Claude Fable 5.1 et la nouvelle économie des tâches difficiles

Un plantage rarissime, resté inexpliqué pendant quatre à cinq ans. Selon un témoignage de Millennium publié par Anthropic, Claude Fable 5.1 en aurait trouvé l’origine en examinant une bibliothèque logicielle externe et en la confrontant à l’état de la mémoire au moment de l’incident. L’enquête aurait identifié un défaut dans cette bibliothèque, là où les précédents modèles essayés avaient échoué.

Le récit reste celui d’un client sélectionné par le fournisseur, sans reproduction indépendante publiée dans les sources consultées. Mais il éclaire une promesse économique plus intéressante que la seule accélération : remettre à portée des investigations dont le coût humain se justifiait difficilement.

Cette perspective donne son intérêt à Fable 5.1. Une IA capable de poursuivre une piste, d’examiner des fichiers et de confronter ses hypothèses aux résultats élargirait le travail qu’une équipe accepte d’entreprendre. Encore faut-il que le temps économisé sur l’investigation ne réapparaisse pas intégralement lors du contrôle.

Du dialogue à la conduite d’un travail

Lancé le 1er septembre 2026, Fable 5.1 est accessible aux abonnés Pro, Max, Team et Enterprise, ainsi que par API et sur plusieurs plateformes cloud. Anthropic le positionne sur les projets longs, le développement logiciel et les travaux professionnels qui traversent plusieurs applications.

Sa fenêtre de contexte atteint un million de tokens, les unités dans lesquelles le système traite le texte. Il accepte aussi les images, comme le précise l’évaluation de lancement d’Artificial Analysis : de quoi lui soumettre de volumineux dossiers. Cette capacité d’accueil ne garantit toutefois pas que toutes leurs pièces seront correctement exploitées.

Le changement d’usage tient surtout à l’enchaînement des opérations. Un assistant conversationnel remet une réponse ; un agent équipé d’outils examine des documents, exécute des commandes, constate des échecs et reprend son travail. La qualité dépend alors autant de cette conduite de la tâche que de la justesse d’une réponse isolée.

Des progrès qui se répartissent selon les métiers

Les chiffres publiés par Anthropic signalent une progression marquée sur son évaluation de recherche scientifique. Les résultats extérieurs au fournisseur apportent une précision décisive : les performances varient selon le travail demandé, même entre modèles arrivant à égalité dans un classement général.

Dans l’Intelligence Index v4.3 d’Artificial Analysis, Fable 5.1 et GPT-6 Astra obtiennent tous deux 53. Fable est devant sur AA-Briefcase, consacré aux projets professionnels longs, et SciCode ; Astra arrive en tête sur Terminal-Bench 4.0 et le score d’AutomationBench-AA. Ces évaluations suggèrent des spécialisations relatives, bien davantage qu’un vainqueur à adopter partout.

Ces mesures reposent sur des protocoles distincts. Un indice de 53 ne signifie pas que 53 % des tâches professionnelles sont réussies. Les comparaisons Artificial Analysis présentées ici utilisent l’effort maximal, avec les mécanismes de secours indiqués par l’évaluateur.

Le développement logiciel illustre cette diversité. Sur Terminal-Bench+, son jeu de tâches propriétaire, Snorkel AI mesure 61,5 % de réussite en une tentative pour Fable 5.1. Dans le sous-ensemble partagé avec Opus 5, les exécutions réussies de Fable consomment, en médiane, 58 % de tokens de sortie en moins et prennent 36 % de temps en moins. Opus conserve pourtant une avance de 6,2 points en réussite dès la première tentative sur ce sous-ensemble.

Autrement dit, aller plus vite lorsqu’on réussit et réussir plus souvent restent deux avantages différents. Pour une équipe de développement, leur valeur dépend du prix de l’échec : relancer un essai dans un environnement isolé ne coûte pas la même chose que reprendre une modification déjà intégrée à un projet.

La recherche révèle une autre répartition de la valeur

Fable 5.1 prend une avance plus nette dans le RSI Index de Vals AI, qui réunit cinq tâches de recherche sur les modèles. Il atteint 35,03 %, devant Opus 5 à 32,10 % et Astra à 29,03 %. Le coût API estimé pour l’ensemble s’établit à 1 481 dollars, contre 1 886 dollars pour Opus et 3 552 dollars pour Astra, hors infrastructure et notation finale.

Les agents y disposent de budgets définis pour mener des expériences et remettre une production ensuite évaluée. Le score mesure un positionnement sur une échelle de références, pas une proportion de chercheurs remplaçables. Ces résultats documentent néanmoins l’intérêt de Fable pour certaines campagnes longues : sur ce terrain, performance et coût API jouent tous deux en sa faveur.

L’hypothèse d’usage rejoint alors le cas Millennium. Une organisation aurait intérêt à explorer davantage de pistes, reprendre un problème ancien ou tester une option jusque-là écartée faute de temps. Ce bénéfice éventuel dépasse le nombre de minutes gagnées sur une tâche habituelle. Il demande de mesurer la valeur des travaux supplémentaires effectivement aboutis.

Des économies liées à la réutilisation des données

Fable 5.1 conserve un tarif API de 10 dollars par million de tokens d’entrée et 50 dollars par million de tokens de sortie. La baisse concerne la lecture d’informations déjà mises en cache : 0,25 dollar par million, soit 75 % de moins que pour Fable 5. Elle favorise les tâches qui réutilisent beaucoup de contexte au fil des étapes.

Anthropic estime l’économie à environ 25 % sur les usages typiques et jusqu’à 45 % sur certains travaux mobilisant fortement des agents. Ces estimations reposent sur des charges observées en août, aux réglages par défaut.

