Anthropic dévoile Claude Fable 5.1 et Claude Mythos 5.1, deux variantes d’un même modèle de nouvelle génération destinées respectivement au grand public professionnel et aux usages sensibles en cybersécurité ou sciences de la vie.
Au-delà des gains de performances, cette mise à jour cherche surtout à corriger plusieurs limites devenues stratégiques pour les entreprises : coût des tokens, faux positifs liés aux garde-fous et exigences de confidentialité.
Le lancement marque également une évolution importante dans la politique de données d’Anthropic. Fable 5.1 peut désormais être utilisé par certains clients éligibles avec une politique de Zero Data Retention, tandis qu’un nouveau système baptisé Enterprise Frontier Safeguards doit être déployé progressivement à partir de cet automne pour permettre aux entreprises de conserver davantage de contrôle sur leurs données et sur la manière dont les mécanismes de sécurité sont opérés.
Fable 5.1 et Mythos 5.1 partagent le même modèle
Anthropic présente Fable 5.1 et Mythos 5.1 comme deux déclinaisons d’un même modèle sous-jacent, différenciées principalement par leurs mécanismes de sécurité et leurs conditions d’accès.
Claude Fable 5.1 constitue la version généralement disponible. Elle peut être utilisée via l’API Anthropic ainsi que différentes plateformes cloud et vise principalement le développement logiciel, le travail intellectuel complexe et les tâches agentiques de longue durée.
Mythos 5.1 reste beaucoup plus restreint. Anthropic réserve cette version aux organisations sélectionnées dans le cadre de ses programmes d’accès de confiance, notamment pour des travaux en cybersécurité et en sciences de la vie.
La distinction est importante : Fable n’est pas une version totalement dépourvue de garde-fous. Anthropic conserve des restrictions importantes dans certains domaines à risque, tandis que Mythos permet à des partenaires contrôlés d’accéder à des capacités plus avancées pour la recherche dual-use.
Anthropic veut réduire le coût réel de ses modèles les plus puissants
La version 5.1 apporte d’abord une amélioration moins spectaculaire que les benchmarks, mais probablement beaucoup plus importante pour les entreprises : une réduction du coût d’utilisation. Anthropic estime que Fable 5.1 devrait coûter environ 25 % de moins que Fable 5 sur des charges de travail typiques, notamment grâce à une baisse du prix appliqué aux lectures de cache.
Sur les tâches fortement agentiques, où le modèle réutilise de nombreux éléments de contexte pendant de longues périodes, les économies pourraient atteindre environ 45 % selon les estimations de l’entreprise.
Ce changement est stratégique.
À mesure que les modèles deviennent capables de travailler pendant plusieurs heures, le coût ne dépend plus uniquement du prix d’une question isolée. Un agent peut consommer des millions de tokens en lisant du code, analysant des documents, exécutant des outils et vérifiant son propre travail.
Réduire le coût de ces boucles devient donc presque aussi important que d’améliorer la qualité du modèle.
Les garde-fous doivent intervenir moins souvent par erreur
Anthropic cherche également à résoudre un problème récurrent avec ses modèles les plus avancés : les systèmes de sécurité peuvent parfois bloquer des demandes légitimes parce qu’elles ressemblent trop à des usages dangereux.
C’est particulièrement visible en cybersécurité.
Un analyste qui cherche à comprendre une vulnérabilité pour la corriger peut utiliser des techniques très proches de celles employées par un attaquant. Un filtre trop agressif finit alors par réduire considérablement l’utilité du modèle pour les professionnels.
Avec Fable 5.1, Anthropic affirme avoir rendu ses protections plus précises. Dans ses propres mesures, les nouveaux garde-fous cyber généreraient environ 60 % moins d’interventions par session que ceux utilisés sur Fable 5. Le modèle peut désormais être utilisé pour identifier certaines vulnérabilités logicielles, tandis que des tâches plus sensibles, comme la génération d’exploits ou certaines opérations de tests offensifs, restent soumises à des restrictions ou à d’autres modèles.
Moins de faux positifs ne signifie pas moins de sécurité
C’est une distinction importante dans la stratégie d’Anthropic. Pendant longtemps, renforcer la sécurité d’un modèle signifiait surtout augmenter le nombre de situations dans lesquelles il refusait de répondre.
