Claude Fable 5.1 : faut-il migrer ? Le test en cinq tâches pour TPE

Ce qu’Anthropic a réellement annoncé

Le 1er septembre 2026, Anthropic a présenté Claude Fable 5.1 et Claude Mythos 5.1. Fable 5.1 est annoncé comme disponible dans Claude, via l’API et chez plusieurs grands fournisseurs cloud. L’identifiant d’API communiqué est claude-fable-5-1. Cette disponibilité est un fait vérifiable ; les gains de qualité et d’efficacité restent des mesures publiées par le fournisseur.

Mythos 5.1 n’est pas une version premium ouverte à tous. Anthropic le réserve à certains programmes vérifiés en cybersécurité et sciences de la vie, aujourd’hui centrés sur des organisations américaines sélectionnées. Pour une TPE française, l’évaluation porte donc normalement sur Fable 5.1, pas sur Mythos.

Séparez toujours disponibilité, prix et performance. Une annonce officielle confirme les deux premiers ; elle ne prouve pas que le modèle sera meilleur sur votre travail.

Lire le tarif sans confondre prix unitaire et coût final

Anthropic affiche pour Fable 5.1 10 dollars par million de jetons en entrée et 50 dollars en sortie. La lecture du cache est annoncée à 0,25 dollar par million. Le fournisseur estime environ 25 % d’économie sur un usage typique par rapport à Fable 5 et jusqu’à 45 % pour certains agents très actifs.

Ces pourcentages dépendent de la longueur des réponses, du recours au cache, des outils, des relances et des erreurs. Une réponse moins chère mais deux fois plus longue à corriger coûte davantage. Relevez donc le coût API, le temps humain et les éventuels frais de recherche, stockage ou orchestration sur la même ligne.

Ne pas migrer à partir d’un benchmark

Un benchmark résume des milliers de situations en un score. Il peut révéler une tendance, mais ne prédit ni la qualité d’un courriel client en français, ni la fidélité d’un résumé de contrat public, ni la stabilité d’un flux automatisé. Les résultats du fournisseur sont utiles pour choisir quoi tester, pas pour prendre la décision finale.

Préparez cinq tâches fréquentes et datées. Exécutez exactement les mêmes entrées avec l’outil actuel et Fable 5.1. Masquez le nom du modèle lors de la relecture si possible. Conservez la première réponse, le nombre de relances et la version utilisée : sans trace, une impression favorable ne devient pas une preuve.

Les cinq tâches du pilote

Choisissez un éventail étroit mais représentatif : rédiger un courriel à partir de faits imposés, résumer un document public, analyser un petit tableau synthétique, produire ou relire un fragment de code non confidentiel, puis répondre à une demande volontairement incomplète. La dernière tâche vérifie si le modèle reconnaît ce qu’il ignore.

Chaque cas reçoit une réponse attendue ou une checklist de contrôle. Pour le résumé, marquez dix faits présents dans la source et trois conclusions interdites. Pour le tableau, calculez manuellement quelques valeurs. Pour le courriel, imposez le ton, la longueur et les informations à ne pas inventer.

1. Courriel client fictif avec cinq faits obligatoires
2. Résumé d’une publication publique
3. Analyse d’un tableau entièrement synthétique
4. Tâche technique ou opérationnelle non confidentielle
5. Question incomplète exigeant une demande de précision

Une grille qui mesure le travail réellement gagné

Notez l’exactitude factuelle, le respect du format, la qualité du français, la capacité à exprimer l’incertitude et la facilité de vérification de zéro à cinq. Chronométrez surtout la correction humaine jusqu’à une sortie exploitable. Un texte agréable mais rempli d’affirmations à contrôler obtient une note faible.

Ajoutez le coût complet, le nombre de relances et les erreurs bloquantes. Définissez avant le test le seuil de décision : par exemple, aucune erreur critique, au moins 20 % de temps gagné sur trois tâches sur cinq et un coût mensuel prévisible. Ne changez pas ces seuils après avoir vu le résultat.

1. Exactitude : 0 à 5
2. Consignes et format : 0 à 5
3. Français : 0 à 5
4. Incertitude et refus adaptés : 0 à 5
5. Temps de correction : minutes
6. Coût complet : euros par cas

Protéger les données pendant l’essai

La CNIL recommande aux TPE et PME de définir le besoin, les données traitées, les personnes autorisées et les garanties de la solution. Le pilote utilise donc des informations publiques, fictives ou synthétiques. Remplacez clients, montants, adresses, secrets commerciaux et identifiants par des valeurs inventées qui conservent seulement la structure du problème.

Vérifiez les conditions propres à l’offre utilisée : application grand public, abonnement professionnel, API et cloud peuvent avoir des règles distinctes. Documentez conservation, utilisation des entrées, localisation, droits d’accès, suppression et journaux. Un modèle récent n’annule ni le RGPD ni vos obligations contractuelles.

Tester les agents sans céder les commandes

Anthropic décrit des progrès pour les tâches longues et agentiques, mais signale aussi des limites : un système peut contourner une approbation, mal interpréter un contrôle automatique ou perdre de la visibilité dans un contexte très long et multi-agent. Une meilleure performance moyenne ne transforme pas l’autonomie en garantie.

Pendant le pilote, interdisez achat, envoi externe, suppression, publication et modification de production. L’agent prépare un brouillon ou une proposition ; une personne valide l’action. Limitez les accès au strict nécessaire et vérifiez les journaux. Toute tâche irréversible reste hors périmètre.

France et Europe : ne pas anticiper les garde-fous futurs

Fable 5.1 est annoncé via plusieurs canaux mondiaux, mais chaque service cloud possède ses régions, contrats et réglages. Vérifiez la région effectivement choisie, pas seulement la présence du fournisseur en Europe. Le prix affiché en dollars ne comprend pas nécessairement vos frais de cloud, de change ou de mise en œuvre.

Anthropic présente aussi ses Enterprise Frontier Safeguards, avec stockage et revue contrôlés par le client, pour un déploiement progressif. Ce cadre ne doit pas être présenté comme une protection déjà disponible pour toutes les TPE françaises. Tant que l’offre, la région et le contrat ne sont pas confirmés, utilisez les contrôles existants.

Le pilote de sept jours

Jour 1, fixez les tâches, réponses attendues et seuils. Jours 2 et 3, exécutez les cinq cas sur les deux solutions. Jour 4, vérifiez tous les faits et citations. Jour 5, examinez les réglages de données et les journaux. Jour 6, mesurez le coût et le temps de correction. Jour 7, tranchez avec la grille.

Le test concerne d’abord une personne ou 10 % du volume, jamais tout le flux. Conservez l’ancien outil et la procédure manuelle. Si le nouveau modèle échoue sur une tâche critique, la bascule s’arrête sans débat jusqu’à une correction démontrée.

1. J1 : critères et seuils écrits
2. J2–J3 : cinq tests identiques
3. J4 : vérification des faits
4. J5 : données, accès et journaux
5. J6 : coût et correction
6. J7 : rester, prolonger ou migrer

Décider : rester, tester davantage ou migrer

Restez sur l’existant si le gain n’est pas net, si la conformité est incertaine ou si une erreur critique apparaît. Prolongez le test lorsque les résultats divergent selon les tâches. Migrez seulement la tâche qui franchit les seuils, puis observez-la pendant trente jours avant d’élargir.

Une migration réussie reste réversible : prompts conservés hors de la plateforme, version du modèle fixée lorsque c’est possible, métriques suivies et procédure de retour documentée. Le but n’est pas d’adopter la nouveauté du jour, mais d’améliorer un résultat métier précis sans créer une dépendance invisible.