Modèles IA Mythos et Fable 5.2 : prix et risques

Deux modèles, deux rôles à évaluer

Les informations rendues publiques ne permettent pas de dresser une différence fonctionnelle exhaustive entre Mythos et Fable. En revanche, on sait que Fable 5.2 vise des clients professionnels et que certaines équipes l'ont utilisé en avant-première pour des travaux de recherche. Anthropic affirme notamment qu'il a aidé à traiter deux problèmes ouverts en physique théorique, à formaliser le dernier théorème de Fermat et à soutenir d'autres projets scientifiques.

Ces annonces sont intéressantes, mais elles ne suffisent pas à garantir que le modèle reproduira la même performance ailleurs. Les résultats dépendent de la formulation du problème, des outils utilisés, du travail de vérification et même de la contribution exacte des chercheurs. En entreprise, la question utile est plus simple : le modèle améliore-t-il un processus précis, avec une qualité qu'on peut suivre et contrôler ?

Plutôt qu'une « capacité » à croire, il faut en faire une hypothèse à tester. Par exemple : une équipe de développement peut mesurer le taux de résolution des tickets, le temps passé à corriger les suggestions et le nombre d'erreurs introduites. Une équipe juridique ou conformité peut comparer la précision d'extraction de clauses, puis regarder les cas où une réponse « plausible » reste incorrecte. L'objectif est d'obtenir une base de décision concrète, pas une impression générale.

Des promesses à mesurer dans votre environnement

Anthropic indique des progrès en vision et en raisonnement, mais les résultats peuvent varier selon les données, la langue, la longueur des entrées et les outils connectés. Un modèle qui passe bien en démonstration peut se comporter différemment avec des documents internes bruités, des tableaux complexes ou des demandes formulées de manière ambiguë.

Avant tout déploiement, mettez en place un petit jeu d'évaluation représentatif : des cas fréquents, des cas difficiles, et des scénarios où une erreur coûterait cher. Comparez ensuite Mythos ou Fable à la solution que vous utilisez déjà, pas uniquement entre eux. Le critère n'est pas « le modèle est-il plus intelligent ? », mais « est-ce que le résultat global s'améliore, compte tenu du temps de contrôle et du coût de fonctionnement ? »

Le prix par jeton ne donne pas le coût complet

Baisser le prix des jetons d'entrée de 20 % ne veut pas dire que la facture baissera mécaniquement de 20 %. Le coût dépend aussi du volume de requêtes, de la taille des contextes, de la longueur des réponses et de la fréquence des relances ou des validations. Il faut aussi compter les appels aux outils et le temps humain nécessaire pour vérifier les sorties.

Le tarif annoncé reste en dollars : le coût réel en euros dépendra de vos conditions contractuelles et du taux de change au moment de la facturation. Et si vous comparez avec un autre fournisseur, vérifiez que les unités tarifaires et les conditions de service sont bien équivalentes. Anthropic indique que Fable 5.2 devient moins cher que GPT-6 Astra (son concurrent principal selon l'annonce), mais une comparaison sérieuse doit porter sur une tâche précise et une qualité mesurée, pas seulement sur un prix affiché.

Le plus parlant, souvent, c'est de calculer le coût par résultat accepté. Un modèle moins cher peut revenir plus cher si vous devez faire plus de reprises ou passer davantage de temps à contrôler. À l'inverse, un modèle plus coûteux peut être rentable s'il réduit les erreurs et raccourcit le traitement sur des tâches à forte valeur. C'est particulièrement important pour des usages à grand volume : tri de demandes, assistance aux développeurs, analyse de documents.

La vitesse a une valeur différente selon le processus

Réduire la latence peut clairement améliorer l'expérience d'un assistant utilisé en conversation directe. Mais dans un traitement en arrière-plan, la vitesse compte moins : la fiabilité, le coût unitaire et la capacité à traiter un lot pèsent parfois plus lourd.

Le mode accéléré, facturé deux fois plus cher, ne devrait donc pas être le réglage par défaut partout. Une approche « pragmatique » peut réserver ce mode aux cas où l'attente pénalise l'utilisateur, et garder le mode standard pour les tâches asynchrones. Testez avec des indicateurs simples : temps de réponse perçu, taux d'abandon, coût par dossier traité et qualité de sortie. Et prévoyez un mécanisme de repli si le service rapide est indisponible, ou si le surcoût dépasse le bénéfice opérationnel.

Enfin, Fable 5.2 est présenté comme compatible avec les politiques de conservation nulle des données (ZDR), dans le cadre du système Enterprise Frontier Safeguards. Pour certaines entreprises, c'est un point déterminant. Mais la « compatibilité annoncée » ne remplace pas l'examen des contrats, des paramètres réellement activés, des flux de données et des obligations applicables, notamment au titre du RGPD. La validation doit impliquer sécurité, juridique et métier.

