GPT-5.5 vs Claude Opus 5 : La course au codage que personne ne peut évaluer équitablement

GPT-5.5 et Claude Opus 5 sont les deux modèles que la plupart des équipes désignent réellement lorsqu'elles parlent de « modèle de codage de pointe », et sur le papier, ils sont assez proches pour que la décision se prenne généralement sur un tableau de benchmarks. C'est une erreur cette année, pour une raison qui n'a rien à voir avec les capacités de l'un ou l'autre modèle : GPT-5.5 sera retiré de ChatGPT, ChatGPT Work et Codex le 14 octobre 2026, et Codex est l'interface dans laquelle travaille réellement une grande partie de ses utilisateurs de codage. Claude Opus 5 n'est pas près de disparaître. Ainsi, la première question dans cette confrontation n'est pas de savoir quel modèle écrit le meilleur code — mais lequel répondra encore à la requête que vous êtes sur le point d'envoyer en novembre.

Cela recadre la comparaison, mais ne la tranche pas. Si vous appelez GPT-5.5 via l’API ou via une session Codex authentifiée avec votre propre clé API, le retrait ne vous concerne pas, et la question des capacités est tout aussi d’actualité qu’elle l’était en avril. Voici la version honnête de cette question, y compris la partie que la plupart des pages de comparaison omettent : les chiffres phares des deux modèles sont mesurés d’une manière qui flatte celui qui fait tourner le test.

La réponse en une ligne

Si vous avez besoin de la version la plus courte et défendable : Claude Opus 5 est la valeur par défaut la plus sûre pour le travail de codage en production fin 2026, car il coûte moins cher en sortie, il est évalué indépendamment et il n'est pas en cours de retrait de l'outil dans lequel vous l'utilisez probablement. GPT-5.5 reste le meilleur choix sur certains fronts — le travail agentique natif en terminal, la récupération à long contexte et l'efficacité des tokens sur les tâches difficiles — et sur la voie API, il conserve tous ces atouts. Tout ce qui suit présente le raisonnement derrière cette séparation, ainsi que les réserves qui la rendent moins nette qu'elle n'en a l'air.

Deux fleurons lancés dans des mondes différents

GPT-5.5 est arrivé le 23 avril 2026 en tant que modèle de pointe d’OpenAI pour les charges de travail professionnelles complexes, construit sur GPT-5.4 avec un raisonnement plus solide, une meilleure fiabilité et — l’argument qu’OpenAI a mis en avant — une efficacité des jetons améliorée sur les tâches difficiles. Il accepte les entrées texte, image et fichier, prend en charge environ 922 K jetons en entrée et 128 K en sortie, et son prix est de 5,00 $ par million de jetons en entrée et de 30,00 $ par million de jetons en sortie, avec des lectures mises en cache à 0,50 $ et un tarif plus élevé au-delà de 272 000 jetons en entrée.

Claude Opus 5 est le modèle phare d'Anthropic pour le raisonnement exigeant, le codage et les travaux agentiques à long horizon, et il est optimisé pour une faiblesse spécifique qui a longtemps miné le codage agentique : rester cohérent au fil de sessions très longues et à étapes multiples avec une utilisation intensive d'outils. Il offre un contexte de 1 M de tokens avec jusqu'à 128 K de sortie, accepte les entrées texte, image et fichier, et ses tarifs sont de 5,00 $ en entrée et 25,00 $ en sortie, les lectures en cache étant également à 0,50 $. Il remplace les paramètres d'échantillonnage comme temperature et top_p par un réglage d'effort de raisonnement, ce qui change réellement la façon de le régler, mais pas ce qu'il peut faire.

Le contraste des spécifications

• Prix — GPT-5.5 5,00 $/30,00 $ par million de tokens contre Claude Opus 5 5,00 $/25,00 $ par million ; identique en entrée, Claude Opus 5 environ 17 % moins cher en sortie

• Entrée mise en cache — 0,50 $ par million de tokens, soit une réduction de 90 % sur le tarif d'entrée

• Contexte — GPT-5.5 ~922K en entrée / 128K en sortie vs Claude Opus 5 1M en entrée / 128K en sortie

• Modalités d'entrée — GPT-5.5 texte, image, fichier vs Claude Opus 5 texte, image, fichier ; les deux sont à égalité ici

• Réglage — paramètres d'effort de raisonnement de GPT-5.5, de none à xhigh, par rapport au raisonnement adaptatif de Claude Opus 5 via un curseur d'effort, sans température ni top_p

• Disponibilité — GPT-5.5 quitte ChatGPT, ChatGPT Work et Codex le 14 octobre 2026, mais pas l’API, contrairement à Claude Opus 5, présent sur toutes les surfaces Anthropic sans retrait annoncé.

