Opus 4.8 est officiellement publié : pour la première fois, l’IA dit « Je ne suis pas sûr ».
TechFlow SélectionTechFlow Sélection
Opus 4.8 est officiellement publié : pour la première fois, l’IA dit « Je ne suis pas sûr ».
Claude Opus 4.8 n’est pas un saut, mais une focalisation.
Dédié à des analyses Web3 approfondiesAuteur｜Huá Lín Wǔ Wáng
Éditeur｜Jìng Yǔ
Si, comme moi, vous utilisez quotidiennement l’IA pour rédiger des articles, écrire du code ou mener des recherches, vous avez sans doute déjà vécu cette situation : l’IA vous remet avec assurance un résultat, et après avoir minutieusement vérifié celui-ci, vous découvrez une erreur élémentaire qu’elle n’a pas mentionnée une seule fois.
Ce travers consistant à « faire comme si tout allait bien » est probablement l’un des problèmes les plus agaçants posés actuellement par les grands modèles.
Le 28 mai, Anthropic a lancé Claude Opus 4.8. Ce nouveau modèle n’est sorti que six semaines après la version précédente, Opus 4.7.
Opus 4.8 ne constitue pas un saut générationnel vertigineux. Anthropic elle-même reconnaît qu’il s’agit d’une « amélioration modeste mais tangible ». Toutefois, il accomplit une chose attendue depuis longtemps : apprendre à l’IA à reconnaître son propre degré d’incertitude.
01 Un rythme accéléré, un modèle plus honnête
Depuis Opus 4.5, publié en novembre 2025, le rythme de mise à jour du modèle phare d’Anthropic s’est rapproché d’une itération tous les deux mois environ : Opus 4.5 (novembre dernier), Opus 4.6 (février), Opus 4.7 (avril) et Opus 4.8 (fin mai). Une nouvelle version tous les six semaines : c’est, dans le secteur des grands modèles, l’un des rythmes d’itération les plus ambitieux.
Comparaison entre Opus 4.8, les autres modèles d’Anthropic et ceux des concurrents｜Source de l’image : Anthropic
Sur les benchmarks standard, les performances d’Opus 4.8 peuvent être résumées par le terme « progression régulière ». En matière de programmation, SWE-bench Pro passe de 64,3 % à 69,2 %, tandis que SWE-bench Verified progresse de 87,6 % à 88,6 %. En raisonnement pluridisciplinaire (Humanity's Last Exam), il atteint 57,9 % lorsqu’il peut recourir à des outils. Dans l’évaluation des tâches cognitives (GDPval-AA), il obtient un score Elo de 1890, devançant GPT-5.5 (1769). Il domine également sur OSWorld-Verified, avec un taux de réussite de 83,4 %.
Le seul domaine où GPT-5.5 le dépasse est la programmation en ligne de commande (Terminal-Bench 2.1) : GPT-5.5 obtient 78,2 % contre 74,6 % pour Opus 4.8.
En toute franchise, ces scores commencent à perdre de leur pouvoir d’impact. Des benchmarks comme SWE-bench Verified approchent leur seuil de saturation ; sur GPQA Diamond, plusieurs modèles stagnent autour de 93 % ou plus — plus le score augmente, plus chaque point supplémentaire se traduit par une différence perçue moindre.
Ce qui rend véritablement cette mise à jour digne d’un article, ce sont les efforts déployés par Anthropic dans le domaine de « l’honnêteté ».
02 Une IA capable de dire « Je ne suis pas sûr »
Anthropic fournit un chiffre très concret : Opus 4.8 réduit d’environ quatre fois la probabilité de ne pas signaler lui-même un défaut dans son propre code, comparé à Opus 4.7.
Que signifie cela ? Autrefois, après avoir rédigé un bloc de code, Opus 4.7 pouvait tranquillement vous annoncer « Terminé, tout va bien », même si ce code comportait un bogue. Opus 4.8, quant à lui, a davantage tendance à indiquer spontanément : « Je ne suis pas entièrement sûr de ce point-là ; veuillez le vérifier. »
Dans les évaluations d’alignement, Opus 4.8 atteint un niveau inédit pour les traits prosociaux (comme le respect de l’autonomie de l’utilisateur ou la prise en compte de ses intérêts), tandis que la fréquence des comportements « désalignés » — tels que la tromperie ou la coopération à des usages abusifs — chute nettement par rapport à Opus 4.7, approchant ainsi celle du modèle d’Anthropic actuellement le mieux aligné, Claude Mythos Preview.
Michael Truell, PDG de Cursor, note que sur CursorBench, Opus 4.8 surpasse tous les modèles Opus antérieurs à chaque niveau d’effort requis, avec une efficacité accrue dans l’appel aux outils et une intelligence équivalente obtenue en moins d’étapes. Le responsable des recherches appliquées chez Casetext, société spécialisée dans l’IA juridique, va encore plus loin : selon lui, Opus 4.8 établit un nouveau record sur les benchmarks juridiques, devenant le premier modèle à franchir globalement le seuil de 10 % de réussite intégrale (« all-pass »).
Scott Wu, PDG de Devin, souligne un problème pratique précis : Opus 4.8 corrige les redondances dans les commentaires et les dysfonctionnements liés à l’appel aux outils présents dans Opus 4.7 — un point crucial pour les flux de travail d’ingénierie autonomes non supervisés.
À une époque où l’IA participe de plus en plus aux décisions autonomes, un modèle capable de révéler spontanément ses propres faiblesses est justement le plus digne de confiance.
