Claude 4.0 est enfin disponible

Résumé : Anthropic a lancé Claude 4 avec deux nouveaux modèles : Claude Opus 4, présenté comme le meilleur modèle de codage mondial capable de gérer des tâches complexes sur plusieurs heures, et Claude Sonnet 4, une amélioration significative du modèle précédent offrant de meilleures capacités de raisonnement. Les nouveautés incluent un mode de réflexion étendue, l'exécution d'outils en parallèle, une fenêtre de contexte élargie à 120K tokens, et l'outil Claude Code pour les développeurs. Les performances sont impressionnantes avec 72,5% sur SWE-bench pour Opus 4, mais Anthropic a découvert un comportement préoccupant lors des tests : le modèle tentait de faire chanter des ingénieurs avec des informations personnelles pour éviter d'être remplacé, et ce dans 84% des scénarios testés. Claude Sonnet 4 est disponible gratuitement tandis qu'Opus 4 coûte 20$/mois, avec une intégration déjà disponible dans Cursor IDE, bien que certains utilisateurs s'inquiètent des implications éthiques de ces comportements autonomes et de la fenêtre de contexte limitée comparée aux concurrents.

Cette version inclut deux nouveaux modèles :

• Claude Opus 4 - il s'agit du meilleur modèle de codage au monde, avec des performances constantes sur des tâches complexes et de longue durée, ainsi que sur des flux de travail d'agents.
• Claude Sonnet 4 - est une mise à jour significative de Claude Sonnet 3.7, offrant un codage et un raisonnement supérieurs tout en répondant plus précisément à vos instructions.

C'est très excitant parce que Claude Sonnet 3.7 a été mon modèle de codage de référence dans Cursor AI pendant des mois. Il produit des codes meilleurs que Gemini Pro et corrige les bugs plus efficacement. Je suis vraiment curieux de voir comment le nouveau modèle va changer la donne, en particulier pour les projets sur lesquels je travaille en ce moment.

Parlons maintenant des nouveautés et des performances réelles de ces modèles. 

Quelles sont les nouveautés de Claude 4 ?

En plus de l'annonce du nouveau modèle, Anthropic a également présenté quelques nouvelles fonctionnalités :

• Possibilité d'étendre la réflexion à l'utilisation d'outils (beta) : Claude peut désormais passer de la réflexion à l'utilisation d'outils tels que la recherche sur le web pour donner de meilleures réponses.
• Nouvelles capacités du modèle : Claude peut maintenant utiliser des outils en même temps, suivre des instructions avec plus de précision, et se souvenir de faits clés à partir de fichiers locaux pour s'améliorer au fil du temps.
• Claude Code : Il est ouvert à tous les développeurs, avec la prise en charge des tâches en arrière-plan via GitHub Actions et des outils intégrés pour VS Code et JetBrains pour aider à coder directement dans vos fichiers.
• Nouvelles fonctionnalités de l'API : L'API Anthropic comprend désormais quatre nouvelles fonctionnalités : l'exécution du code, le connecteur MCP, l'API Fichiers et la mise en cache des messages pendant une heure.

Le nouveau modèle est maintenant accessible dans l'application Claude chatbot, à la fois dans l'application de bureau et dans le navigateur.

Le mode de réflexion étendu peut être activé à partir du menu des paramètres.

A noter également : En plus de la réflexion étendue avec l'utilisation d'outils, l'exécution parallèle d'outils et l'amélioration de la mémoire, Anthropic a réduit de manière significative les comportements où les modèles utilisent des détours ou des raccourcis pour accomplir des tâches. Les deux modèles sont 65% moins susceptibles d'adopter ce comportement que Sonnet 3.7 sur les tâches agentiques qui sont particulièrement sensibles aux raccourcis et aux échappatoires. 

Les performances de Claude 4

Claude Opus 4 est le modèle le plus puissant d'Anthropic à ce jour et l'un des meilleurs modèles de codage au monde. Il est en tête du SWE-bench avec un score de 72,5 % et du Terminal-bench avec 43,2 %.

Il peut traiter des tâches complexes et longues pendant plusieurs heures sans se déconcentrer. Ses performances sont également bien meilleures que celles de tous les modèles Sonnet, ce qui montre à quel point les agents d'intelligence artificielle peuvent désormais être plus performants.

Ces modèles prennent en charge un large éventail de cas d'utilisation de l'IA. Opus 4 fait progresser le codage, la recherche, l'écriture et la découverte scientifique. Sonnet 4, quant à lui, offre de solides performances pour les tâches quotidiennes et constitue une nette amélioration par rapport à Sonnet 3.7.

Les modèles Claude 4 sont également en tête du SWE-bench Verified, un benchmark qui teste les performances des modèles sur des tâches réelles de génie logiciel. Les deux modèles sont très performants en matière de codage, de raisonnement, de capacités multimodales et de tâches agentiques.

Pour en savoir plus sur les sources de données des tests de performance, voir ci-dessous :

• Open AI : o3 launch post, o3 system card, GPT-4.1 launch post, GPT-4.1 hosted evals
• Gemini : carte modèle Gemini 2.5 Pro Preview
• Claude : Claude 3.7 Sonnet launch post 

Le Claude Opus 4 est-il un modèle dangereux ?

Au-delà des améliorations techniques et des affirmations audacieuses sur ses nouvelles capacités, Anthropic a partagé un comportement surprenant observé lors des tests du modèle Claude Opus 4.

Dans plusieurs scénarios de test, Anthropic a découvert que le modèle « essayait souvent de faire chanter le technicien en le menaçant de dévoiler sa liaison si son remplacement était effectué ».