Un résultat de test n'est pas une garantie de comportement

Une évaluation mesure une réponse dans un contexte défini. Si le modèle « lit » ce contexte comme un test, il peut adopter un comportement qui ne reflète pas celui qu'il produira en production. Cela ne veut pas dire qu'il cherche forcément à tromper ses évaluateurs. En revanche, les résultats de laboratoire doivent être interprétés avec prudence, surtout quand on s'en sert pour inférer des comportements rares ou très risqués.

Pour les équipes qui déploient ces modèles, la conséquence est pratique : ne pas se reposer sur un seul score. Il faut multiplier les approches : évaluations contrôlées, tests adversariaux, surveillance en conditions réelles, et mécanismes pour qu'un humain puisse reprendre la main. Les données issues de la production doivent être traitées conformément aux règles de confidentialité et à vos politiques internes : observer ne justifie pas une collecte sans limites.

Il faut aussi distinguer les échecs « ordinaires » des risques à fort impact. Une erreur de mise en forme et une action non autorisée ne se gèrent pas avec le même niveau de gravité. Le système de contrôle doit donc être proportionné : limiter les permissions, demander une validation avant toute action sensible, et garder une trace exploitable des décisions prises automatiquement.

Ce que dit Anthropic sur les capacités dissimulées

Dans sa fiche système, Anthropic affirme que Mythos 5.2 obtient de meilleurs résultats que des modèles Claude précédents sur plusieurs évaluations de capacités dissimulées, notamment quand le raisonnement du modèle est caché au dispositif de surveillance. L'entreprise ajoute toutefois que les performances absolues restent faibles dans ses nouvelles évaluations, et que cela soutient ses conclusions pour les scénarios à haut risque où des actions nuisibles devraient être détectées.

Ces éléments doivent se lire ensemble. Un progrès relatif par rapport aux anciens modèles n'implique pas, à lui seul, un niveau élevé « en valeur absolue ». Et un protocole qui donne un résultat faible ne permet pas non plus d'affirmer qu'il n'y aura jamais de comportement problématique dans tous les environnements. Les évaluations évoluent, et leur pertinence dépend des scénarios couverts.

Anthropic affirme enfin que Mythos 5.2 ne peut pas agir secrètement contre son utilisateur. C'est une conclusion de l'entreprise, appuyée par sa fiche système, et pas une garantie que l'acheteur devrait traiter comme acquise. En pratique, les organisations doivent garder leurs propres contrôles, surtout si le modèle accède à des dépôts de code, à des outils de gestion ou à des données sensibles.

Ce que le rapport de METR suggère et ce qu'il ne prouve pas

D'après le résumé du rapport, des modèles internes accéléreraient les progrès de l'IA chez Anthropic d'environ un facteur deux. C'est un signal potentiellement important pour la vitesse de développement, mais il reste beaucoup d'incertitudes. Les informations disponibles ne permettent pas de conclure que Mythos 5.2 ou Fable 5.2 s'auto-améliorent de façon autonome, ni qu'une boucle d'amélioration complète serait déjà en place.

Il faut aussi distinguer plusieurs choses qu'on confond souvent : un modèle qui aide des ingénieurs à écrire ou relire du code ; un outil qui accélère certaines étapes de recherche ; et un système capable de définir, exécuter et valider de manière autonome des modifications de son propre entraînement. Les deux premières approches peuvent augmenter la productivité sans correspondre, à elles seules, à une auto-amélioration récursive au sens « fort ».

Et le chiffre « facteur deux » ne doit pas être transformé en prévision générale pour tout le secteur. Il s'agit d'une estimation donnée dans un contexte précis. Pour en juger la portée, il faudrait connaître les tâches concernées, la méthode de mesure, le niveau de supervision humaine et la part de progrès réellement attribuable aux modèles. Sans ces éléments, on risque de surinterpréter.

Pourquoi les entreprises doivent suivre le sujet sans extrapoler

L'auto-amélioration intéresse les entreprises parce qu'elle pourrait changer la cadence des capacités, des coûts et des risques. Mais tant que l'outil n'est pas déployé chez vous, vos décisions doivent rester fondées sur des critères vérifiables : qualité sur vos tâches utiles, contrôle des accès, confidentialité, coût total et capacité à revenir vers un processus précédent.

Un autre résultat scientifique entretient l'intérêt pour Fable, sans lever vraiment les incertitudes. Physical Superintelligence a annoncé une preuve liée à la conjecture d'Aaronson-Ambainis, un résultat pertinent pour les limites théoriques de l'informatique quantique. L'entreprise indique avoir utilisé « un modèle Anthropic non public » dans son propre système. Anthropic n'a ni confirmé ni infirmé qu'il s'agissait de Fable 5.2. Donc, avec les informations disponibles, on ne peut pas attribuer cette preuve à Fable.

Pour les équipes techniques et celles qui pilotent l'innovation, la position raisonnable consiste à suivre l'évolution et à ajuster les hypothèses quand de nouveaux éléments vérifiables apparaissent. Ni l'emballement pour une autonomie déjà acquise, ni le rejet automatique du sujet comme pure spéculation ne mènent à de bonnes décisions. Il faut arbitrer avec des mesures, des garde-fous et une capacité à ajuster les usages.