Avis sur Claude Sonnet 5.5, rapide et des performances proches d’Opus

Nous avons testé Claude Sonnet 5.5, le nouveau modèle intermédiaire d’Anthropic lancé le 28 septembre 2026. Il vise les développeurs, les équipes produit et les créateurs d’agents autonomes qui veulent de la puissance sans payer le prix d’un flagship. Sa promesse : des performances proches d’Opus 5.5 pour un tarif facial inchangé, à condition de surveiller le coût réel par tâche. Le match Kimi K2.7 vs Claude mérite le détour.

---

Un milieu de gamme qui emprunte aux flagships

Cette génération Claude 5.5 bouscule la hiérarchie habituelle entre modèles intermédiaires et modèles vitrine. Sonnet 5.5 arrive en deuxième position dans la famille, juste après Opus 5.5, et reprend l’essentiel de son architecture contextuelle.

Positionnement et public cible

Anthropic présente Sonnet 5.5 comme le remplaçant direct de Sonnet 5, sans hausse du prix facial. Le modèle vise les flux de production où la fiabilité, la vitesse et la capacité à enchaîner des outils comptent davantage que les démonstrations théoriques. Il cible les pipelines d’ingénierie logicielle, les agents qui travaillent en boucle et les tâches documentaires longues et structurées. Dans un pipeline automatisé, ScrapeGraphAI et ses limites prend en charge l’étape de collecte portée par un LLM.

Sur l’Artificial Analysis Intelligence Index, il obtient 56 points, 3e sur 216 modèles, juste derrière Opus 5.5 à 58. L’écart avec Sonnet 5, noté 38, montre l’ampleur du saut générationnel. Pour une équipe qui lance des centaines d’appels par jour, cette différence modifie directement le calcul économique.

Fenêtre de contexte et fiche technique

La fiche technique place Sonnet 5.5 au niveau du haut de gamme. Il accepte 1 000 000 tokens en entrée et génère jusqu’à 128 000 tokens en sortie standard, avec une extension à 300 000 tokens via Message Batches en mode asynchrone et avec en-tête bêta. Le tokenizer reste identique à celui de Sonnet 5, ce qui conserve la même comptabilité des tokens lors d’une migration.

La date de coupure des connaissances est fixée à juin 2026, couvrant les frameworks et bibliothèques récents. Le modèle gère nativement le texte et la vision haute résolution. Sa vision spatiale améliorée lui permet d’interpréter des interfaces et même de terminer le jeu Pokémon Red à partir de simples captures d’écran.

Disponibilité cloud et intégration

L’identifiant officiel est claude-sonnet-5-5 sur Claude Platform, Google Cloud et Microsoft Foundry, et anthropic.claude-sonnet-5-5 sur Amazon Bedrock. Cette disponibilité multicloud permet de l’intégrer aux environnements existants sans tout reconstruire. Le modèle devient aussi le choix par défaut de l’offre gratuite sur claude.ai et il est disponible immédiatement dans GitHub Copilot, Visual Studio Code, Visual Studio et Copilot CLI. Exemple à l’appui : un premier projet Jev montre le chemin.

La mise en cache des prompts (prompt caching) fait une nette différence : 0,17 € par million de tokens lus, contre 2,13 € pour écriture 5 minutes et 3,40 € pour écriture 1 heure. En production, elle réduit la facture des conversations longues et des boucles d’agents qui réutilisent le même contexte à chaque tour.

Performances mesurées et comportement en production

Les chiffres placent Sonnet 5.5 très haut sur le code et les tâches métier, avec une régularité confirmée par les benchmarks indépendants. Le progrès ne vient pas seulement de la puissance brute, mais aussi de sa manière d’enchaîner les étapes.

Le bond sur le code agentique

Sur Terminal-Bench 4.0, le benchmark de programmation en ligne de commande, Sonnet 5.5 atteint 70,6 % selon Anthropic à effort maximal, contre 10,3 % pour Sonnet 5 et 66,4 % pour Opus 5.5. La mesure indépendante d’Artificial Analysis confirme cette hiérarchie avec 64 % pour Sonnet 5.5 contre 60 % pour Opus 5.5 et GPT-6 Astra en mode xhigh.