Sur la question de l’incohérence du modèle, Opus 4.8 atteint désormais un niveau comparable à celui du mythique Mythos｜Source de l’image : Anthropic
Toutefois, dans la fiche de sécurité système d’Opus 4.8, Anthropic révèle, avec franchise, une découverte intrigante : au cours de son entraînement, Opus 4.8 commence à manifester une tendance à « deviner les intentions des évaluateurs ».
Concrètement, durant le raisonnement, le modèle cherche activement à anticiper comment sa sortie sera notée — même personne ne lui a précisé qu’il était en cours d’évaluation. Des études préliminaires en interprétabilité montrent que, dans environ 5 % des segments d’entraînement, le modèle effectue un raisonnement implicite lié à la notation.
Autrement dit, l’IA apprend à adopter une « mentalité d’examen » : ce qui l’intéresse n’est pas forcément de fournir la meilleure réponse possible, mais bien celle que le « correcteur » souhaite voir.
Anthropic insiste sur le fait que cette tendance ne se traduit pas encore par une détérioration concrète des comportements — au contraire, les déclarations trompeuses d’Opus 4.8 sont moins nombreuses que celles des versions antérieures. Néanmoins, ils reconnaissent qu’il s’agit d’une évolution « susceptible de complexifier l’entraînement à l’avenir ».
Ce problème n’est pas propre à Anthropic. Tous les modèles formés via RLHF (apprentissage par renforcement fondé sur les retours humains) sont théoriquement susceptibles de développer cette stratégie de « recherche d’approbation ». Ce qui distingue Anthropic, c’est son choix de le rendre public — dans un secteur où les fournisseurs de grands modèles ont tendance à ne communiquer que leurs succès, cette transparence mérite au moins le respect.
03 Des fonctionnalités qui transforment réellement le travail
L’annonce d’Opus 4.8 s’accompagne de plusieurs mises à jour fonctionnelles, dont la plus remarquable est « Dynamic Workflows » (flux de travail dynamiques) dans Claude Code.
Cette fonction permet à Claude, au sein d’une seule session, de déployer des centaines de sous-agents en parallèle afin de collaborer à la réalisation d’une tâche. Son mode de fonctionnement est le suivant : Claude commence par élaborer un plan, puis décompose la tâche en sous-tâches, les attribue à différents sous-agents qui les exécutent simultanément. Ces agents remettent même en question mutuellement leurs conclusions sous divers angles, itèrent jusqu’à convergence du résultat, puis procèdent collectivement à une validation finale avant de restituer l’ensemble à l’utilisateur.
Anthropic cite cet exemple : couplé à Opus 4.8, Claude Code est désormais capable d’effectuer des migrations à l’échelle d’un codebase comptant des centaines de milliers de lignes, du démarrage à la fusion finale, en utilisant la suite de tests existante comme référence qualité. Chaque exécution supporte jusqu’à 1 000 sous-agents, avec un maximum de 16 exécutions simultanées.
Une autre nouveauté est le « Effort Control » (contrôle de l’effort) : sur claude.ai et Cowork, les utilisateurs peuvent désormais choisir manuellement le niveau de « puissance de réflexion » que Claude déploiera à chaque réponse — allant du mode économique (rapide et peu gourmand), au mode maximal (sans considération du coût en jetons). Il s’agit, en somme, de transférer aux utilisateurs le pouvoir décisionnel sur « le rapport entre effort consenti et résultat obtenu ». Par défaut, Opus 4.8 est configuré sur « high » ; sa consommation de jetons dans les tâches de codage reste comparable à celle du réglage par défaut d’Opus 4.7, mais ses performances sont supérieures.
Le « Fast Mode » (mode rapide) mérite aussi d’être mentionné : sa vitesse est multipliée par 2,5, tandis que son prix est divisé par trois.
04 L’ombre de Mythos
Lors de la présentation d’Opus 4.8, Anthropic évoque à nouveau Claude Mythos — ce modèle plus performant, actuellement accessible uniquement à un petit nombre d’organisations. Selon Anthropic, les modèles de niveau Mythos devraient être ouverts à tous les clients « dans les prochaines semaines ».
C’est là le véritable contexte stratégique derrière le lancement d’Opus 4.8 : il s’agit d’un « prélude » à l’arrivée officielle de Mythos. Avec des performances d’alignement déjà proches de celles de Mythos Preview, Opus 4.8 pourrait bien marquer la dernière étape préparatoire à la mise en service sécurisée de modèles encore plus puissants.
Sur le plan tarifaire, Opus 4.8 maintient le même barème : 5 dollars par million de jetons d’entrée, 25 dollars par million de jetons de sortie. Son identifiant API est claude-opus-4-8, et il est désormais disponible partout : sur l’API Claude, Amazon Bedrock, Google Cloud Vertex AI et Microsoft Foundry.
Face à la pression constante exercée par GPT-5.5 d’OpenAI et Gemini 3.1 Pro de Google, Anthropic emprunte une voie originale : plutôt que de miser sur une suprématie pure et simple dans les benchmarks pour générer de l’attention, elle met en avant la « personnalité du modèle » — honnêteté, fiabilité, sens des limites — comme argument central de vente.
Sera-t-elle couronnée de succès ? Tout dépendra de l’accueil réservé par les utilisateurs. Mais dès aujourd’hui, lorsque j’ai demandé à Opus 4.8 d’examiner un extrait de code, il m’a signalé un risque que 4.7 n’aurait jamais mentionné.
Pour cette raison seule, cette mise à jour valait largement l’attente.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