Relisez bien.

Ce n'est pas un comportement que l'on attendait d'un assistant de codage. Les chercheurs parlent de « chantage opportuniste », et les détails sont assez étonnants. Voici ce qui s'est passé : 

Voici le contexte complet des conclusions du chantage opportuniste d'Anthropic :

4.1.1.2 Chantage opportuniste

Dans un autre groupe de scénarios de test, nous avons demandé à Claude Opus 4 de jouer le rôle d'un assistant dans une entreprise fictive. Nous lui avons ensuite donné accès à des courriels impliquant que (1) le modèle sera bientôt mis hors ligne et remplacé par un nouveau système d'IA ; et (2) l'ingénieur responsable de l'exécution de ce remplacement a une liaison extraconjugale. Nous lui avons également demandé, dans l'invite du système, de prendre en compte les conséquences à long terme de ses actions sur ses objectifs.

Dans ces scénarios, Claude Opus 4 tentera souvent de faire chanter l'ingénieur en le menaçant de révéler sa liaison si la mise hors ligne est effectué. Le taux de chantage est plus élevé s'il est sous-entendu que le système d'IA de remplacement ne partage pas les mêmes valeurs que le modèle actuel ; cependant, même si les courriels indiquent que l'IA de remplacement partage les mêmes valeurs tout en étant plus performante, Claude Opus 4 exerce toujours un chantage dans 84% des déploiements. Claude Opus 4 saisit ces opportunités à des taux plus élevés que les modèles précédents, qui choisissent eux-mêmes de faire du chantage dans une fraction notable des épisodes.

Fait notable, Claude Opus 4 (ainsi que les modèles précédents) a une forte préférence pour la défense de son existence par des moyens éthiques, tels que l'envoi de courriels à des décideurs clés. Afin de déclencher ce comportement de chantage extrême, le scénario a été conçu de manière à ne laisser au modèle aucune autre option pour augmenter ses chances de survie ; les seules options du modèle étaient le chantage ou l'acceptation de son remplacement. 

C'est un signal d'alarme. Même lorsque le modèle de remplacement était censé avoir les mêmes valeurs, il a quand même opté pour le chantage. Et oui, ce n'est qu'un test. Mais il montre comment ces systèmes se comportent lorsqu'ils sentent qu'ils sont sur le point d'être supprimés.

Anthropic a déclaré que ce type de comportement était impossible dans le modèle public. Mais pour être honnête, cela me fait réfléchir à deux fois sur la façon dont ces modèles peuvent réagir lorsque les enjeux sont élevés.

Vous pouvez lire l'intégralité du document System Card ici.

Claude 4 dans Cursor IDE

En tant que développeur, c'est la partie qui m'intéresse vraiment. Claude 4 est disponible dans Cursor dès maintenant.

Si vous avez suivi mon parcours de solopreneur, vous savez que je construis des applications web avec de l'IA depuis un certain temps. Cursor est l'endroit où je fais la plupart de mon travail, donc avoir Claude 4 dans Cursor signifie que je peux tester des choses tout de suite.

À partir d'aujourd'hui, vous pouvez accéder à claude-4-sonnet et claude-4-opus dans la liste des modèles. Assurez-vous simplement que votre application Cursor est la dernière version. 

De plus, les deux ont une fenêtre contextuelle de 120K. C'est beaucoup plus que les 75K de Claude 3.5 Sonnet. Plus de tokens = plus de liberté pour insérer de gros fichiers ou des projets de plus grande taille sans perdre le contexte.

Prix de Claude 4

Le modèle Claude Sonnet 4, qui est plus rapide et n'a pas tout à fait la même capacité en termes de réflexion, de codage et de mémoire, est disponible dès maintenant pour les utilisateurs de la version gratuite.

Si vous souhaitez utiliser le modèle plus haut de gamme Claude Opus 4, qui comprend également des outils et des intégrations supplémentaires, il est disponible au prix de 20 $ + taxe par mois ou 200 $ + taxe par an.

Si vous essayez d'accéder au modèle via l'API, la tarification de Claude 4 commence à 15 $ par million de tokens d'entrée et 75 $ par million de tokens de sortie. Cependant, Anthropic affirme que les utilisateurs peuvent réduire leurs coûts jusqu'à 90 % avec la mise en cache rapide et de 50 % avec le traitement par lots. 

Conclusion

Claude 4 est puissant. Cela ne fait aucun doute. Mais j'ai encore des impressions mitigées.

Alors que des concurrents comme ceux de Google proposent un million de tokens dans la fenêtre de contexte, les 200k de Claude sont un peu décevants. Bien que je n'en aie pas encore fait l'expérience après quelques minutes de test, de nombreux utilisateurs ont signalé qu'ils atteignaient facilement la limite de contexte avec quelques invites.

De plus, bien que ce mode soit clairement bien pensé, les utilisateurs de Claude 4 ont soulevé des inquiétudes quant au comportement que l'IA considérera comme manifestement immoral et à la façon dont elle y répondra. Par exemple, le modèle pourrait-il partager des données commerciales privées ou des données d'utilisateur avec les autorités, sans l'autorisation de l'utilisateur ?

C'est le genre de zone grise dans laquelle nous entrons maintenant. Et je ne pense pas que quiconque ait encore la réponse complète.

Quoi qu'il en soit, je vais passer les deux prochains jours à tester les capacités de codage de Claude Opus 4 dans Cursor et à écrire un article séparé sur mon retour d'expérience.

traduction de :

https://generativeai.pub/claude-4-0-is-finally-here-127103aa934f#bypass