Claude Fable 5 et Mythos 5 : l'avenir de l'IA est une intelligence cloisonnée

Il y a deux mois, l'histoire de Mythos chez Anthropic était simple : la classe de modèles était trop puissante pour être diffusée largement.

Désormais, Anthropic l'a tout de même diffusée, mais pas sous la forme d'un modèle unique. Au lieu de cela, l'entreprise a scindé les capacités de la classe Mythos en deux produits. Claude Fable 5 est la version grand public, avec des garde-fous concernant la cybersécurité, la biologie, la chimie et la distillation. Claude Mythos 5 est la version à accès restreint, avec certaines de ces limitations levées pour les partenaires vérifiés.

C'est cette distinction qui est la véritable histoire.

Le titre accrocheur sur les benchmarks est facile à écrire. Fable 5 et Mythos 5 dominent les lignes actuelles d'Anthropic dans BenchLM, devant Claude Opus 4.8 et le cluster des modèles de pointe GPT/Gemini. Mais le signal le plus important n'est pas qu'Anthropic a livré un Claude plus puissant. C'est qu'Anthropic a diffusé la version publique d'une classe de modèles qu'elle considérait auparavant comme trop risquée pour un accès normal.

L'avenir de l'IA de pointe n'est pas un point d'arrivée universel. C'est le routage des capacités.

Ce qu'Anthropic a réellement lancé

Anthropic a annoncé deux nouveaux modèles Claude 5 le 9 juin 2026. Claude Fable 5 est le modèle public, décrit comme un modèle de classe Mythos rendu sûr pour un usage général, avec une force particulière en génie logiciel, travail de connaissance, vision, recherche scientifique et tâches de longue durée. Il est disponible sous le nom claude-fable-5 via l'API Claude et les principaux places de marché cloud. Le prix est de 10 $ par million de jetons d'entrée et de 50 $ par million de jetons de sortie, avec une remise de 90 % sur les jetons d'entrée pour la mise en cache des instructions et un tarif 1,1x pour l'inférence aux États-Unis uniquement.

Claude Mythos 5 est le modèle restreint. Anthropic indique qu'il s'agit du même modèle sous-jacent, mais avec des garde-fous levés dans certains domaines pour les utilisateurs vérifiés. L'accès initial est limité aux partenaires du Projet Glasswing, aux collaborateurs gouvernementaux et aux futurs programmes d'accès de confiance.

La couche de sécurité de Fable a une importance pratique. Anthropic explique que certaines requêtes concernant la cybersécurité, la biologie, la chimie et la distillation de modèles sont redirigées de Fable 5 vers Claude Opus 4.8 dans certains clients Claude. Dans l'API Messages, le comportement par défaut est plus strict : les requêtes à haut risque sont bloquées à moins que le développeur ne mette en œuvre ou n'opte pour un repli. Anthropic précise également que le routage devrait concerner moins de 5 % des sessions en moyenne.

Il s'agit d'un nouveau type de version de pointe. Le produit public n'est pas seulement « le modèle ». C'est le modèle plus un classificateur, une politique de routage, un modèle de repli et un régime d'accès.

L'histoire des benchmarks

BenchLM cartographie désormais à la fois les lignes du tableau de lancement et les lignes de la fiche technique qui correspondent au schéma public. Anthropic décrit Fable et Mythos comme deux configurations d'un nouveau modèle : Mythos 5 est la configuration d'accès de confiance moins restreinte, tandis que Fable 5 est la configuration de production publique avec des garde-fous et un comportement de repli/blocage.

La lecture honnête n'est pas « Fable gagne tout, débat clos ». La lecture honnête est que le modèle de classe Mythos est désormais visiblement en tête dans les domaines où les systèmes de pointe ont encore une marge de progression : le codage à long terme, le travail terminal agentique, les connaissances pointues, l'utilisation de l'ordinateur et les tâches multimodales contextualisées.

• SWE-bench Verified : 95,5 pour Mythos 5, 95,0 pour Fable 5, proche du plafond de la pile actuelle de benchmarks de codage public.
• SWE-bench Pro : 80,3 pour Mythos 5, 80,0 pour Fable 5, plus intéressant car plus difficile et moins saturé.
• Terminal-Bench 2.1 : 88,0 pour Mythos 5, 84,3 pour Fable 5, montre l'effet des garde-fous de production.
• OSWorld-Verified : à égalité à 85,0 pour les deux modèles.
• HLE avec outils : 64,5 pour Mythos 5 (non rapporté pour Fable dans le tableau récapitulatif de la fiche technique).

Les chiffres bruts sans contexte sont la manière dont le marketing de l'IA fonctionne, donc la mise en garde a aussi sa place ici : il s'agit encore principalement de résultats publiés par Anthropic. La couverture indépendante par des tiers est mince au premier jour.

