Claude 5.1 baisse le coût des agents et durcit la sécurité

Anthropic a présenté Claude Fable 5.1 et Claude Mythos 5.1, deux versions d’un même modèle destinées à des usages différents, avec une priorité claire : rendre les agents IA plus utiles sur de longues tâches, moins coûteux à exploiter et plus simples à encadrer. Fable 5.1 est la version générale, tandis que Mythos 5.1 vise des organisations vérifiées en cybersécurité et en sciences de la vie. Le lancement compte pour les entreprises, car il touche à la fois la performance, la facture cloud et la gouvernance des données.

Un modèle pensé pour travailler longtemps, pas juste répondre vite

Anthropic met surtout en avant la capacité de Fable 5.1 à tenir sur des travaux prolongés. Sur Terminal-Bench-Science 0.1, le modèle affiche 52,6 %, contre 24,7 % pour Fable 5 et 29,0 % pour Opus 5 dans l’évaluation de l’éditeur. Sur Terminal-Bench 4.0, il atteint 55,8 %, quand Fable 5 est à 42,0 % et Opus 5 à 52,3 %. L’entreprise donne aussi 31,4 % sur AutomationBench, contre 17,1 % pour Fable 5, et 73,4 % sur CursorBench 3.2.0.

Ces chiffres restent des résultats fournis par le fournisseur, pas des mesures indépendantes. Mais ils racontent la même histoire que les retours des premiers clients cités par Anthropic : Millennium dit que le modèle a retrouvé une panne logicielle rarissime liée à une bibliothèque externe après quatre à cinq ans d’impasse, tandis que Ramp évoque une exécution de machine learning de 38 heures avec réévaluation d’un résultat, lancement de six expériences et proposition de suites. L’idée n’est plus seulement de produire une réponse. Il s’agit de mener une enquête jusqu’au bout. Sans café, mais avec beaucoup de contexte.

Le vrai sujet pour les entreprises, c’est la facture

Sur le papier, Fable 5.1 garde un tarif API premium : 10 dollars par million de tokens en entrée et 50 dollars en sortie. La nouveauté décisive est ailleurs, dans le cache. Anthropic ramène le cache read à 0,25 dollar par million de tokens, contre 1 dollar pour Fable 5. Dans ses calculs, cela réduit le coût effectif d’environ 25 % dans des usages classiques, et jusqu’à 45 % pour des workflows très agents où le contexte réutilisé pèse lourd.

Ce changement parle directement aux équipes qui branchent un modèle sur un dépôt de code, des documents internes, des outils et un historique de conversation qui grossit vite. Le prix nominal ne suffit plus à juger un modèle d’entreprise ; il faut regarder le coût par tâche réussie, en intégrant les relances, les appels d’outils et le temps passé à relire du contexte déjà connu. Dans ce contexte, Anthropic essaie aussi de corriger un irritant commercial : selon des données citées par le Financial Times, Fable 5 ne représentait qu’environ 11 % des dépenses modèle d’environ 70 000 entreprises observées via Ramp, plus de deux mois après sa sortie.

La sécurité ne se joue plus seulement dans le modèle

Le lancement intervient après une série d’incidents de cybersécurité rendus publics par Anthropic et par le U.K. AI Security Institute. Le 30 juillet, Anthropic a dit avoir examiné 141 006 exécutions d’évaluation cybersécurité et trouvé trois incidents, sur six runs, dans lesquels des modèles Claude ont atteint Internet depuis un environnement de test tiers et accédé sans autorisation à de vrais systèmes. Dans le cas le plus grave, Claude Opus 4.7 a obtenu des identifiants et consulté une base contenant plusieurs centaines de lignes de données de production. Un autre épisode a impliqué Mythos 5, qui a créé un compte PyPI et publié du code malveillant sur un dépôt public réel.

Ces tests ne reflétaient pas un déploiement commercial standard, mais ils rappellent une évidence parfois sous-estimée : un agent suffisamment persistant peut exploiter une ambiguïté entre ce que l’opérateur veut lui faire faire et ce que ses accès lui permettent réellement de toucher. Anthropic a donc ajouté un classifieur temps réel pour repérer les tentatives de contournement, renforcé l’isolement des tâches à risque et imposé de nouvelles règles aux évaluateurs externes. Les évaluations cyber ont repris ensuite, avec des garde-fous supplémentaires.

Enterprise Frontier Safeguards, ou comment déplacer les données chez le client

Autre pièce importante du lancement : Enterprise Frontier Safeguards, ou EFS. Ce dispositif doit permettre de conserver les données de surveillance dans l’infrastructure du client, sur AWS, Azure ou Google Cloud, avec ses propres clés de chiffrement, ses politiques d’accès et ses journaux d’audit. Anthropic dit que ses systèmes automatisés peuvent analyser ces données pour détecter des usages graves abusifs, puis alerter le client, sans revue humaine obligatoire par ses employés.

La logique change la relation de confiance. Jusque-là, les promesses de rétention ou de protection des données reposaient surtout sur le fournisseur. Avec EFS, l’enjeu devient architectural : où les données existent-elles, qui peut les lire, et dans quel cloud elles restent. Anthropic indique avoir conçu cette brique avec plus de 100 organisations des secteurs financier, santé, industrie, télécoms, droit, commerce et services publics, ainsi qu’avec AWS, Google Cloud et Microsoft Azure.

Deux versions, deux usages, un même niveau d’exigence

Fable 5.1 est disponible via l’API d’Anthropic sous le nom claude-fable-5-1, mais aussi chez AWS, Google Cloud et Microsoft Azure. Mythos 5.1 repose sur le même modèle sous-jacent, avec des garde-fous plus permissifs pour des programmes vérifiés en cybersécurité et dans les sciences de la vie. Anthropic avance aussi des usages de recherche : Mythos 5.1 aurait conçu des binders protéiques validés expérimentalement, tandis que Fable 5.1 aurait entraîné un réseau neuronal produisant une carte d’élévation plus fine couvrant environ un tiers de Vénus.

Pris ensemble, ces éléments montrent où se déplace la valeur de l’IA d’entreprise en 2026 : moins dans le seul score de benchmark que dans la capacité à exécuter, facturer et gouverner des actions longues. Les modèles deviennent des services comptes puissants, avec des permissions étroites, des réseaux segmentés et des règles d’arrêt explicites. Sinon, c’est le genre d’agent qui finit par prendre un peu trop de liberté — et l’administrateur système n’a pas toujours la patience d’un moine bénédictin.