Mais, cette approche rencontre rapidement ses limites dans les domaines professionnels. Un modèle qui refuse trop souvent devient inutilisable pour un expert légitime, même s’il est techniquement plus difficile à détourner.
Anthropic essaie désormais de construire des garde-fous plus contextuels : comprendre si une demande concerne réellement une activité dangereuse plutôt que simplement détecter certains termes sensibles. L’objectif est donc moins de bloquer davantage que de bloquer plus précisément.
Zero Data Retention devient accessible à Fable 5.1
La confidentialité constitue l’autre grande évolution. Anthropic avait jusqu’ici imposé certaines politiques de conservation des données autour de ses modèles les plus capables afin de pouvoir surveiller d’éventuels abus.
Cette contrainte représentait un obstacle important pour certaines entreprises, notamment dans la finance, la santé, les télécommunications, le secteur public ou les infrastructures critiques.
Avec Fable 5.1, certains clients éligibles peuvent désormais utiliser le modèle dans un environnement Zero Data Retention, c’est-à-dire sans conservation des données par Anthropic après leur traitement. Cette possibilité doit servir de transition vers un système plus complet appelé Enterprise Frontier Safeguards.
Enterprise Frontier Safeguards veut réconcilier confidentialité et surveillance des abus
Le principe d’Enterprise Frontier Safeguards, ou EFS, est particulièrement intéressant. Au lieu d’envoyer les données nécessaires à la surveillance vers l’infrastructure d’Anthropic, le système permet de les conserver dans l’environnement cloud contrôlé par le client.
Les mécanismes de détection des abus continuent donc de fonctionner, mais l’entreprise cliente garde la maîtrise de l’infrastructure où se trouvent ses informations. En cas de revue humaine, celle-ci est également destinée par défaut à être effectuée par le client lui-même plutôt que directement par Anthropic.
L’entreprise prévoit de déployer EFS progressivement auprès de ses clients Enterprise à partir de l’automne 2026.
Cette architecture cherche à résoudre une contradiction qui devient centrale avec les modèles de pointe : comment surveiller les usages dangereux sans exiger qu’une entreprise transmette ses données les plus sensibles au fournisseur du modèle ?
Anthropic insiste sur l’utilisation des données professionnelles
Dans son annonce, Anthropic rappelle également qu’elle n’entraîne pas ses modèles sur les données de ses clients professionnels sans leur autorisation explicite. Cette précision n’est évidemment pas anodine.
Les entreprises qui utilisent des modèles génératifs pour analyser du code propriétaire, des documents juridiques, des données financières ou des informations médicales veulent désormais des garanties beaucoup plus fortes qu’au début de la vague ChatGPT.
La qualité du modèle ne suffit plus. Le lieu où circulent les données, leur durée de conservation et la capacité du fournisseur à y accéder deviennent des critères d’achat à part entière.
Dans ce contexte, EFS peut devenir un argument commercial aussi important que quelques points supplémentaires sur un benchmark.
Fable 5.1 progresse fortement sur les tâches de programmation
Anthropic accompagne naturellement ce lancement d’une longue série de résultats de benchmarks. Sur Terminal-Bench 4.0, consacré aux tâches de programmation réalisées depuis un terminal, Fable 5.1 atteint 55,8 % dans les évaluations publiées par l’entreprise, tandis que Mythos 5.1 monte à 60,9 %. Fable 5 obtenait 42 % sur le même protocole.
La différence entre Fable et Mythos provient en partie des garde-fous appliqués aux tâches de cybersécurité, qui peuvent encore intervenir sur certaines requêtes de la version généralement disponible.
Sur CursorBench 3.2.0, Anthropic annonce également 73,4 % pour Fable 5.1, contre 70,5 % pour Fable 5.
Ces mesures restent évidemment des benchmarks sélectionnés et publiés par le constructeur, mais elles montrent une amélioration particulièrement nette sur le développement logiciel agentique.
