La quatorzième publication du FrenchBench marque un tournant dans la course aux grands modèles de langage : Claude Fable 5.2, lancé par Anthropic le 9 novembre 2026, prend la première place mondiale avec un score de 65 sur l'Artificial Analysis Intelligence Index v5.0 et un record absolu de 174 sur l'Epoch Capabilities Index. Dix-huit modèles sont classés dans cette édition #11, dont deux entrées directes — Fable 5.2 et son compagnon de lancement Claude Mythos 5.2.

Contexte : deux modèles Anthropic lancés simultanément

Le 9 novembre 2026, Anthropic a annoncé simultanément deux modèles de nouvelle génération : Claude Fable 5.2 et Claude Mythos 5.2. Cette stratégie de double lancement répond à une logique de segmentation claire : Fable 5.2 vise les tâches à haute intensité computationnelle (raisonnement, code, agents), tandis que Mythos 5.2 est positionné comme un spécialiste du raisonnement symbolique et scientifique à usage plus restreint.

Les deux modèles partagent une architecture à fenêtre de contexte de 1 million de tokens et une sortie maximale de 128 000 tokens. L'effort par défaut est « medium » dans les applications Claude et dans Claude Code, ce qui signifie que les sorties standard ne mobilisent pas la puissance de calcul maximale — les capacités de pointe observées sur les benchmarks correspondent à l'effort « max ».

Ce qu'il faut retenir de l'édition #11

  • Claude Fable 5.2 prend la première place mondiale — 65 sur l'index Artificial Analysis v5.0, record Epoch à 174.
  • Claude Mythos 5.2 entre directement à la 5e place — spécialiste du raisonnement, 1 531 Elo Arena.
  • Gemini 4 Carbon reste 2e avec 60 sur l'index — il avait dominé l'édition #10.
  • GPT-6.1 Sol monte à la 6e place grâce à ses scores de connaissance (85,6 BenchLM).
  • L'écart entre le #1 (65) et le #3 (59) est le plus important observé depuis l'édition #7.

Claude Fable 5.2 : analyse des performances

Claude Fable 5.2 établit plusieurs records sur les évaluations tierces publiées entre le 9 et le 14 novembre 2026. L'Artificial Analysis Intelligence Index v5.0 lui attribue un score de 65, soit 5 points au-dessus du précédent leader Gemini 4 Carbon (60). C'est la plus grande avance d'un modèle sur l'index depuis son lancement.

Benchmarks de raisonnement

Sur BenchLM Reasoning, Fable 5.2 obtient 91,0, devant Gemini 4 Carbon (84,8) et GPT-6 Astra (81,1). Le modèle excelle particulièrement dans les tâches de déduction multi-étapes et de planification longue durée. Sur ARC-AGI-2 (semi-privé), Anthropic rapporte 93,8 %, un score que les testeurs indépendants considèrent plausible mais non encore intégralement vérifié.

Benchmarks de code

Les résultats de code sont plus nuancés. Sur SWE-bench Pro, BenchLM enregistre 93 % — un résultat remarquable. Cependant, FrontierCode 2.0 donne 49,1 % et FrontierSWE v2 69,9 %, ce qui place Fable 5.2 en tête sur ces évaluations mais avec un avantage moins écrasant. L'analyse publiée sur Singularity Moments note que le modèle peut trébucher sur certaines tâches de développement quotidien par rapport à son effort de raisonnement maximal, suggérant une optimisation privilégiant les tâches complexes.

Sur CursorBench 4.0 à l'effort Extra High, Anthropic publie 56,3 % dans la fiche système, ce qui représente une progression de 11 points par rapport à Fable 5.1.

Robotique et simulation

L'une des surprises de cette édition est la performance sur RoboDojo Sim : Fable 5.2 obtient 64,9 %, contre 27,6 % pour Fable 5.1 selon les tests internes Anthropic. Cette progression de 37 points illustre une amélioration substantielle dans les capacités de planification d'actions physiques simulées, domaine souvent négligé par les benchmarks standards.

Epoch Capabilities Index : record absolu

L'Epoch Capabilities Index est un composite multi-domaine géré par Epoch AI qui agrège plus de 50 évaluations normalisées. Claude Fable 5.2 y obtient 174, dépassant GPT-6 Astra (169) et établissant un nouveau record absolu sur cette métrique depuis la création de l'index. C'est l'indicateur le plus cité pour comparer l'évolution de la capacité générale des modèles sur le long terme.

Claude Mythos 5.2 : le modèle de raisonnement spécialisé

Lancé en même temps que Fable 5.2, Claude Mythos 5.2 cible les usages nécessitant un raisonnement formel poussé : mathématiques de recherche, logique symbolique, planification complexe, vérification de preuves. Son Arena Elo de 1 531 en fait le 5e modèle sur l'Arena texte au 11 novembre, derrière Fable 5.2 mais devant GPT-6.1 Sol.

