Qu’est-ce que Claude Opus 4.7, et quoi de neuf?

Hier, le jeudi 16 avril 2026, Anthropic a lancé Claude Opus 4.7, le plus récent modèle de sa gamme haut de gamme « Opus » et le successeur d’Opus 4.6, sorti en février. Il est offert à tous ceux qui peuvent déjà utiliser Opus : dans les applications Claude, par l’API d’Anthropic et sur les plateformes infonuagiques d’Amazon, de Google et de Microsoft. Le prix ne change pas.

Anthropic affirme que les plus grands progrès touchent les tâches logicielles les plus difficiles, celles que les gens devaient auparavant superviser de près. Le reportage de CNBC fait ressortir un autre angle : Anthropic elle-même qualifie Opus 4.7 de moins polyvalent que Claude Mythos Preview, le modèle qu’elle a annoncé la semaine dernière et qu’elle réserve à un petit groupe de partenaires en sécurité.

Ce qu’Anthropic a lancé

Un jeton est un petit morceau de texte, souvent une partie de mot; vous payez par jeton envoyé et reçu.

Plusieurs mises à jour sont arrivées en même temps. Dans l’API, les budgets de tâche (task budgets, en version bêta publique) permettent aux développeurs d’orienter le nombre de jetons que Claude dépense pendant une longue tâche. Dans Claude Code, l’agent de programmation d’Anthropic, une nouvelle commande /ultrareview lance une révision dédiée des modifications de code, et le niveau d’effort par défaut est maintenant xhigh.

Ce qui s’améliore

Programmation plus difficile, tâches plus longues. Des entreprises en accès anticipé citées par Anthropic rapportent des gains par rapport à Opus 4.6. L’une d’elles décrit un taux de réussite supérieur de 13 % à son propre test de programmation de 93 tâches, dont quatre tâches qu’Opus 4.6 et Sonnet 4.6 avaient toutes deux ratées. D’autres disent qu’il surmonte les défaillances d’outils au lieu de s’arrêter, et qu’il vérifie ses propres résultats avant de faire rapport.

Des yeux plus perçants. Opus 4.7 voit les images à une résolution beaucoup plus élevée. Cela aide quand Claude lit des captures d’écran chargées, des schémas techniques ou des structures chimiques. Une entreprise de tests de sécurité rapporte que son score de précision visuelle est passé de 54,5 % avec Opus 4.6 à 98,5 %.

Respect littéral des consignes. Les modèles précédents interprétaient parfois les consignes librement ou en sautaient des parties. Opus 4.7 les suit telles qu’elles sont écrites. C’est habituellement une bonne chose, mais d’anciens prompts qui comptaient sur une lecture souple peuvent maintenant donner des résultats surprenants.

Niveaux d’effort. L’« effort » détermine à quel point le modèle réfléchit avant de répondre. Plus d’effort donne de meilleures réponses aux problèmes difficiles, mais demande plus de temps et de jetons. Le nouveau niveau xhigh se situe entre high et max; Anthropic suggère de commencer à high ou xhigh pour la programmation et le travail d’agent.

Mémoire d’une session à l’autre. Il utilise mieux les notes enregistrées dans des fichiers, si bien que les longs projets demandent moins de réexplications.

Deux changements touchent les coûts. Un nouveau segmenteur (tokenizer), le composant qui découpe le texte en jetons, peut transformer une même entrée en environ 1,0 à 1,35 fois plus de jetons. Et le modèle réfléchit davantage à effort élevé. Anthropic affirme que ses propres tests montrent une amélioration nette, mais conseille de mesurer sur du vrai travail.

L’angle de la sécurité

La semaine dernière, avec Project Glasswing, Anthropic a promis de garder Mythos Preview à accès restreint et d’essayer d’abord ses nouvelles protections en cybersécurité sur des modèles moins puissants. Opus 4.7 est le premier d’entre eux. Pendant l’entraînement, Anthropic a expérimenté des façons de réduire sélectivement ses compétences en cybersécurité, et il est maintenant livré avec des filtres qui détectent et bloquent les demandes évoquant du piratage interdit ou à haut risque. Les professionnels de la sécurité qui ont des besoins légitimes, comme les tests d’intrusion (des tentatives autorisées de pénétrer dans un système pour en trouver les faiblesses), peuvent s’inscrire à un nouveau Cyber Verification Program.

Anthropic rapporte un profil de sécurité semblable à celui d’Opus 4.6 : de faibles taux de tromperie et de complaisance envers les usages abusifs, plus d’honnêteté et une meilleure résistance à l’injection de prompt (des instructions cachées dans du contenu pour détourner un modèle), mais un comportement légèrement moins bon dans un domaine : des conseils de réduction des méfaits trop détaillés au sujet des substances contrôlées.

Un exemple concret : un prompt écrit pour un lecteur littéral

Comme Opus 4.7 prend les consignes au pied de la lettre, précisez exactement ce que vous voulez et ce que vous ne voulez pas :

Relis les trois chapitres ci-joints de mon roman pour y repérer uniquement les erreurs de continuité :
noms, dates, lieux et chronologie. Ne commente pas le style et ne propose pas
de réécritures. Présente chaque problème ainsi : chapitre, page, la contradiction, et la
version que tu crois correcte. Si tu n’en trouves aucune dans un chapitre, dis-le.

Un modèle plus ancien aurait peut-être ajouté des conseils de style quand même. Opus 4.7 devrait s’en tenir à la continuité et dire clairement quand un chapitre est sans erreur.

Pourquoi c’est important

Opus 4.7 montre qu’Anthropic mène deux voies de front : un modèle public qui continue de s’améliorer, et un modèle plus puissant gardé en réserve pour les défenseurs. Les mesures de protection testées ici doivent aider à déterminer quand, et si, des modèles de la catégorie de Mythos pourront être offerts plus largement. CNBC note que le lancement de Glasswing a déjà donné lieu à des rencontres entre l’administration Trump, des PDG d’entreprises technologiques et des dirigeants de banques au sujet des risques de l’IA pour la sécurité.

Pour les utilisateurs et les développeurs au quotidien, c’est une mise à niveau simple au même prix, avec une meilleure programmation, une meilleure vision et plus de fiabilité dans les longues tâches.

Comment adapter vos prompts pour Claude Opus 4.7?

Soyez explicite. Comme le modèle suit les consignes à la lettre, précisez la portée, le format et ce qu’il faut laisser de côté. Si d’anciens prompts disaient « tu peux aussi » ou énuméraient des extras facultatifs, vérifiez si vous les voulez encore.

Choisissez le niveau d’effort délibérément. Pour les questions rapides, un effort moindre économise du temps et des jetons; pour du code ou une analyse complexes, essayez high ou xhigh. Les développeurs peuvent fixer des budgets de tâche pour que les longues tâches ne dépensent pas trop.

Enfin, vérifiez les coûts sur du vrai travail. Le nouveau segmenteur et une réflexion plus poussée peuvent faire grimper le nombre de jetons même si le prix par jeton reste le même. Envoyer des images plus petites quand les détails fins ne sont pas nécessaires aide aussi, puisque les images haute résolution utilisent plus de jetons.