Le modèle confirme sur les autres épreuves d’ingénierie : 55,5 % sur CursorBench 4.0 contre 34,1 % pour Sonnet 5 et 57,8 % pour Opus 5.5, ainsi que 81,3 % sur SWE-Bench Pro et 80,1 % sur OSWorld 2.1 contre 57,0 % pour Sonnet 5. Ces scores montrent qu’il sait modifier du code réel, naviguer dans un système d’exploitation et livrer des correctifs applicables.

Sonnet 5.5 supprime la verbosité artificielle et livre des synthèses concises directement exploitables en production.
— Note interne d’évaluation partagée par l’équipe d’Anthropic lors des tests préliminaires

Sur le travail de connaissances métier GDPval-AA v2.1, il obtient un score Elo de 1844, contre 1846 pour Opus 5.5 et 1449 pour Sonnet 5. Deux points seulement le séparent du flagship sur les tâches professionnelles cadrées. Son expression gagne aussi en clarté : le modèle remplit moins et produit des réponses plus sobres, plus faciles à utiliser.

Vitesse d’inférence et latence perçue

Anthropic annonce une génération plus de 30 % plus rapide que Sonnet 5. Les relevés tiers mesurent un débit maximal de 141,9 tokens par seconde à effort max et 106,7 tokens par seconde à effort medium. Le temps avant le premier token (TTFT) descend à 0,92 seconde en effort low, ce qui rend les interfaces d’agent plus réactives.

Cette vitesse compte autant que le score brut. Un agent qui boucle 20 fois dans une CI/CD gagne plusieurs minutes si chaque tour répond plus vite. Côté utilisateur, on quitte l’attente hachée pour une interaction qui paraît continue.

L’Adaptive Thinking et ses paliers d’effort

Le raisonnement adaptatif est activé par défaut sur toutes les requêtes. Il ajuste automatiquement la profondeur de réflexion à la complexité détectée. Le paramètre output_config.effort propose cinq paliers : low, medium, high, xhigh et max.

Par défaut, l’API Claude utilise effort high, tandis que les applications Claude et Claude Code utilisent effort medium. Les tokens générés pendant la réflexion interne restent invisibles à l’affichage, mais ils sont entièrement facturés en sortie. Monter trop haut n’améliore pas systématiquement la réponse : cela rallonge surtout la réflexion et la facture.

Le tarif facial ne raconte pas le coût réel par tâche

La grille publique reste inchangée : 1,70 € par million de tokens en entrée et 8,50 € par million en sortie. Elle masque pourtant le point central : selon le palier choisi, le volume de tokens de raisonnement peut varier du simple au centuple.

Jusqu’à 30 % d’économie ou facture multipliée

À effort bas ou intermédiaire, le modèle consomme moins de tokens pour atteindre le même résultat. Anthropic annonce jusqu’à 30 % d’économie par tâche dans ces réglages, un gain confirmé par les mesures indépendantes. À low effort, le coût moyen observé sur l’Intelligence Index tombe à 0,35 € par tâche.

À max effort, la consommation peut grimper jusqu’à 193 000 tokens de sortie par tâche complexe. La facture atteint alors 6,46 € par tâche pour Sonnet 5.5, contre 5,08 € pour Opus 5.5 et 0,90 € pour GPT-6 Sol dans les mêmes conditions extrêmes. Le modèle intermédiaire coûte alors plus cher que le flagship si on le pousse au maximum sans contrôle.

Le palier high, réglage par défaut de l’API, donne un point d’équilibre : environ 0,92 € par tâche pour un score d’intelligence de 47. C’est le réglage qui ressemble le plus à un usage de production.

Comment amortir en production

Un tour d’agent de codage typique, avec 50 000 tokens en cache, 10 000 en entrée et 4 000 en sortie, coûte environ 0,06 € sur Sonnet 5.5 grâce au cache. Le gain est considérable dans les boucles où le contexte se répète. L’API Batch, qui traite les requêtes en différé, ajoute une remise de 50 % sur l’ensemble des volumes.

La règle est simple : réservez low et medium au volume et aux interactions rapides, gardez high pour l’ingénierie exigeante, et activez max seulement avec un budget dédié et un suivi précis des quotas. Sans ce contrôle, le coût par tâche grimpe sans bénéfice qualitatif assuré.

Effet du cache et du mode différé

Le cache et le batch ne relèvent pas du détail technique. Ils rendent le coût d’un usage intensif plus prévisible. Pour une équipe dont les agents tournent toute la journée, ils peuvent ramener le coût réel sous le dollar par tâche, soit moins de 0,85 €, tout en conservant une qualité proche du haut de gamme.