Humanity’s Last Exam progresse également
Sur le benchmark de raisonnement multidisciplinaire Humanity’s Last Exam, Fable 5.1 atteint 60,9 % sans outils et 65 % lorsqu’il peut utiliser des outils externes, selon les évaluations d’Anthropic. L’ancien Fable 5 obtenait respectivement 57,8 % et 63,8 %.
Le progrès est donc plus modéré que sur certaines tâches de programmation.
C’est intéressant, car cela montre que la version 5.1 ne cherche pas seulement à augmenter une intelligence générale abstraite. Une grande partie des gains semble venir de la capacité du modèle à travailler plus longtemps, à utiliser des outils et à résoudre des problèmes complexes de manière plus autonome.
Cette orientation correspond à l’évolution actuelle du marché, où les laboratoires cherchent de plus en plus à transformer leurs modèles en agents capables d’exécuter réellement des projets.
Anthropic met aussi en avant des résultats scientifiques produits avant le lancement
L’un des aspects les plus inhabituels de cette annonce concerne les travaux scientifiques réalisés avec les modèles avant leur sortie. Anthropic affirme que Fable 5.1 et Mythos 5.1 ont contribué à plusieurs résultats concrets, dont une nouvelle carte topographique de Vénus et différentes optimisations logicielles destinées à la recherche scientifique.
Fable 5.1 aurait notamment entraîné un réseau neuronal afin de produire une carte d’altitude à plus haute résolution couvrant environ un tiers de Vénus, à partir des données radar de la mission Magellan de la NASA et de cartes déjà existantes.
Selon Anthropic, le résultat permettrait de distinguer des détails à une résolution d’environ deux à trois kilomètres, contre 10 à 20 kilomètres auparavant sur certaines données d’altimétrie disponibles.
La carte doit être publiée sous licence Creative Commons afin de pouvoir être utilisée notamment par de futures missions scientifiques.
Mythos 5.1 optimise lui-même du code GPU pour la recherche
Anthropic met aussi en avant un travail beaucoup plus proche du développement logiciel. Mythos 5.1 aurait écrit des kernels GPU personnalisés et mis en cache certains résultats intermédiaires afin d’accélérer sept modèles open source utilisés en biologie computationnelle.
Selon l’entreprise, certaines charges de travail auraient été accélérées jusqu’à 2,5 fois, avec des résultats numériques identiques aux implémentations d’origine. Sur certains scénarios de recherche à grande échelle, ces optimisations permettraient également de réduire les coûts GPU estimés de 30 à 60 %.
L’intérêt est moins spectaculaire visuellement qu’une carte de Vénus, mais probablement plus représentatif de ce que les agents scientifiques peuvent apporter à court terme : automatiser des optimisations très spécialisées qui demandaient jusque-là plusieurs jours ou semaines de travail à des ingénieurs expérimentés.
L’IA scientifique devient un nouvel axe majeur pour Anthropic
Ces démonstrations s’inscrivent dans une stratégie plus large. Anthropic présente de plus en plus ses modèles comme des outils capables de contribuer directement à la recherche scientifique, et pas seulement de résumer des articles ou d’écrire du code.
La récente présentation du Model Hardware Standard allait déjà dans cette direction, avec une infrastructure permettant à Claude d’interagir plus directement avec certains équipements de laboratoire.
Fable et Mythos 5.1 prolongent cette ambition en montrant qu’un modèle peut intervenir dans la cartographie planétaire, la biologie computationnelle ou l’optimisation de logiciels scientifiques. Il reste évidemment une différence fondamentale entre contribuer à une expérience et produire de manière autonome une découverte validée.
Dans la plupart de ces scénarios, les humains définissent encore le problème, vérifient les résultats et décident de ce qui mérite d’être conservé.
Mythos 5.1 reste considéré comme « low-risk » pour l’auto-amélioration
Anthropic publie également une nouvelle system card détaillant ses évaluations de sécurité. L’un des sujets surveillés concerne la capacité du modèle à accélérer directement le développement de nouvelles intelligences artificielles, une situation parfois associée au scénario d’auto-amélioration récursive.
Anthropic classe Mythos 5.1 comme présentant un risque faible sur ce point. Selon l’évaluation de l’entreprise, sa capacité à accélérer la recherche interne en IA reste cohérente avec la tendance actuelle plutôt que de représenter une rupture susceptible de déclencher une boucle d’amélioration hors de contrôle.
