87,6 % de réussite sur SWE-bench Verified. Une résolution d'image multipliée par trois. Et un score de 90,9 % sur le benchmark juridique BigLaw Bench de Harvey. Anthropic a publié Claude Opus 4.7 le 16 avril 2026, et les chiffres racontent une histoire qui dépasse largement la mise à jour technique de routine. Pour les entreprises qui utilisent l'IA au quotidien, ce modèle pose une question concrète : jusqu'où peut-on déléguer le travail de fond à une machine ?
Ce qui change avec Opus 4.7 : les faits, pas le marketing
Commençons par ce qui saute aux yeux. Opus 4.7 traite désormais des images jusqu'à 2 576 pixels sur le bord long, soit 3,75 mégapixels. Le modèle précédent plafonnait à 1 568 pixels et 1,15 mégapixel, selon la documentation technique d'Anthropic. Concrètement, ça signifie qu'un contrat scanné en PDF, un schéma technique ou un tableau financier dense ne sera plus compressé au point de perdre des informations critiques.
XBOW, spécialiste du test de pénétration automatisé, rapporte un bond de son benchmark de précision visuelle : 98,5 % pour Opus 4.7 contre 54,5 % pour Opus 4.6. Et Databricks constate 21 % d'erreurs en moins sur son évaluation OfficeQA Pro, qui teste la capacité du modèle à raisonner sur des documents d'entreprise. Ces chiffres ne viennent pas d'Anthropic : ce sont des évaluations indépendantes menées par des partenaires technologiques.
Côté performances brutes, le score SWE-bench Verified passe de 80,8 % à 87,6 %. CursorBench grimpe de 58 % à 70 %. Et sur GPQA Diamond, un test de raisonnement scientifique avancé, Opus 4.7 atteint 94,2 %. Rakuten, de son côté, rapporte qu'Opus 4.7 résout trois fois plus de tâches de production que son prédécesseur, avec des gains à deux chiffres sur la qualité du code et des tests.
Task budgets et xhigh : deux mécanismes qui changent la donne
Combien de tokens votre IA peut-elle consommer avant que la facture ne dérape ? C'est la question que posent tous les DSI. Anthropic y répond avec les task budgets, une fonctionnalité lancée en bêta publique avec Opus 4.7. Le principe : vous fixez un budget en tokens pour une boucle agentique complète (réflexion, appels d'outils, résultats, réponse finale), et le modèle voit un décompte en temps réel. Il hiérarchise son travail en conséquence et termine proprement quand le budget s'épuise.
Ce n'est pas un plafond strict comme max_tokens, qui coupe brutalement la génération. C'est un indicateur dont le modèle est conscient, un peu comme un consultant qui sait qu'il a quatre heures pour rendre son livrable et non une semaine. Le minimum est fixé à 20 000 tokens. Pour les tâches ouvertes où la qualité prime, Anthropic recommande de ne pas fixer de budget du tout.
L'autre nouveauté technique, c'est le niveau d'effort xhigh. Opus 4.6 proposait déjà quatre niveaux (low, medium, high, max). Opus 4.7 intercale xhigh entre high et max, pensé spécifiquement pour le codage et le travail agentique. Hex, une plateforme d'analyse de données, note que low-effort Opus 4.7 équivaut à peu près à medium-effort Opus 4.6, selon Caitlin Colgrove, sa CTO. Le modèle est plus intelligent à chaque niveau de dépense.
Résultat : les équipes techniques peuvent calibrer le compromis entre coût et qualité avec une granularité qu'aucun modèle concurrent ne propose aujourd'hui. Un tri de tickets de support ? Effort low. Une revue de contrat de 200 pages ? Effort xhigh. Le tout piloté par API, intégrable dans n'importe quel workflow existant.
Juridique et finance : là où Opus 4.7 fait la différence
Harvey, la plateforme d'IA juridique utilisée par plusieurs cabinets du Magic Circle, a testé Opus 4.7 sur son benchmark BigLaw Bench. Score : 90,9 % en effort high, avec une amélioration notable sur les tâches d'édition de documents ambigus. Le modèle distingue désormais correctement les clauses d'assignation des clauses de changement de contrôle, un exercice qui piégeait les modèles précédents selon Niko Grupen, Head of Applied Research chez Harvey.
Pour les directions juridiques et cabinets d'avocats que nous accompagnons chez ClaudIn, la portée pratique est immédiate. Relire un SPA de 300 pages en identifiant les clauses sensibles, croiser les représentations et garanties entre plusieurs documents, extraire les engagements post-closing : autant de tâches où la haute résolution et le raisonnement prolongé d'Opus 4.7 réduisent les allers-retours entre l'IA et le juriste.
Côté finance, Anthropic revendique le meilleur score sur Finance Agent v1.1, une évaluation d'analyse financière. L'entreprise indique aussi qu'Opus 4.7 atteint la première place sur GDPval-AA, un benchmark tiers développé par Artificial Analysis qui mesure la valeur économique du travail de connaissance en finance, juridique et autres domaines. En interne, Anthropic observe qu'Opus 4.7 produit des analyses et des modèles financiers plus rigoureux, des présentations plus professionnelles et une meilleure intégration entre les différentes étapes d'un workflow.
Quand 88 % des entreprises déclarent des gains de revenus liés à l'IA selon le rapport State of AI 2026 de NVIDIA, et que le retour sur investissement atteint 4,2x dans les services financiers, la question n'est plus de savoir si l'IA est rentable. C'est de savoir quel modèle offre la précision requise par les secteurs réglementés. Opus 4.7 place la barre très haut.
