La famille de modèles Claude : opus, sonnet, haiku et quand utiliser chacun
Choisir le mauvais niveau de Claude est la façon la plus courante de brbrLe pourcentage de visiteurs qui repartent après avoir vu une seule page, souvent le signe d'une pertinence insuffisante, d'un décalage d'intention ou d'une expérience utilisateur faible.Voir la définition complète →ûler de l'argent ou de livrer quelque chose de lent et de bête. Anthropic propose trois familles de modèles, et ce qui les distingue est un arbitrage délibéré entre capacité brute, latence et coût. Votre travail en tant que builder est d'orienter chaque tâche vers le niveau le moins cher qui atteint encore le seuil de qualité.
En bref : Opus pour le raisonnement le plus difficile et les longs travaux agentiques, Sonnet pour l'équilibre quotidien entre intelligence et rapidité, et Haiku pour les tâches à fort volume et sensibles à la latence, où il vous faut une réponse en un clin d'œil.
Les trois niveaux, par fonction et non par ego
Voyez les familles comme des rôles dans une équipe, pas comme un classement.
Haiku est votre répondeur rapide. C'est l'option la moins chère et à plus faible latence, conçue pour la classification, l'extraction, le routage, les résumés courts et la boucle interne des pipelines qui tournent des milliers de fois. Quand la tâche est bien délimitée et que le budget par appel est serré, Haiku est le choix par défaut.
Sonnet est le cheval de trait. Il absorbe l'essentiel du trafic de production : rédaction, code, raisonnement en plusieurs étapes, tool use et analyse de documents. Il est plus puissant que Haiku tout en restant assez rapide et abordable pour tourner à grande échelle. Si vous ne savez pas par où commencer, commencez ici.
Opus est le penseur de fond. Sortez-le pour les problèmes difficiles : refactorings importants sur de nombreux fichiers, synthèse de recherche approfondie, workflows agentiques où une étape intermédiaire erronée se répercute sur la suite, et tout cas où le coût d'une mauvaise réponse dépasse de loin le coût de l'appel.
Les numéros de version évoluent. Au moment de la rédaction, la génération actuelle est Opus 4.6, Sonnet 4.6 et Haiku 4.5, et cela changera encore. Récupérez les identifiants et capacités actuels des modèles dans la présentation des modèles de la documentation au lieu de les coder en dur de mémoire. Les familles sont le concept stable. C'est le suffixe de version qui change.
Un exemple concret de routage
Vous construisez un outil de support avec deux tâches très différentes.
Tâche A : étiqueter les tickets entrants par catégorie et par urgence. Elle s'exécute sur chaque ticket, toute la journée, et doit être rapide et peu coûteuse. L'espace de décision est réduit et le prompt est identique à chaque fois. C'est un cas d'école pour Haiku.
from anthropic import Anthropic
client = Anthropic()
def classify_ticket(text: str) -> str:
resp = client.messages.create(
model="claude-haiku-4-5",
max_tokens=20,
system="Classify the ticket. Reply with exactly one of: BILLING, BUG, FEATURE, OTHER.",
messages=[{"role": "user", "content": text}],
)
return resp.content[0].text.strip()
print(classify_ticket("I was charged twice this month"))Notez le max_tokens serré et la sortie contrainte. Sur une tâche de classification, vous payez pour une étiquette. Vous ne payez pas pour qu'un modèle réfléchisse à voix haute.
Tâche B : un agent qui résout un bug complexe en lisant un repo multi-fichiers, en reproduisant le problème et en proposant un patch. C'est une tâche longue, en plusieurs étapes, et une mauvaise décision au début gâche toute l'exécution. C'est le terrain d'Opus, ou d'un Sonnet solide si le budget est serré et la codebase petite. L'appel prend ici une autre forme : un budget de tokenstokensUn token est l'unité de base de texte que traitent les modèles de langage : le plus souvent un fragment de mot, un mot entier ou un signe de ponctuation, plutôt qu'un simple caractère.Voir la définition complète → élevé, l'accès aux outils et le thinking activé avec un niveau d'effort élevé.
