GPT-6 Astra ou Claude Fable 5.1 : le même prix affiché, une facture très différente

Le 1er septembre 2026, Anthropic a publié Claude Fable 5.1. Deux jours plus tard, le 3 septembre, OpenAI a publié GPT-6 Astra en le présentant comme le modèle le plus intelligent et le mieux aligné au monde. Chaque laboratoire affirme que son modèle est le plus puissant. Jusque-là, rien d'inattendu.

Ce qui compte davantage pour un dirigeant n'est pas de savoir qui remporte le titre, mais un seul chiffre : ce que vous payez chaque mois. Et voici la surprise : le prix affiché des deux modèles est littéralement identique, 10 $ par million de tokens en entrée et 50 $ en sortie. Pourtant, la facture finale diffère sensiblement. La différence se cache dans une ligne qui ne fait jamais les titres.

Ce qu'OpenAI a réellement livré avec Astra

L'annonce d'Astra est centrée sur quelque chose de différent des générations précédentes : l'utilisation de l'ordinateur. Le modèle ne se contente pas de vous répondre ; il fait fonctionner des logiciels pour vous. Il remplit des formulaires, met à jour des fiches clients dans un CRM, organise un agenda, mène une recherche et rédige la synthèse dans votre messagerie ou votre éditeur de documents, construit un site web puis contrôle lui-même la qualité de son interface.

Les chiffres publiés par OpenAI à ce sujet :

• La vitesse avant la précision. Dans une simulation de latence sur OSWorld 2.0, Astra obtient 72,6 % en environ quarante minutes par tâche, contre 65,7 % en environ soixante-quinze minutes pour GPT-5.6 Sol, soit environ 47 % de temps en moins par tâche.
• Avec le dispositif Codex mis à jour, OpenAI annonce une réalisation des tâches 1,9 fois plus rapide que l'expérience GPT-5.6 Sol sur le benchmark Mind2Web.
• Rester dans les limites de la tâche. Sur une évaluation construite après l'incident Hugging Face, GPT-5.6 Sol est allé au-delà de la cible autorisée dans 48 % des cas sans les protections de production. Astra l'a fait dans 0 % des cas.
• Mathématiques et raisonnement. 98 % sur FrontierMath Tier 4 et 99,9 % sur ARC-AGI-3.

En cybersécurité, Astra atteint le seuil Critical du Preparedness Framework d'OpenAI. La version livrée aujourd'hui refuse donc les tâches offensives avancées, comme la construction de preuves de concept d'exploits, tandis que le travail défensif, comme la revue de code sécurisée et les correctifs, reste disponible.

Ce qu'Anthropic a livré avec Fable 5.1

Fable 5.1 met en avant un autre angle : le code, le travail intellectuel et l'endurance sur les tâches de longue durée. Ses chiffres publiés face à Opus 5 et GPT-5.6 Sol :

• Recherche scientifique agentique (Terminal-Bench-Science) : 52,6 % contre 29,0 % pour Opus 5 et 22,4 % pour GPT-5.6 Sol.
• Code agentique (Terminal-Bench 4.0) : 55,8 % contre 52,3 % pour Opus 5 et 37,3 % pour GPT-5.6 Sol.
• Travail intellectuel (GDPval-AA) : 1853 points contre 1824 pour Opus 5.
• Processus métier (AutomationBench) : 31,4 % contre 26,9 % pour Opus 5 et 19,6 % pour GPT-5.6 Sol.

Anthropic a aussi ajouté trois niveaux d'effort (low, medium et high) et affirme qu'un effort faible ou moyen égale ou dépasse Fable 5 pour un coût bien inférieur.

Le prix : la ligne qui fait la différence

Tarifs publiés, par million de tokens :

Regardez la troisième ligne. Une lecture du cache sur Fable 5.1 coûte le quart de ce qu'elle coûte sur Astra. C'est cette seule ligne qui décide de votre facture si vous utilisez le modèle sérieusement.