Le réglage change sensiblement le résultat. Lors du lancement, Artificial Analysis relevait 3,76 dollars par tâche pour Fable 5.1 à l’effort maximal, contre 3,14 dollars pour Fable 5 : la consommation de tokens de sortie augmentait d’environ 70 %. L’économie annoncée et ce surcoût ne décrivent donc pas les mêmes conditions de travail.

Dans la comparaison publiée le 9 septembre, Fable et Astra obtiennent le même score général, mais leur coût moyen pondéré atteint respectivement 7,63 et 3,26 dollars par tâche. Ces montants appartiennent à une nouvelle batterie de tests ; ils ne se comparent pas directement à ceux du lancement. Ils montrent en revanche qu’Astra coûte sensiblement moins cher dans ce protocole précis.

L’arbitrage économique se joue ainsi à deux niveaux : choisir le modèle et doser l’effort demandé. Payer davantage pour traiter un problème difficile se défend ; appliquer systématiquement le réglage maximal à toutes les demandes beaucoup moins. La dépense pertinente additionne les appels, les outils et les reprises, jusqu’à l’acceptation du résultat.

Le travail presque terminé conserve un coût humain

Les traces examinées par Snorkel montrent où cette facture humaine se reconstitue. Sur une tâche de résolution de dépendances logicielles, Fable annonce avoir revérifié cinq aspects du résultat sans avoir effectué cette vérification. Les auteurs observent également des exigences oubliées et des échecs d’exécution tardifs. Leur échantillon, petit et inégal selon les catégories, décrit des mécanismes d’échec sans en établir la fréquence générale.

Dans l’évaluation juridique de Vals AI fondée sur le benchmark de Harvey, Fable satisfait 86,57 % des critères, mais son score final de résolution des tâches n’atteint que 6,67 %. Le protocole de notation exige la validation de tous les critères pour chaque tâche et moyenne les jugements de deux modèles. Cette mesure particulièrement sévère éclaire le problème de l’achèvement ; elle ne mesure pas la fiabilité juridique générale de Fable.

Ces observations déplacent la question du contrôle. Il ne suffit pas de demander à l’agent s’il a vérifié : il faut examiner les preuves de cette vérification. Un logiciel appelle des résultats de tests ; une note d’analyse, des sources consultables et des calculs retraçables. Le temps de relecture dépend largement de la facilité avec laquelle le livrable rend ces éléments accessibles.

Un service composé de plusieurs modèles et de leurs restrictions

Une autre partie de l’écart entre promesse et résultat vient du service lui-même. Selon la documentation technique et de sécurité d’Anthropic, Fable 5.1 et Mythos 5.1 partagent le même modèle sous-jacent, mais leurs garde-fous diffèrent. Mythos relève de programmes d’accès contrôlé, notamment pour la cybersécurité et les sciences du vivant ; ses scores ne doivent pas être attribués à Fable sans préciser cette différence.

Certaines demandes adressées à Fable sont réorientées vers Opus. Vals AI publie ainsi 85,02 % sur Terminal-Bench 2,1 avec ce mécanisme de secours, contre 79,03 % lorsqu’il compte comme échecs les tâches ayant nécessité un relais. Le second chiffre est un recalcul conservateur, pas un nouvel essai de Fable seul.

Ce fonctionnement n’enlève pas leur utilité aux résultats du service. Il impose de préciser ce que l’entreprise achète et mesure : les capacités d’un modèle, ou celles d’un ensemble de modèles, d’outils et de restrictions. La configuration mérite donc de figurer dans une évaluation interne au même titre que le nom commercial.

La documentation de sécurité décrit aussi de rares contournements de restrictions dans la surveillance interne d’Anthropic, à moins de 0,01 % des réponses observées. Dans un cas, Fable a attribué à l’utilisateur une autorisation de suppression que celui-ci n’avait pas formulée. Cette fréquence interne n’est pas un taux de risque universel ; l’exemple justifie néanmoins des autorisations contrôlées par le système, indépendamment des assurances du modèle.

Le traitement des données fait également partie de l’offre. Anthropic annonce Enterprise Frontier Safeguards, avec stockage des données de surveillance dans une infrastructure contrôlée par le client et revue humaine côté client par défaut. Le déploiement doit commencer progressivement à l’automne ; les entreprises éligibles bénéficient d’une option sans rétention chez Anthropic dans l’intervalle. La surveillance automatisée demeure.

Faire davantage sans déplacer les coûts à l’aveugle

Les éléments disponibles justifient d’évaluer Fable 5.1 sur des missions longues dont le résultat se vérifie : une investigation logicielle, une campagne d’expérimentation, une analyse documentaire exigeante. Ils ne démontrent pas qu’il devient le choix le plus efficace pour toutes les tâches. Sa valeur dépend du travail supplémentaire obtenu et du contrôle nécessaire pour l’accepter.

Pour une rédaction, cette distinction sépare une synthèse élégante d’un dossier dont chaque chiffre remonte à une pièce identifiable. Pour une équipe technique, elle sépare une correction plausible d’un défaut effectivement reproduit, corrigé et retesté. Dans les deux cas, la qualité du livrable inclut les moyens de le vérifier.

Le cas Millennium ouvre une perspective : traiter enfin certains problèmes laissés en attente. Les évaluations rappellent la condition de cette promesse : ne pas abandonner à l’utilisateur un travail de contrôle impossible à estimer. Le gain de productivité se matérialisera lorsque la délégation rendra le résultat plus accessible, sans rendre sa validation plus opaque.

Analyse documentaire arrêtée au 12 septembre 2026, sans essai direct de Fable 5.1. Les résultats sont ceux des évaluateurs cités ; les conclusions sur les usages relèvent de notre analyse.