Nous verrons ces réglages juste après.
La grande fenêtre de contexte change votre façon de prompter
Les modèles Claude disposent d'une grande fenêtre de contexte. Les niveaux standard gèrent environ 200 000 tokens, et les modèles Opus et Sonnet actuels proposent une fenêtre d'un million de tokens dans certaines configurations. En pratique, vous pouvez déposer un module entier de codebase, un long contrat ou la transcription complète d'une réunion dans un seul message au lieu de tout découper au préalable via la récupération.
Cela ne rend pas le RAGRAGMéthode qui permet à un modèle d'IA de répondre à partir de vos propres documents, en récupérant les passages pertinents avant de générer une réponse.Voir la définition complète → obsolète. Cela change le moment où vous y recourez :
- Si le contenu tient sans difficulté et que vous l'interrogez une ou deux fois, mettez-le dans le prompt. Plus simple, moins de pièces mobiles.
- Si le corpus est énorme, change en permanence ou est interrogé des milliers de fois, passez par la récupération pour ne pas payer la relecture des mêmes tokens à chaque appel.
Un levier de coût moins évident est le prompt caching. Quand vous envoyez le même long préfixe (un long system promptsystem promptLes instructions cachées qui définissent le comportement d'un assistant IA avant toute question : son rôle, son ton, ses limites et ses règles.Voir la définition complète →, un gros document, un schémamaUtiliser un logiciel pour automatiser les tâches et campagnes marketing répétitives, afin de personnaliser à grande échelle sur des canaux comme l'email, le web et le social.Voir la définition complète → d'outils) sur de nombreux appels, Anthropic peut le mettre en cache pour que vous ne payiez pas plein tarif pour le retraiter à chaque fois. Pour les boucles agentiques qui renvoient le même contexte à chaque tour, l'économie est importante. Le fonctionnement est décrit dans la documentation de la Messages API.
Réglages d'effort et de thinking
C'est là que le choix du niveau cesse d'être binaire. Les modèles Claude récents peuvent raisonner en interne avant de donner une réponse finale (extended thinking), et vous contrôlez dans quelle mesure.
Plus de thinking donne de meilleurs résultats sur les problèmes difficiles en plusieurs étapes, et coûte davantage en tokens et en latence. Moins de thinking donne des réponses rapides et bon marché, suffisantes pour les tâches simples.
Sur les modèles les plus récents, la configuration recommandée est l'adaptive thinking associé à un niveau d'effort. Vous activez le thinking, et le modèle décide combien raisonner selon la requête. Le paramètre effort (low, medium, high, ou max sur Opus) lui indique l'intensité globale de l'effort :
resp = client.messages.create(
model="claude-opus-4-6",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"},
messages=[{"role": "user", "content": "Refactor this module for testability:\n\n" + source}],
)Les modèles plus anciens comme Opus 4.5 et Haiku 4.5 utilisent un budget fixe, thinking={"type": "enabled", "budget_tokens": 4000}. Cette forme est dépréciée sur les modèles 4.6 : si vous mettez à jour une application existante, vérifiez dans la documentation quels paramètres chaque modèle accepte. L'effort influe aussi sur la sortie simple et sur les appels d'outils. En medium ou low, un modèle écrit des réponses plus resserrées et fait moins d'appels d'outils exploratoires, même avec le thinking désactivé.
Le workflow pratique est une décision sur deux axes :
- Choisissez la famille (Haiku, Sonnet, Opus) selon le plancher de capacité dont vous avez besoin.
- Réglez l'effort selon la difficulté de cet appel précis.
Un Sonnet en effort high peut surpasser un Opus en effort low sur certaines tâches de raisonnement, pour un coût moindre. Mesurez sur vos propres evals avant de supposer que le plus gros modèle l'emporte. L'objectif est la combinaison la moins chère qui reste fiable.
Où les niveaux apparaissent dans l'écosystème
Les mêmes familles font tourner tout ce que livre Anthropic, mais la surface détermine le niveau que vous utilisez et la façon de le piloter.