Ce qui a changé depuis l'aperçu de Mythos

En avril, l'histoire de Mythos portait sur la retenue. Anthropic disposait d'un modèle qui surpassait largement Opus 4.6 sur les benchmarks de codage et d'agents, puis a choisi de ne pas le rendre accessible au grand public. La raison n'était pas que Mythos ne fonctionnait que pour la cybersécurité ; c'était un modèle polyvalent dont les capacités en cybersécurité découlaient de compétences plus solides en codage, raisonnement et utilisation d'outils. Il n'existe pas de ligne technique nette entre la recherche de vulnérabilités défensive et offensive une fois que le modèle est suffisamment performant.

Fable 5 est la réponse d'Anthropic à ce problème. Au lieu d'attendre que chaque garde-fou soit parfait, Anthropic a divisé le déploiement. Le risque n'a pas disparu. Il a été intégré dans l'architecture du produit.

Pourquoi cela est important pour les agents

Les affirmations les plus importantes concernant Fable 5 ne portent pas sur le chat. Elles portent sur l'autonomie. La page Fable d'Anthropic positionne le modèle autour de projets de longue durée, de sessions de codage de plusieurs jours, de tests de son propre travail, de vérification des sorties visuelles, de lecture de documents et d'opérations sur de grands contextes. L'annonce de lancement utilise un exemple Stripe : Fable aurait aidé à migrer une base de code Ruby de 50 millions de lignes en environ une journée, contre une estimation interne manuelle d'environ deux mois.

C'est important car la catégorie de produit est en train de changer. Un modèle qui répond bien aux questions est un chatbot. Un modèle qui peut travailler pendant des heures, inspecter ses propres échecs, exécuter des tests, lire des captures d'écran et continuer d'avancer se rapproche d'un travailleur asynchrone. L'utilisateur cesse de superviser chaque étape et commence à examiner le travail terminé.

Ce que les benchmarks oublient : l'utilisateur devient le réviseur

Les benchmarks vous disent si le modèle peut terminer une tâche. Ils ne vous disent pas ce que le travail ressent lorsque le modèle le fait réellement. L'article d'accès anticipé d'Ethan Mollick pour One Useful Thing est utile ici. Mollick a testé Fable en dehors du domaine de la cybersécurité, en partie parce que les garde-fous publics de Fable rendent le travail sérieux en cybersécurité difficile. Sa conclusion : la relation entre l'utilisateur et le modèle change lorsque le modèle peut fonctionner longtemps, déléguer des sous-tâches et renvoyer des artefacts finis.

Un exemple : il a demandé à Fable de construire un logiciel pour calibrer les jugements humains et ceux de l'IA sur des ensembles de données de recherche désordonnés. Fable a d'abord produit un long document de conception, puis a fonctionné pendant neuf heures et demie. Le résultat, appelé Concord, n'était pas parfait, mais la portée de l'artefact livré était plus grande que ce qu'il avait vu avec des modèles précédents.

C'est le signal pour l'avenir du travail. Fable ne supprime pas le besoin d'expertise. Il change l'endroit où l'expertise est appliquée. L'expert écrit moins souvent chaque ligne ou vérifie chaque décision intermédiaire. L'expert spécifie la cible, examine l'artefact, identifie les erreurs subtiles et décide si le résultat est suffisamment bon pour être utilisé.

La principale préoccupation de Mollick : plus l'exécution est autonome, moins le processus devient visible. Fable fait des centaines de petits choix pendant que l'utilisateur ne regarde pas. La capacité agentique vous donne un levier, mais elle crée aussi une dette de révision. Si la tâche est un prototype de jeu, cela va bien. Si la tâche est une analyse financière, un triage de sécurité ou un travail de conformité, la couche de révision devient le produit.

Pourquoi cela est important pour la sécurité et la biologie

Mythos 5 est politiquement le plus important dans les domaines que la plupart des équipes ne toucheront jamais directement : la cybersécurité, la biologie et la santé. Anthropic affirme que Mythos Preview a aidé à trouver plus de 10 000 vulnérabilités critiques et de haute importance dans des logiciels importants. La page Mythos 5 présente le nouveau modèle comme étant de pointe pour la cybersécurité, la recherche en biologie et la santé, mais l'accès reste limité aux organisations vérifiées.

C'est un aveu que les modèles les plus puissants sont désormais à double usage par défaut. L'avenir de la sécurité de l'IA de pointe ne repose pas uniquement sur les refus. Il repose sur qui a accès, quels domaines déclenchent le routage, quelles organisations sont qualifiées comme utilisateurs de confiance et quel modèle de repli traite les requêtes risquées.

Ce que cela signifie pour l'avenir de l'IA

Fable 5 et Mythos 5 pointent vers cinq changements :

1. Le cloisonnement des capacités : Le modèle n'est pas le produit. L'architecture de déploiement l'est.
2. L'accès hiérarchisé : Le même modèle sous-jacent se comporte différemment selon qui l'utilise.
3. Le routage plutôt que le refus : Au lieu de bloquer complètement les requêtes risquées, certaines sont discrètement redirigées vers un modèle plus faible.
4. La saturation des benchmarks : Sur certains tests de codage, Fable et Mythos approchent du plafond, ce qui oblige à des évaluations plus difficiles.
5. La dette de révision : À mesure que les modèles deviennent plus agentiques, le rôle humain passe d'opérateur à auditeur, ce qui est en soi une compétence.