend plus facile à utiliser pour les interfaces de chat et le traitement par lot en masse.

Q. N'importe qui peut-il utiliser les workflows dynamiques ?
A. C'est en aperçu de recherche, utilisable depuis Claude Code (CLI, Desktop, extension VS Code). La disponibilité concerne les plans Max, Team et Enterprise (activé par l'administrateur) et via l'API, Bedrock, Vertex et Foundry. Par sécurité, le premier déclenchement requiert une confirmation explicite. Le comportement peut changer, il est donc plus sûr de l'essayer d'abord sur un travail non critique.

Q. 4.8 est-il meilleur que 4.7 à tous égards ?
A. Non. Même dans le tableau d'Anthropic, GPT-5.5 (78.2%) devance 4.8 (74.6%) sur Terminal-Bench 2.1, le pilotage de l'ordinateur sur OSWorld-Verified est quasi stable par rapport à 4.7 (+0.6), et la robustesse à l'injection de prompt est au même niveau que 4.7. Il est nettement devant en code (SWE-bench Pro), en travail intellectuel (GDPval-AA) et en honnêteté, mais pour certains usages, 4.7 ou d'autres modèles peuvent mieux convenir.

Q. Quel est le bénéfice concret d'une « honnêteté » accrue ?
A. Quand on exécute des agents IA de façon autonome, le plus grand risque est « de présenter un échec comme un succès et d'empiler du travail par-dessus ». Comme 4.8 laisse passer les défauts de son propre code environ 4 fois moins souvent que 4.7 et n'omet de signaler à l'utilisateur les échecs importants que dans 3.7% des cas, il cesse de « faire semblant que ça marche » et dit qu'il n'est pas sûr quand il ne l'est pas. Pour l'automatisation au long cours, la CI et la revue de code, la fiabilité progresse à un niveau concret.

À lire aussi : Claude Fable 5 pour le code.