Dans les applications Claude (web, desktop, mobile), vous choisissez généralement le modèle dans un menu déroulant. Les Projects permettent d'épingler un contexte et des fichiers persistants pour un ensemble de travaux. Les Artifacts affichent les documents, applications et diagrammes générés dans un panneau latéral sur lequel vous pouvez itérer. Les Styles enregistrent un ton et un format pour que la sortie corresponde à votre voix sans avoir à re-prompter à chaque fois.
Les Skills regroupent des instructions et des ressources réutilisables que le modèle peut invoquer pour des tâches répétitives. Les Connectors, y compris le répertoire de connectors, relient Claude à des outils et des données externes. Sous le capot, les connectors parlent MCP, le Model Context Protocol, le standard ouvert qui permet d'exposer outils, données et prompts à un modèle de façon cohérente. Apprenez MCPMCPUn standard ouvert qui permet aux assistants IA de se connecter aux outils et données de l'entreprise de façon cohérente et gouvernée, sans intégration sur mesure à chaque fois.Voir la définition complète → une fois et vos intégrations fonctionnent dans les applications, dans Claude Code et dans vos propres agents APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →.
Pour les builders, trois surfaces comptent le plus :
- La Messages API est l'endpoint brut où vous choisissez l'identifiant du modèle, réglez
max_tokens, le thinking et l'effort, branchez des outils et utilisez le prompt caching. Tout le reste repose dessus. - Claude Code est l'outil de codage agentique d'Anthropic. Il tourne dans votre terminal et votre éditeur, lit et modifie votre repo, exécute des commandes et se connecte à des serveurs MCP. Vous pouvez y changer de modèle et d'effort, et c'est là que vivent les longues tâches de codage agentique.
- Le Claude Agent SDK vous donne le harnais sur lequel Claude Code est construit, pour bâtir vos propres agents avec la même boucle : tool use, accès aux fichiers et exécution multi-tours. Les repos et exemples sont sur github.com/anthropics, et l'intégration GitHub permet à Claude d'ouvrir des pull requests et de répondre directement aux issues.
La logique de routage décrite plus haut s'applique dans tous ces outils. Un agent peut utiliser Haiku pour trier les fichiers pertinents, puis passer à Opus pour la correction elle-même. Le routage par niveaux au sein d'un même workflow est le pattern avancé à intégrer.
Vérification des acquis
1. Selon la leçon, quel est l'objectif principal lorsque vous choisissez entre les niveaux de modèles Claude ?
2. Comment la leçon décrit-elle la différence entre les familles de modèles ?
3. Dans l'exemple de l'outil de support, pourquoi Haiku est-il le bon choix pour étiqueter les tickets entrants par catégorie et par urgence ?
4. Sélectionnez TOUTES les affirmations qui décrivent correctement les cas où il faut recourir à Opus.
Sélectionnez toutes les réponses correctes.
5. Sélectionnez TOUTES les affirmations qui reflètent les recommandations de la leçon sur les familles de modèles et les versions.
Sélectionnez toutes les réponses correctes.
Une politique de routage simple, réellement déployable
Ne routez pas au feeling. Écrivez la politique noir sur blanc. Voici un modèle de départ qui associe le type de tâche au niveau :
routing:
- task: classification_or_extraction
model: haiku
thinking: disabled
notes: high volume, constrained output, tiny max_tokens
- task: drafting_summarizing_coding
model: sonnet
effort: medium
notes: default for most production traffic
- task: long_agentic_or_deep_reasoning
model: opus
thinking: adaptive
effort: high
notes: refactors across files, research synthesis, costly-to-be-wrongEnsuite, faites deux choses. D'abord, posez des garde-fousgarde-fousRègles et contrôles qui maintiennent un système d'IA dans des limites sûres, légales et conformes à la marque, en bloquant les sorties et actions hors cadre.Voir la définition complète → : plafonnez max_tokens par niveau pour qu'un agent emballé ne puisse pas consumer votre budget sans bruit. Ensuite, constituez un petit eval set de tâches réelles et faites-le passer à chaque niveau et à chaque niveau d'effort. Vous constaterez généralement que Sonnet passe le seuil sur plus de tâches que prévu, et que vous n'avez besoin d'Opus que sur une minorité. C'est le résultat recherché, car cela signifie que vous ne dépensez le budget d'Opus que là où il est rentable.