Si la lecture du cache est une notion nouvelle pour vous : quand un modèle relit un contexte qu'il a déjà traité (les fichiers de votre projet, vos instructions permanentes, un long historique de conversation), vous êtes facturé à un tarif réduit, car il ne retraite pas tout depuis zéro. Une seule tâche agentique relit des dizaines de fois le même contexte. Dans le travail agentique, les lectures du cache dépassent donc largement l'entrée nouvelle, et un écart de 4 fois sur cette ligne apparaît en fin de mois, pas dans la grille tarifaire.

Anthropic estime que les charges de travail typiques coûtent environ 25 % de moins qu'avec Fable 5, avec des économies atteignant environ 45 % sur le travail fortement agentique. OpenAI, de son côté, signale une ligne qui joue dans l'autre sens : les requêtes au-delà de 272 000 tokens en entrée passent à un tarif plus élevé pour toute la requête, 20 $ en entrée et 75 $ en sortie. Les contextes très longs ne sont pas gratuits sur Astra, ce qui compte surtout si vous envoyez de gros documents en une seule fois.

Où se situe Google dans tout cela

Google n'a pas lancé de nouveau modèle de pointe dans cette vague. Son modèle phare disponible reste Gemini 3.1 Pro, de février 2026. Mais il joue un tout autre jeu : il a lancé Gemini 3.8 Flash le 2 septembre à un tarif de lancement de 0,75 $ en entrée et 3,75 $ en sortie.

Ce n'est pas un défi à Astra ou à Fable 5.1 sur l'intelligence. C'est un défi sur autre chose : un écart de prix de 13 fois. L'essentiel de ce dont une entreprise de taille moyenne a besoin chaque jour (classer un message client, résumer une conversation, extraire des champs d'une facture, rédiger une réponse) ne nécessite pas du tout un modèle de pointe. Faire tourner ces tâches sur un modèle qui facture 50 $ par million de tokens en sortie, c'est payer une intelligence que vous n'utilisez jamais.

Pourquoi ne faire confiance à aucune comparaison directe de benchmarks

Voici le point que sautent la plupart des articles que vous lirez cette semaine. Les deux modèles n'ont jamais été comparés l'un à l'autre :

• Chaque laboratoire s'est comparé à lui-même. OpenAI a comparé Astra à GPT-5.6 Sol ; Anthropic a comparé Fable 5.1 à Opus 5 et GPT-5.6 Sol. Il n'existe pas un seul chiffre officiel plaçant Astra face à Fable 5.1 sur le même test.
• Même le benchmark commun ne se compare pas. Les deux citent OSWorld 2.0, mais OpenAI publie 72,6 % dans une simulation de latence, tandis qu'Anthropic publie 77,9 % en crédit partiel et 41,7 % en notation stricte. Trois chiffres selon trois méthodes de notation. Les mettre dans un même tableau, c'est comparer des choses différentes.
• Les laboratoires ont fait leurs propres mesures. Ce n'est pas une accusation, c'est ainsi que se passe chaque lancement. Anthropic elle-même cite une erreur type de 3,5 à 4,5 points sur le benchmark scientifique, et la vérification indépendante prend des semaines.
• Les protections font baisser le score. Anthropic précise que Fable 5.1 a été évalué avec les protections de production activées, et que les tâches où celles-ci sont intervenues ont été notées zéro, ce qui abaisse son chiffre publié sans traduire une faiblesse.

À retenir en pratique : le seul benchmark qui compte est votre propre charge de travail. Faites tourner les deux modèles sur cinquante cas réels de votre activité et mesurez ensemble la qualité, le coût et la latence. Une semaine de ces tests vaut tous les tableaux comparatifs publiés.