Le positionnement tarifaire est élevé (15 $/75 $ par million de tokens entrée/sortie), ce qui restreint son adoption aux cas d'usage à haute valeur ajoutée. Avec un débit de 28 tokens par seconde, il n'est pas conçu pour des interactions conversationnelles légères. Sur l'Artificial Analysis Intelligence Index, Mythos 5.2 obtient 57, soit un point de plus que GPT-6 Astra (58) mais en dessous — il se classe 5e, non 4e, parce que l'index v5.0 pénalise le débit faible dans sa pondération globale.

Gemini 4 Carbon : un 2e rang solide malgré la pression

Gemini 4 Carbon de Google reste le modèle de référence pour les équipes qui veulent une performance de pointe à un tarif compétitif (4 $/20 $ par million de tokens). Son score de 60 sur l'index Artificial Analysis est en légère hausse par rapport aux 59 enregistrés lors de l'édition #10, ce qui suggère que Google a effectué des mises à jour discrètes de la version Gemini 4 Carbon High.

Sur GPQA Diamond, Carbon obtient 96,5 % selon les trackers indépendants, ce qui en fait le meilleur modèle sur cette évaluation de questions expertes en sciences. Son Arena Elo de 1 528 est stable, confirmant une excellente expérience conversationnelle.

Là où Carbon perd du terrain face à Fable 5.2, c'est principalement sur les tâches de code multi-fichiers complexes et sur les évaluations agentic longue durée. Sur FrontierSWE v2, GPT-6 Astra dépasse Carbon selon plusieurs sources, ce qui illustre les limites des classements monolithiques.

Évolution du classement : gains et reculs

Les gagnants

GPT-6.1 Sol progresse de la 4e à la 6e place sur l'index global, mais son score de connaissance (85,6 sur BenchLM Knowledge) est le troisième mondial après Fable 5.2 (98,6) et Claude Opus 5.5 (89,8). Pour les usages RAG et les applications nécessitant une forte connaissance du monde, Sol reste un concurrent sérieux à un tarif avantageux (2 $/10 $).

Claude Sonnet 5.5 maintient sa 7e place à 54 sur l'index, avec un débit de 138 tokens/seconde qui en fait le modèle le plus rapide parmi les top-10 propriétaires. Son rapport performance/coût (2 $/10 $) reste excellent pour les applications nécessitant de la réactivité.

Les reculs

Claude Fable 5.1 perd cinq places (de la 9e à la 11e) avec l'entrée de ses successeurs directs. Son score reste à 50, identique à l'édition précédente — c'est son positionnement relatif qui se dégrade. À 10 $/50 $ par million de tokens, il n'est plus économiquement justifiable face à Fable 5.2 pour les mêmes usages.

Modèles open-weight : stabilité du peloton

Le segment open-weight ne connaît pas d'entrée majeure en novembre 2026. DeepSeek V4.1 Flash conserve la première position parmi les modèles ouverts avec un score de 32,5, suivi de GLM-5.3 (Z.ai, 31,7) et MiMo-V2.6-Pro (Xiaomi, 29,9). Ces trois modèles maintiennent des Arena Elo entre 1 476 et 1 481, ce qui les positionne très compétitivement face aux modèles propriétaires milieu de gamme.

Mistral Large 4 reste en 5e position open-weight avec 26,0 sur l'index, à 0,70 $/2,10 $ — le choix privilégié des équipes européennes soucieuses de souveraineté et contraintes par les réglementations RGPD sur la localisation des données.

Mise en garde méthodologique

Plusieurs scores de Fable 5.2 (notamment ARC-AGI-2 à 93,8 %) sont reportés comme « semi-privés » ou issus des fiches systèmes des éditeurs. Les évaluations indépendantes tierces complètes ne sont pas encore disponibles à la date de publication de cette édition. L'Artificial Analysis Intelligence Index et l'Arena Elo restent les métriques les plus fiables car calculées par des tiers indépendants sur des protocoles publics.

Analyse concurrentielle : la stratégie Anthropic

Le double lancement Fable 5.2 + Mythos 5.2 marque un tournant dans la stratégie produit d'Anthropic. Jusqu'à présent, la gamme Claude suivait une logique de tiers (Haiku/économique, Sonnet/équilibré, Fable/puissant). L'introduction de Mythos comme modèle super-spécialisé à très haute tarification signale une montée en gamme vers les marchés enterprise de recherche et d'analyse scientifique.

Cette approche contraste avec la stratégie Google (Gemini 4 en trois tiers Hydrogen/Argon/Carbon, tous à 4 $/20 $) et OpenAI (GPT-6 Astra premium vs GPT-6.1 Sol/Terra milieu de gamme). Anthropic mise sur la supériorité technique absolue pour justifier ses tarifs premium, tandis que Google et OpenAI cherchent à élargir leur base d'utilisateurs avec une tarification plus homogène.