Un mot sur la discipline des coûts
La tarification se fait au token et varie fortement selon le niveau. Haiku est le moins cher et Opus le plus cher, avec un écart important. Les chiffres exacts changent : consultez la page de tarifs officielle avant de modéliser vos unit economics. Les principes durables :
- Les tokens de thinking sont facturés comme des tokens de sortie. L'effort high sur Opus coûte vite cher à grande échelle.
- Le prompt caching est le principal levier pour les appels répétitifs à grand contexte.
- Les prompts très longs sur la fenêtre de 1M peuvent être facturés à un tarif plus élevé : ne la remplissez pas simplement parce que vous le pouvez.
- L'escalade vaut mieux que la montée en gamme généralisée. Lancez d'abord le niveau bon marché, détectez une faible confiance ou un échec, puis relancez sur un niveau plus puissant.
Points clés
- Routez selon la tâche, pas selon le prestige. Haiku pour la classification et l'extraction à fort volume, Sonnet comme choix par défaut au quotidien, Opus pour les longs travaux agentiques et le raisonnement approfondi, là où une mauvaise réponse coûte cher.
- Le niveau et l'effort sont deux réglages distincts. La famille fixe le plancher de capacité, et l'effort (avec l'adaptive thinking sur les modèles actuels) fixe l'intensité de travail de chaque appel. Un Sonnet bien réglé bat souvent un Opus mal réglé.
- Les modèles plus anciens utilisent un
budget_tokensfixe pour le thinking. Les plus récents utilisent l'adaptive thinking et l'effort : vérifiez quels paramètres votre identifiant de modèle prend en charge. - Utilisez la grande fenêtre de contexte à bon escient. Mettez le contenu dans le prompt quand il tient et que vous l'interrogez rarement, passez par la récupération quand le corpus est énorme ou sollicité en permanence, et dans les deux cas mettez en cache le préfixe répété.
- Écrivez votre politique de routage et appuyez-la sur un véritable eval set. Vous aurez généralement besoin d'Opus moins souvent que l'instinct ne le suggère, et MCP comme le routage par niveaux se transposent dans les applications, Claude Code et l'Agent SDK.
À faire, tiré de cette leçon
Ces actions sont compilées dans le plan d'action du rôle.
- Répartissez les tâches entre Haiku, Sonnet et Opus selon le coût et la difficulté
- Réglez le tier de modèle et le thinking budget comme deux curseurs distincts
- Activer le prompt caching sur les appels répétés à large contexte
- N'escalader vers un tier supérieur qu'en cas de faible confiance détectée
Articles liés
Les articles récents du blog qui s'appuient sur cette leçon.
- IAGemini Decision 1 tranche 1 000 questions d'un coup, alors arrêtez de choisir votre IA par marqueGoogle et OpenAI vendent désormais un modèle qui tranche (oui, non, choix, note) à côté de celui qui rédige. Le choix entre ChatGPT, Claude et Gemini se fait donc tâche par tâche, et la première question porte sur la forme de la réponse attendue.
- IAModèles de raisonnement : comment choisir et les utiliser efficacementLes modèles de raisonnement comme o3 d'OpenAI ou Claude Sonnet 3.7 promettent des performances bien supérieures sur les tâches complexes, mais les déployer sans méthode génère des coûts élevés et des résultats décevants. Ce playbook vous donne une séquence concrète pour décider quand les utiliser et comment en tirer le meilleur parti.
- IAChatGPT, Claude, Gemini : comment choisir le bon outil selon la tâcheLes trois grands modèles de langage ne sont pas interchangeables. Comprendre leurs différences concrètes permet de gagner en précision, en temps et en qualité de résultat.