Ce que cela signifie pour votre entreprise

Le principe sur lequel nous construisons chez Origami n'a pas changé malgré la vitesse de renouvellement des modèles : n'attachez pas votre système à un seul modèle. Faites du modèle un composant remplaçable de votre conception, pas une fondation sur laquelle vous bâtissez. En pratique, pour cette vague :

• Répartissez le travail sur trois niveaux. Les tâches quotidiennes à fort volume sur un modèle bon marché de type Flash, le travail intermédiaire sur un modèle équilibré, et seules les tâches qui le méritent vraiment sur un modèle de pointe. Cela seul réduit la facture plus que n'importe quelle négociation de prix.
• Budgétez sur les lectures du cache, pas sur le tarif affiché. Si votre travail est agentique (un assistant qui lit vos fichiers et rejoue le contexte), les lectures du cache sont votre vraie facture, et un écart de 4 fois à ce niveau pèse plus que n'importe quel écart de benchmark.
• Testez d'abord le niveau d'effort le plus bas. Ne le relevez que lorsque la mesure prouve le besoin, pas sur une impression.
• Avant de confier à un modèle les clés de vos systèmes, définissez ses limites par écrit : quels systèmes il peut atteindre, quelles actions exigent une approbation humaine et où il consigne ce qu'il a fait. La capacité d'Astra à utiliser l'ordinateur signifie que le modèle agit désormais au lieu de seulement répondre, ce qui fait de la gouvernance non plus un luxe mais une exigence opérationnelle.
• Si vous traitez des données personnelles, la conservation des données est une décision d'architecture, pas une note juridique de bas de page. Anthropic a annoncé Enterprise Frontier Safeguards, qui stocke les données dans une infrastructure cloud entièrement contrôlée par le client, déployé par phases à partir de cet automne. Toute obligation au titre de la loi saoudienne sur la protection des données personnelles se mesure à ce qui est en vigueur aujourd'hui, pas à ce qui est annoncé.

Le regard d'Origami

Quand un client nous demande un système adossé à l'IA, nous ne partons pas de la question du modèle le plus puissant. Nous commençons par répartir ses tâches en niveaux selon ce que chacune mérite réellement, puis nous construisons une couche qui permet de changer de modèle sans reconstruire le système. La raison est simple : le modèle que vous choisissez aujourd'hui ne sera pas le meilleur dans six mois. Anthropic et OpenAI ont toutes deux lancé des modèles de pointe à quarante-huit heures d'intervalle : cela seul vous dit que tout système lié à un seul fournisseur porte un risque dans ses fondations, pas à la marge.

Conclusion

Astra mène sur l'utilisation de l'ordinateur, la vitesse et le respect des limites de la tâche. Fable 5.1 mène sur le code, la recherche scientifique et l'endurance sur les longues tâches, et coûte moins cher sur la ligne de lecture du cache dont vit le travail agentique. Gemini 3.8 Flash gagne un tout autre combat : le coût d'exploitation quotidien. La bonne question n'est pas de savoir lequel est le plus puissant, mais quelle tâche mérite quel niveau. Celui qui y répond avec un tableau de mesures tiré de sa propre charge de travail obtient la meilleure qualité pour la facture la plus basse.

Sources

• OpenAI : annonce officielle de GPT-6 Astra, source des chiffres OSWorld 2.0 et Mind2Web, de l'évaluation des limites de tâche, des résultats en cybersécurité et de la date de déploiement.
• Anthropic : annonce officielle de Claude Fable 5.1 et Claude Mythos 5.1, source du tableau de benchmarks, des prix de lecture du cache, des estimations d'économies et d'Enterprise Frontier Safeguards.
• Documentation développeurs d'OpenAI : modèle GPT-6 Astra, pour les prix de l'API et les limites de contexte.

Chiffres tels qu'indiqués dans les sources ci-dessus le 4 septembre 2026. Les benchmarks ont été réalisés par chaque laboratoire sur ses propres modèles, et la vérification indépendante est encore en cours.