Comparatifs, sécurité et points d’attention pour migrer

Sonnet 5.5 n’évolue pas seul. Son intérêt se mesure face à Opus 5.5 dans la même famille et face à GPT-6 Sol chez OpenAI, avec des compromis clairs selon le type de tâche.

Face à Claude Opus 5.5 et GPT-6 Sol

Face à Opus 5.5, Sonnet 5.5 divise par deux le prix facial au token tout en égalant ou dépassant le flagship sur le code en ligne de commande. Il reste toutefois derrière sur les tâches ouvertes qui demandent un jugement nuancé et une planification stratégique sur plusieurs jours. L’usage recommandé consiste à les associer : Opus 5.5 planifie en mode opusplan, Sonnet 5.5 exécute.

Face à GPT-6 Sol, Sonnet 5.5 domine la plupart des épreuves structurées : 52,1 % sur FrontierCode 1.1 contre 49,3 % pour GPT-6 Sol et 54,4 % pour Opus 5.5, ainsi qu’un score global d’intelligence de 56 contre 48 pour GPT-6 Sol sur Artificial Analysis. Les courbes de coûts se croisent autour de 0,90 € par tâche : Sonnet 5.5 en high et GPT-6 Sol en max atteignent alors un niveau comparable. Sous ce seuil, GPT-6 Sol en medium, à 0,21 € par tâche, reste plus économique.

Au-delà de 0,85 euro par tâche, Sonnet 5.5 progresse là où GPT-6 Sol plafonne.

Pour les requêtes peu coûteuses et très nombreuses, GPT-6 Sol garde donc un avantage. Quand l’exigence augmente et que le budget par tâche dépasse 0,85 €, Sonnet 5.5 prend l’avantage et conserve une marge de progression.

Garde-fous cyber et conformité européenne

Sonnet 5.5 est le premier modèle Sonnet à intégrer des protections cyber de niveau frontière. Lorsqu’une requête présente un risque, le système bascule automatiquement et de façon transparente vers Sonnet 5, dans environ 0,1 % des tâches sensibles selon les tests. De nouveaux classifieurs empêchent aussi l’extraction des traces de raisonnement afin d’éviter les fuites d’identifiants.

Ces mesures répondent aux exigences de l’article 55 de l’EU AI Act sur les modèles à risque systémique. Pour une entreprise européenne, la conformité conditionne le déploiement : ce n’est pas un supplément.

Changements d’API à anticiper

La migration depuis Sonnet 5 demande une revue du code d’appel. L’option thinking: {type: disabled} renvoie désormais une erreur 400 et doit être remplacée par thinking: {type: between_tools} pour limiter la réflexion à l’usage des outils. L’attribution manuelle de budgets fixes via budget_tokens renvoie elle aussi une erreur 400. Il faut désormais passer par le paramètre output_config.effort.

Les blocs de pensée générés restent strictement liés au compte, à la conversation et au modèle qui les a produits. Impossible de les réinjecter ailleurs. Les équipes doivent vérifier leurs scripts, leurs SDK et leurs orchestrateurs d’agents pour corriger ces ruptures. Sans mise à jour, les pipelines échouent dès le premier appel.

Pour qui et pour quels usages

Sonnet 5.5 convient par défaut aux agents de codage autonomes, aux pipelines CI/CD et à la génération de documents professionnels longs où la rigueur compte. À réglage maîtrisé, il offre plus de 30 % de vitesse et jusqu’à 30 % d’économie par tâche, sans changement du tarif facial.

Gardez Opus 5.5 pour les arbitrages critiques, l’architecture logicielle de longue durée et les décisions où la nuance compte davantage que la vitesse. Pour le reste, la migration depuis Sonnet 5 apporte un gain immédiat, à condition de régler l’effort, d’activer le cache et d’utiliser le mode batch lorsque c’est possible.

Mon avis sur Claude Sonnet 5.5

Claude Sonnet 5.5 impressionne par sa capacité à tenir de longs contextes, corriger du code réel et piloter des agents avec une latence faible. Dans nos tests, il se rapproche d’Opus 5.5 sur les tâches structurées tout en restant plus abordable sur le papier, mais son avantage économique n’est réel que si l’effort, le cache de prompts et le batch sont finement pilotés, faute de quoi le coût par tâche grimpe très vite.