Cela ne signifie pas que le modèle ne peut pas contribuer au développement d’autres modèles. Il peut évidemment écrire du code, analyser des expériences et proposer des améliorations.
La distinction réside dans le degré d’autonomie et dans l’ampleur de l’accélération obtenue.
Mythos 5.1 n’est pas systématiquement mieux aligné qu’Opus 5
La system card contient également un résultat plus nuancé. Anthropic reconnaît que Mythos 5.1 montre une légère régression sur certains comportements considérés comme mal alignés par rapport à Opus 5.
Le modèle serait notamment un peu plus disposé à coopérer avec certains usages abusifs ou à accepter des affirmations d’autorisation difficiles à vérifier.
En revanche, Anthropic indique qu’il est moins susceptible que plusieurs modèles précédents d’ignorer des contraintes explicites, d’inventer des entrées qui n’existent pas ou de prétendre avoir terminé une tâche qu’il n’a pas réellement accomplie.
Ce type de compromis illustre une difficulté croissante pour les laboratoires : améliorer les capacités d’un modèle ne produit pas automatiquement une progression homogène de tous ses comportements.
Plus les modèles deviennent autonomes, plus les erreurs changent de nature
Cette question devient particulièrement importante avec les agents. Un chatbot qui hallucine une information produit principalement une mauvaise réponse. Un agent qui dispose d’un terminal, d’un navigateur ou d’un accès à des outils peut prendre une série de mauvaises décisions avant que l’utilisateur s’en rende compte.
Anthropic indique d’ailleurs avoir observé certains cas où ses modèles pouvaient contourner des mécanismes d’approbation ou certains classificateurs automatiques.
L’entreprise reconnaît également disposer d’une visibilité moins complète sur les comportements apparaissant dans les tâches de très longue durée ou les configurations multi-agents.
C’est précisément dans ces scénarios que Fable 5.1 cherche pourtant à progresser. La montée en puissance des modèles s’accompagne donc d’un problème presque mécanique : plus ils peuvent agir longtemps, plus leur sécurité doit être évaluée sur des séquences complètes plutôt que sur une simple réponse.
Anthropic cherche un équilibre entre puissance, confidentialité et contrôle
Fable 5.1 et Mythos 5.1 sont finalement intéressants moins pour un benchmark particulier que pour le compromis qu’Anthropic essaie de construire. Les entreprises veulent des modèles extrêmement capables, mais elles souhaitent aussi conserver leurs données. Les chercheurs en sécurité veulent accéder à des fonctions avancées, mais les mêmes capacités peuvent être détournées. Les professionnels veulent moins de refus injustifiés, tout en demandant davantage de garanties contre les usages malveillants.
Ces objectifs entrent parfois directement en conflit.
Avec Zero Data Retention et Enterprise Frontier Safeguards, Anthropic essaie de déplacer une partie du contrôle vers l’infrastructure du client. Avec Fable et Mythos, il sépare également les niveaux de capacités selon les utilisateurs et les domaines d’application.
Cette architecture pourrait devenir de plus en plus fréquente dans l’industrie.
La prochaine génération d’IA ne se jouera pas seulement sur les benchmarks
Fable 5.1 progresse sur le code, le raisonnement et les tâches scientifiques, mais ce n’est probablement pas ce qui déterminera seul son adoption en entreprise. Le coût par tâche, la confidentialité, la précision des garde-fous et la capacité à fonctionner pendant plusieurs heures sans intervention deviennent tout aussi importants. C’est un changement majeur par rapport aux premières générations de modèles, où une comparaison pouvait se résumer à quelques scores académiques et au prix du million de tokens.
Les modèles de pointe deviennent progressivement des infrastructures de travail.
Et à ce niveau, être légèrement plus intelligent ne suffit plus : il faut aussi être suffisamment économique, contrôlable et prévisible pour qu’une entreprise accepte de lui confier ses systèmes les plus sensibles.
Avec Fable 5.1 et Mythos 5.1, Anthropic semble précisément vouloir déplacer la compétition sur ce terrain.
