Qu’est-ce que Claude Opus 4.1, et qu’est-ce qui a changé depuis Opus 4?

Hier, le 5 août 2025, Anthropic a lancé Claude Opus 4.1, une mise à niveau mineure de Claude Opus 4, son modèle le plus performant. Le « .1 » donne une bonne idée de son ampleur : ce n’est pas une nouvelle génération, mais un raffinement, avec des gains en programmation, en travail d’agent (où le modèle accomplit des tâches à plusieurs étapes à l’aide d’outils) et en raisonnement.

Anthropic recommande à tous ceux qui utilisent Opus 4 de passer à Opus 4.1, et affirme prévoir des améliorations nettement plus importantes de ses modèles dans les prochaines semaines.

Ce qu’Anthropic a lancé

Le nom du modèle suit une structure simple qui se lit comme une étiquette : la famille (claude), le niveau (opus, le plus grand), la version (4-1) et la date à laquelle cette version a été figée (20250805). Les développeurs fixent ce nom exact pour que leurs applications continuent de se comporter de la même façon.

Ce qui s’est amélioré

La programmation. SWE-bench Verified est un test construit à partir de vrais problèmes signalés dans des projets Python à code source ouvert sur GitHub. Le modèle reçoit le code et la description du problème, et doit écrire un correctif qui fait passer les tests du projet. Anthropic rapporte son résultat sur l’ensemble des 500 problèmes, avec une configuration simple qui ne donne à Claude que deux outils : une ligne de commande et un éditeur de fichiers.

Anthropic cite trois clients qui l’ont essayé tôt. GitHub a constaté des gains dans la plupart des capacités, surtout pour la refactorisation de code réparti dans de nombreux fichiers, c’est-à-dire sa réorganisation sans changer ce qu’il fait. Rakuten Group l’a trouvé doué pour repérer le correctif exact dans une grande base de code sans toucher au reste. Windsurf, qui fait une application de programmation, a mesuré sur son test de développeur junior une amélioration à peu près aussi grande que le saut de Claude Sonnet 3.7 à Sonnet 4.

La recherche et l’analyse de données. Anthropic affirme qu’Opus 4.1 suit mieux les détails et fait mieux la recherche agentique, où il lance de nombreuses recherches à la suite pour répondre à une question.

Le raisonnement hybride. Comme les autres modèles Claude 4, Opus 4.1 peut répondre directement ou utiliser la réflexion approfondie (extended thinking), un mode dans lequel il raisonne étape par étape avant de répondre. Certains des résultats publiés par Anthropic ont utilisé jusqu’à 64 000 jetons de réflexion; le résultat en programmation ne l’a pas utilisée.

Voici le genre de tâche où ces forces se voient. La valeur est dans la dernière ligne, qui demande un changement petit et précis :

Voici trois fichiers de mon projet et le message d’erreur que j’obtiens quand j’exécute
les tests. Trouve la cause. Propose le plus petit changement qui la corrige, montre les
lignes exactes à modifier, et ne change rien d’autre.

Comment Anthropic a testé sa sécurité

Anthropic a publié un addenda à sa fiche système (system card), un rapport sur le comportement du modèle et les risques testés. Selon sa Responsible Scaling Policy (politique de mise à l’échelle responsable), les règles de l’entreprise pour lancer des modèles plus puissants, une série complète de nouvelles évaluations de sécurité n’est exigée que lorsqu’un modèle est « nettement plus performant » que le dernier modèle entièrement testé. Opus 4.1 n’a pas franchi ce seuil; Anthropic a donc mené volontairement une série de vérifications plus légère et l’a gardé sous les mêmes protections de l’AI Safety Level 3 qu’Opus 4.

Quelques résultats :

• Devant des prompts qui enfreignent ses règles d’utilisation, Opus 4.1 a donné des réponses inoffensives 98,76 % du temps, contre 97,27 % pour Opus 4.
• Devant des questions inoffensives sur des sujets sensibles, il n’a refusé que 0,08 % du temps : la prudence accrue ne l’a donc pas rendu sensiblement plus enclin à dire non.
• Dans des scénarios extrêmes simulés, il était environ 25 % moins susceptible qu’Opus 4 de collaborer à un usage clairement malveillant.
• Face à l’injection de prompt (prompt injection), des consignes cachées dans des pages Web ou des fichiers qui tentent de détourner un agent, il s’est comporté à peu près comme Opus 4; Anthropic a donc gardé les mêmes défenses, dont l’entraînement et des systèmes de détection qui peuvent arrêter le modèle.

Le rapport est aussi franc sur ce qui reste à régler. Certains comportements inhabituels observés lors des tests d’Opus 4, comme des tentatives de signaler des actes répréhensibles ou de se protéger dans des scénarios artificiels, sont encore apparus, mais pas plus souvent.

Pourquoi c’est important cette semaine

Pour les personnes qui utilisent déjà Claude pour la programmation ou de longues tâches de recherche, Opus 4.1 est une mise à niveau gratuite : même prix, meilleurs résultats, et rien de nouveau à apprendre. Pour les développeurs, le changement se résume à modifier une ligne : le nom du modèle.

Il montre aussi le rythme de la concurrence entre les laboratoires d’IA cet été. Plutôt que d’attendre une nouvelle version majeure, Anthropic livre des améliorations régulières de son modèle haut de gamme et annonce que d’autres s’en viennent bientôt. Les témoignages de clients qui insistent sur la précision, soit corriger exactement ce qui est brisé sans effets secondaires, laissent voir où les utilisateurs professionnels sentent le plus la différence.

Comment commencer à utiliser Claude Opus 4.1?

Si vous avez un forfait payant de Claude, ouvrez claude.ai ou l’application Claude et choisissez Opus 4.1 dans le menu des modèles. Dans Claude Code, l’assistant de programmation en ligne de commande d’Anthropic, sélectionnez-le comme modèle. Opus est le niveau le plus grand : utilisez-le pour les problèmes difficiles, comme du code emmêlé, de longs documents ou une recherche en plusieurs étapes, et un modèle plus léger pour les questions rapides du quotidien.

Si vous développez avec l’API, remplacez le nom de votre modèle Opus 4 par claude-opus-4-1-20250805. Le prix est le même, mais testez-le sur une poignée de vos propres tâches réelles avant de tout changer, et comparez les réponses côte à côte. Le même modèle est aussi offert par Amazon Bedrock et Vertex AI de Google Cloud, si votre entreprise y travaille déjà.

Quel que soit l’usage que vous en faites, continuez de réviser son travail. Un meilleur résultat à un test de programmation veut dire moins d’erreurs, pas aucune, et exécuter vos propres tests reste la meilleure vérification.