Autonomie prolongée : travailler des heures sans décrocher
Un analyste junior qui s'endort à 3 h du matin sur un modèle Excel ne produit rien de bon. Un modèle d'IA, en théorie, ne fatigue pas. Mais en pratique, les modèles précédents avaient tendance à perdre le fil sur les tâches longues, à boucler sur eux-mêmes ou à s'arrêter net face à une erreur d'outil. Opus 4.7 attaque ces trois problèmes de front.
Scott Wu, CEO de Devin, le résume ainsi : Opus 4.7 porte l'autonomie sur le long terme à un niveau inédit. Il travaille de façon cohérente pendant des heures, pousse à travers les problèmes difficiles au lieu d'abandonner, et rend possible une catégorie de travail d'investigation approfondie qu'on ne pouvait pas faire tourner de façon fiable avant. Notion, de son côté, mesure +14 % de performance par rapport à Opus 4.6, un tiers d'erreurs d'outils en moins, et souligne que le modèle continue d'exécuter malgré les pannes d'outils qui stoppaient la version précédente.
Genspark identifie trois qualités critiques pour la production : la résistance aux boucles (un modèle qui boucle indéfiniment sur une requête sur dix-huit gaspille du calcul et bloque les utilisateurs), la constance, et la récupération élégante après erreur. Opus 4.7 affiche le meilleur ratio qualité-par-appel-d'outil qu'ils aient mesuré, selon Kay Zhu, son CTO.
Pourquoi ça compte pour un directeur financier ou un cabinet de conseil ? Parce que les workflows métier ne sont pas des aller-retours de chat. Ce sont des chaînes de vingt à cinquante étapes : extraire des données, croiser des sources, calculer des ratios, rédiger un rapport, le relire. Un modèle qui tient la route sur toute la chaîne sans intervention humaine, c'est un gain de productivité structurel, pas un gadget.
Vision haute résolution : vos documents lus au pixel près
3,75 mégapixels contre 1,15. Le chiffre est parlant, mais son impact réel dépend du type de documents que vous traitez. Prenons un cas concret : un rapport de due diligence contient souvent des tableaux financiers scannés, des organigrammes complexes et des annexes en petits caractères. Avec Opus 4.6, le modèle voyait une version compressée de ces éléments. Certaines lignes de chiffres se confondaient, les légendes de graphiques devenaient illisibles.
Opus 4.7 supprime cette contrainte. Solve Intelligence, qui développe des outils pour les workflows de brevets dans les sciences de la vie, observe des améliorations majeures dans la compréhension multimodale, de la lecture de structures chimiques à l'interprétation de diagrammes techniques complexes, selon Sanj Ahilan, son Chief Research Officer. La haute résolution leur permet de construire des outils de pointe pour la rédaction de brevets, la détection de contrefaçon et la cartographie d'invalidité.
Pour les sociétés de gestion qui analysent des rapports de gestion, des term sheets ou des pitch books reçus en PDF scanné, le gain est tangible. Plus besoin de pré-traiter les documents avec un outil d'OCR tiers pour compenser les limites de résolution du modèle. Opus 4.7 lit directement le document dans sa résolution native, ou presque. Et les coordonnées de l'image correspondent désormais 1:1 aux pixels réels, ce qui simplifie l'extraction de données positionnelles dans les tableaux.
Attention toutefois : les images en haute résolution consomment plus de tokens. Si la précision supplémentaire n'est pas nécessaire, Anthropic recommande de réduire la résolution des images avant envoi pour contrôler les coûts. Un réflexe à intégrer dans les pipelines de traitement documentaire.
Tarif inchangé, modèle plus intelligent : la bonne nouvelle
Anthropic maintient le tarif d'Opus 4.6 : 5 dollars par million de tokens en entrée, 25 dollars par million en sortie. Pour un modèle qui résout trois fois plus de tâches de production et commet 21 % d'erreurs en moins sur l'analyse documentaire, le rapport qualité-prix s'améliore mécaniquement.
Il y a un bémol. Opus 4.7 utilise un nouveau tokenizer qui consomme entre 1x et 1,35x plus de tokens pour le même texte, selon le type de contenu. Sur certaines charges de travail, la facture peut donc augmenter malgré le tarif unitaire stable. Anthropic fournit un guide de migration détaillé et recommande d'ajuster les paramètres max_tokens et d'utiliser les task budgets pour maîtriser la consommation.
Le modèle est disponible partout : API Anthropic, Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry, et bien sûr Claude Cowork. L'identifiant API est claude-opus-4-7. Comme pour chaque nouveau modèle, nous recommandons à nos clients de tester sur un workflow représentatif avant de basculer en production. Les prompts écrits pour Opus 4.6 peuvent produire des résultats différents, car Opus 4.7 suit les instructions de façon plus littérale, comme le signale Anthropic dans ses notes de migration.
Le marché mondial de l'IA générative pèse 161 milliards de dollars en 2026, en route vers 1 200 milliards en 2034 selon le Boston Institute of Analytics. 86 % des entreprises augmentent leur budget IA cette année d'après NVIDIA. Pourtant, 79 % d'entre elles rencontrent encore des difficultés d'adoption selon Writer. La raison n'est pas technologique : c'est un problème d'intégration, de workflow, d'accompagnement. C'est précisément ce que nous faisons chez ClaudIn.
Opus 4.7 n'est pas une curiosité de laboratoire. C'est un outil de production qui lit vos documents mieux que ses prédécesseurs, raisonne plus longtemps sans décrocher, et se pilote au token près. Pour les entreprises qui veulent passer de l'expérimentation à l'impact mesurable, le moment est maintenant. Réservez une démo pour voir ce qu'Opus 4.7 peut faire sur vos cas d'usage.