Fréquence des mises à jour : un marché qui s'accélère

L'édition #11 intervient seulement 12 jours après l'édition #10 (2 novembre), contre un intervalle habituel de 4 à 6 semaines entre les éditions récentes. Cette accélération reflète une cadence de lancements inédite dans l'industrie : BenchLM recense 7 à 21 nouveaux modèles entrés au classement en novembre 2026, soit le mois le plus chargé depuis la création de ce tracker.

Pour les équipes DSI et les équipes IA en entreprise, cette fréquence pose un défi d'évaluation interne : les tests de qualification sur cas d'usage propriétaires ne peuvent plus suivre le rythme des sorties publiques. Les benchmarks tiers comme ceux du FrenchBench servent alors de filtre préliminaire avant d'investir le temps et les ressources d'une évaluation approfondie.

Recommandations pratiques par cas d'usage

À partir des données de l'édition #11, voici nos recommandations pour les équipes en production :

  • Agents autonomes et code complexe : Claude Fable 5.2 à l'effort max. Budget requis : 8 $/40 $ par million de tokens, réservez au pilote avant déploiement large.
  • Raisonnement scientifique / mathématique : Claude Mythos 5.2 si le budget le permet, sinon Claude Opus 5.5 reste très compétitif à 4 $/20 $.
  • Applications conversationnelles haute disponibilité : Claude Sonnet 5.5 (138 tok/s, 2 $/10 $) ou GPT-6.1 Sol pour les usages intensifs en connaissance.
  • Contraintes budgétaires serrées / open-source : DeepSeek V4.1 Flash ou GLM-5.3 offrent le meilleur rapport performance/coût parmi les modèles ouverts.
  • Conformité européenne / RGPD : Mistral Large 4, disponible en hébergement EU via l'API Mistral.

Prochaine édition

L'édition #12 est prévue pour début décembre 2026. Elle intégrera les premières évaluations indépendantes complètes de Claude Fable 5.2 et Mythos 5.2 par Artificial Analysis, ainsi que les résultats de Terminal-Bench 4.1 mis à jour. Les rumeurs de lancement d'un modèle OpenAI en décembre (nom de code « GPT-6.2 ») seront suivies de près.

Questions fréquentes sur le FrenchBench #11

Claude Fable 5.2 est-il vraiment le meilleur modèle de novembre 2026 ?

Sur les indicateurs tiers disponibles au 14 novembre 2026 (Artificial Analysis Intelligence Index v5.0, Arena Elo, Epoch Capabilities Index), Claude Fable 5.2 occupe la première place. Cependant, plusieurs scores (ARC-AGI-2 notamment) sont issus des fiches systèmes d'Anthropic et pas encore intégralement vérifiés par des tiers. Sur certaines sous-catégories comme le code quotidien ou GPQA Diamond, Gemini 4 Carbon maintient son avantage.

Quelle est la différence entre Claude Fable 5.2 et Claude Mythos 5.2 ?

Fable 5.2 est un modèle généraliste de pointe optimisé pour le code, les agents et le raisonnement long — il vise à exceller dans toutes les catégories. Mythos 5.2 est un spécialiste du raisonnement formel (mathématiques, logique symbolique, planification complexe) à des tarifs très élevés (15 $/75 $ vs 8 $/40 $ pour Fable 5.2). Pour la majorité des usages enterprise, Fable 5.2 reste le choix privilégié.

Gemini 4 Carbon reste-t-il compétitif face à Claude Fable 5.2 ?

Oui. Gemini 4 Carbon maintient ses avantages sur GPQA Diamond (96,5 %, premier mondial), Arena WebDev et certains benchmarks de connaissance. À 4 $/20 $ par million de tokens contre 8 $/40 $ pour Fable 5.2, Carbon offre un rapport performance/coût supérieur pour les applications qui n'ont pas besoin des capacités extrêmes de Fable 5.2.

Qu'est-ce que l'Epoch Capabilities Index et pourquoi est-il important ?

L'Epoch Capabilities Index est un composite multi-domaine géré par Epoch AI qui agrège plus de 50 évaluations normalisées couvrant le raisonnement, le code, les sciences, les mathématiques et les capacités multimodales. Il est considéré comme l'un des indicateurs les plus fiables de la capacité générale d'un modèle car il n'est pas optimisable par un seul éditeur sans progression réelle sur de nombreux domaines. Claude Fable 5.2 y établit un record à 174, devant GPT-6 Astra (169).

Quelle est la méthodologie du FrenchBench pour cette édition #11 ?

Depuis l'édition #9, le FrenchBench s'appuie sur l'Artificial Analysis Intelligence Index v5.0 (composite tiers à méthodologie publique, 92 modèles au 14 novembre 2026) complété par l'Arena Elo (11 novembre 2026, Arena.ai) et les benchmarks spécialisés BenchLM. Les scores des éditeurs sont cités séparément avec indication de leur source. Aucune pondération maison n'est appliquée — nous reportons les indices tiers sans les modifier.