Claude Sonnet 5 et GPT-5.6 : deux sorties, un même pari sur l'IA agentique

Pour une PME qui doit arbitrer entre ces options, la question n'est pas de savoir lequel des deux est "le meilleur". Elle est plus pragmatique : lequel correspond à votre usage, votre volumétrie et votre budget ? On y répond avec un tableau comparatif et notre grille de lecture terrain.

Deux lancements à dix jours d'écart, pas une coïncidence

Ce calendrier serré n'a rien d'accidentel. Anthropic et OpenAI se surveillent de très près depuis plusieurs cycles de sortie, et chaque annonce de l'un déclenche une riposte de l'autre dans les semaines qui suivent. Cette fois, l'écart s'est réduit à dix jours.

Le 30 juin, Anthropic mise sur l'agentique à moindre coût

Claude Sonnet 5 est présenté par Anthropic comme un modèle taillé pour les agents : navigation web, usage d'outils, terminal, exécution de tâches longues sans intervention humaine à chaque étape. Le positionnement est net, Anthropic parle d'un modèle qui approche les performances d'Opus 4.8, son modèle le plus puissant, pour une fraction du prix.

C'est un choix stratégique révélateur. Plutôt que de sortir un modèle plus gros et plus cher, Anthropic optimise le rapport performance/coût sur son modèle intermédiaire, celui que la majorité des entreprises utilisent réellement au quotidien.

Le 9 juillet, OpenAI réplique avec trois niveaux de prix

OpenAI ne sort pas un modèle mais une famille : GPT-5.6 Sol, Terra et Luna. Trois tarifs, trois niveaux de capacité, une seule fenêtre de contexte à 1 million de tokens sur les trois versions.

La logique est différente de celle d'Anthropic. Là où Claude Sonnet 5 propose un seul point d'entrée, GPT-5.6 segmente explicitement le marché : un modèle flagship pour les tâches complexes, un modèle de production par défaut, un modèle économique pour le volume. OpenAI transforme le choix du modèle en décision budgétaire dès le départ.

Claude Sonnet 5, ce qui change concrètement

Des performances proches d'Opus 4.8, pour beaucoup moins cher

Selon Anthropic, Claude Sonnet 5 progresse nettement par rapport à Sonnet 4.6 sur le raisonnement, l'usage d'outils, le code et les tâches de connaissance métier. Sur certains benchmarks de travail de connaissance, il dépasserait même légèrement Opus 4.8, son grand frère.

Concrètement, cela veut dire qu'une entreprise qui utilisait Opus pour ses cas d'usage les plus exigeants peut, dans bien des scénarios, redescendre sur Sonnet 5 sans perte de qualité perceptible. Et empocher la différence de coût.

Tarification et disponibilité par plan

Anthropic joue la carte de l'accessibilité immédiate. Claude Sonnet 5 est :

• Le modèle par défaut des plans Free et Pro
• Disponible sur les plans Max, Team et Enterprise
• Facturé à 2 $ par million de tokens en entrée et 10 $ en sortie en tarif de lancement, jusqu'au 31 août 2026
• Puis facturé au tarif standard de 3 $ / 15 $ par million de tokens ensuite

Ce prix de lancement temporaire mérite d'être noté : toute entreprise qui budgète un projet sur plusieurs mois doit anticiper la bascule tarifaire de fin août, pas seulement le prix affiché aujourd'hui.

GPT-5.6 Sol, Terra, Luna : la segmentation par l'usage

Trois modèles, trois budgets, trois cas d'usage

OpenAI structure GPT-5.6 en trois tiers clairement différenciés :

Ce tableau dit une chose simple : Terra, le modèle "par défaut" d'OpenAI, se positionne quasiment au même niveau tarifaire que Claude Sonnet 5 au tarif standard. La vraie bataille de prix se joue là, pas sur les modèles flagship.

Ce que la mise en cache et l'efficacité token changent pour la facture

GPT-5.6 apporte aussi un gain d'efficacité côté tokens, avec une remise pouvant aller jusqu'à 90 % sur les lectures mises en cache. Pour une PME qui envoie régulièrement les mêmes contextes (base de connaissances, prompts système, documentation produit), cette optimisation peut peser plus lourd sur la facture finale que le prix affiché par million de tokens.

C'est un point que l'on vérifie systématiquement lors de nos audits IA : le prix catalogue ne raconte jamais toute l'histoire. La structure des prompts et la fréquence de réutilisation du contexte comptent souvent davantage que le tarif brut.

Comment arbitrer entre les deux, selon notre expérience terrain

Le mauvais réflexe : choisir sur la réputation plutôt que sur l'usage

La semaine dernière, en échangeant avec un client sur la refonte de son outil interne, on a eu la question classique : "on prend quoi, Claude ou GPT ?" Notre réponse a été la même que d'habitude : ça dépend de ce que vous allez réellement faire faire au modèle.

Un modèle réputé "meilleur en code" ne sert à rien si l'essentiel de votre usage, c'est de la rédaction de réponses client ou du résumé de documents. À l'inverse, un modèle économique type Luna peut suffire largement pour de la classification ou du tri automatique, là où beaucoup d'entreprises paient encore le tarif flagship par réflexe.

Notre grille de lecture pour une PME

Avant d'arbitrer, on recommande de répondre à trois questions concrètes :

• Quelle est la criticité de la tâche ? Une tâche agentique complexe (planification, exécution multi-étapes, code de production) justifie Claude Sonnet 5 ou GPT-5.6 Sol. Une tâche répétitive et bien cadrée se contente très bien de Luna ou d'un Sonnet en tarif standard.
• Quelle est votre volumétrie mensuelle ? Sur de gros volumes, l'écart entre 6 $ et 30 $ par million de tokens en sortie se traduit vite en milliers d'euros de différence à l'échelle d'un trimestre.
• Votre usage est-il stable ou expérimental ? Si vous testez encore un cas d'usage, mieux vaut démarrer sur le modèle le moins cher qui tient la charge, quitte à monter en gamme une fois le besoin validé.

Honnêtement, il n'y a pas de réponse universelle ici. Selon notre expérience, la bonne pratique reste de benchmarker sur un échantillon réel de vos propres cas d'usage avant de signer un engagement à l'échelle. Les benchmarks publics des éditeurs donnent une tendance, jamais une garantie pour votre contexte métier.

Ce que ça annonce pour la suite

Le rythme des sorties s'accélère, et l'écart entre les deux laboratoires se resserre à chaque cycle. Ce n'est plus un marché à deux vitesses avec un leader et un suiveur : c'est une course où chaque camp ajuste sa stratégie de prix presque en temps réel.

Pour une PME, cela veut dire une chose très concrète : le modèle que vous choisissez aujourd'hui ne sera probablement plus le plus avantageux dans six mois. D'où l'intérêt de construire une architecture IA qui reste agnostique du modèle, plutôt que de figer ses outils autour d'un seul fournisseur.