Anthropic a publié Claude Sonnet 5.5 le 28 septembre, le deuxième modèle de sa série Claude 5.5, annonçant le lancement par une publication officielle sur X. Ce lancement intervient alors que l'entreprise se prépare à une introduction en bourse, selon Reuters. Il souligne également une évolution des critères d'évaluation des technologies d'IA : les performances brutes sur les benchmarks restent un facteur clé, mais les entreprises pèsent de plus en plus le coût nécessaire pour obtenir des résultats avec un modèle donné.

Selon Anthropic, Sonnet 5.5 fonctionne plus de 30 % plus vite que Sonnet 5 et peut accomplir la plupart des tâches jusqu'à 30 % moins cher, alors même que les prix des tokens restent inchangés. D'après la page de lancement du modèle, cette réduction des coûts provient de l'utilisation d'un nombre moindre de tokens pour effectuer le même travail.

Même prix affiché, moins de tokens

Sonnet 5.5 est proposé à 2 $ par million de tokens d'entrée, 10 $ pour les tokens de sortie et 0,20 $ pour les tokens de lecture de cache — le tarif réduit appliqué à la réutilisation d'un contexte déjà traité par le modèle. Opus 5.5, spécialisé dans le raisonnement complexe et les opérations de jugement, est facturé 4 $ et 20 $ respectivement pour les tokens d'entrée et de sortie. Sonnet est positionné pour les charges de travail courantes telles que le codage, la génération de documents et les tableurs.

Cette tarification place l'efficacité au cœur du débat. Pour de nombreuses tâches, les entreprises n'ont pas besoin du modèle le plus performant disponible ; un modèle économique qui accomplit une tâche de manière fiable peut compter davantage que quelques points de plus sur un benchmark. Cette dynamique est particulièrement importante pour Anthropic qui, selon Reuters, tire environ 80 % de son chiffre d'affaires de ses clients entreprise.

Les benchmarks ne racontent plus toute l'histoire

Anthropic indique que Sonnet 5.5 obtient un score de 70,6 % sur Terminal-Bench 4.0, un benchmark agentique qui teste les modèles sur des tâches terminales réelles, contre 10,3 % pour Sonnet 5. Mais le classement d'Artificial Analysis de l'évaluateur indépendant Artificial Analysis montre pourquoi les résultats de benchmarks ne sont qu'une partie de l'histoire. À effort maximal, Sonnet 5.5 atteint un score de56 sur l'échelle d'intelligence, pour un coût estimé à 7,60 $ par tâche. GPT-6 Sol atteint 48 points à 1,06 $ par tâche, tandis que le MiMo-V2.6-Pro de Xiaomi obtient 46 pour seulement 0,13 $. Autrement dit, un modèle en tête sur l'intelligence n'est pas nécessairement en tête sur l'efficacité des coûts — et pour les charges de travail à fort volume, de tels écarts par tâche se cumulent rapidement.

Ces différences de coût poussent les entreprises vers des stratégies multi-modèles : les tâches difficiles sont confiées à des systèmes haut de gamme, tandis que le travail de routine est orienté vers des alternatives moins chères. Cette approche permet aux organisations de payer pour des capacités de premier plan uniquement là où elles sont réellement nécessaires.

Le prix de la pensée continue de baisser

Cette évolution s'inscrit dans une tendance bien plus large. Selon un rapport d'Epoch AI publié le 22 septembre, le coût d'atteinte d'un niveau donné de performance en IA a diminué d'environ 47 % par trimestre depuis 2023 — soit une réduction d'environ treize fois par an. Un autre rapport de Cryptopolitan publié le 29 septembre indique que les acheteurs d'entreprises privilégient de plus en plus le modèle le plus abordable capable d'accomplir le travail requis, tandis que les prix bas facilitent également la justification de l'utilisation simultanée de plusieurs modèles.

Des tokens moins chers, des factures plus grosses

Des coûts unitaires plus bas ne garantissent toutefois pas des dépenses globales en IA moins élevées. Un rapport de Gartner publié le 17 août, intitulé « Gartner Predicts AI Inference Costs Per Agentic Workflow Will Increase More Than Fivefold Through 2028 », décrit un « paradoxe de l'inférence » : la baisse du prix des tokens stimule des flux de travail plus complexes, ce qui fait grimper la consommation totale de tokens. Prix unitaires et dépenses totales sont deux leviers distincts — le premier fixe le coût de chaque token, tandis que le second dépend du nombre de tokens qu'un flux de travail consomme.

« Les responsables produit ne peuvent pas se fonder sur une économie de tokens plus efficace pour justifier les coûts de l'IA », a déclaré Will Sommer, analyste directeur principal chez Gartner, dans le rapport du 17 août 2026.

Qui bénéficie réellement de l'IA moins chère

Selon le Global AI Diffusion Report de Microsoft, les modèles à faible coût et à poids ouverts ont le potentiel d'améliorer considérablement l'accès à l'IA, en particulier dans l'hémisphère Sud. Néanmoins, la baisse seule des coûts des modèles ne déterminera pas l'adoption — l'infrastructure, la connectivité et les compétences restent les facteurs décisifs de l'utilisation effective d'une IA moins chère.

Pour les acheteurs entreprise, Sonnet 5.5 indique la direction du marché : le meilleur modèle n'est pas nécessairement le plus puissant, mais celui qui accomplit correctement le travail à un coût raisonnable. Haiku 5.5, le prochain modèle de la série, attendu dans les semaines à venir, pourrait amplifier encore cette évolution enant le travail d'IA à fort volume moins cher à exécuter — et en rendant plus difficile pour les entreprises la justification de prix premium pour des tâches de routine.