Là où les affirmations sur les benchmarks cessent d'être comparables

Commençons par le tableau indépendant, car c'est la seule partie de tout cela que quiconque peut vérifier. Artificial Analysis attribue à Claude Opus 5 un score de 51 sur son Intelligence Index. Il attribue à GPT-5.5 un score de 39 sur l'indice v4.3 actuel — et, plus révélateur encore, il a signalé GPT-5.5 comme obsolète et a ramené son évaluation à des charges de travail par défaut de 10 000 tokens. Cela mérite une lecture attentive. Le bilan indépendant de GPT-5.5 n'est pas seulement plus faible ; il se clôt, et une fois qu'il aura cessé, tous les chiffres qui circulent encore pour ce modèle seront des chiffres de fournisseur.

Du côté des chiffres rapportés par les fournisseurs, les propres chiffres d’OpenAI situent GPT-5.5 à 82,7 % sur Terminal-Bench 2.0, 82,6 % sur SWE-bench Verified et 58,6 % sur SWE-bench Pro. Les chiffres d’Anthropic pour Claude Opus 5 incluent 90,2 sur Terminal-Bench 2.1, 74,7 sur SWE-bench Pro et 68,0 sur JobBench. La tentation est de les mettre côte à côte et de déclarer un vainqueur. Ne le faites pas — et remarquez que la plupart des pages de comparaison le font quand même.

La ligne Terminal-Bench est l’exemple le plus clair. Les 82,7 % de GPT-5.5 portent sur Terminal-Bench 2.0 ; les 90,2 de Claude Opus 5 portent sur Terminal-Bench 2.1. Il s’agit de versions différentes du benchmark, avec des ensembles de tâches différents, et une comparaison entre versions n’est pas une comparaison. Les lignes SWE-bench Pro portent au moins sur la même suite, et là, les 74,7 de Claude Opus 5 contre les 58,6 de GPT-5.5 constituent un écart réel et important — mais les deux chiffres sont rapportés par les fournisseurs de part et d’autre, et aucun n’a été reproduit dans des conditions de harnais identiques.

Le problème du harnais, qui est la véritable histoire

S'il y a un constat qui mérite d'être retenu de cette confrontation, c'est que le choix du harnais fait davantage varier ces modèles que ne le fait l'écart entre eux. Une évaluation arXiv a constaté que GPT-5.5 était le plus performant sous Claude Code, puis a chuté de 21,8 points lorsqu'il est passé à OpenHands, tandis que Claude Opus 4.8 — le point de comparaison de cette étude — n'a perdu que 5,5 points lors du même changement. Une variation de 21 points due au seul échafaudage est plus importante que la plupart des écarts publiés en confrontation directe entre les deux modèles phares.

Il existe une version pratique de cela que la présentation d’OpenAI elle-même concède : GPT-5.5 atteint 83,4 % sur Terminal-Bench avec son harnais Codex CLI natif, contre 72,1 % sur un harnais standard. Si votre évaluation exécute GPT-5.5 en dehors de Codex, vous mesurez un modèle différent de celui qui figure dans le tableau de lancement.

Cela compte pour la mise hors service d’une manière facile à manquer. Si vos chiffres pour GPT-5.5 ont été produits dans Codex via une connexion ChatGPT, et que ce chemin se ferme le 14 octobre, vous ne perdez pas seulement un modèle — vous perdez le harnais sur lequel votre benchmark est calibré. Refaites votre base de référence sur le chemin API avant de tirer la moindre conclusion sur ce que le successeur vous coûte.

Coût par tâche, et non coût par jeton

La comparaison par token est simple et favorise légèrement Claude Opus 5 : même entrée à 5,00 $, 25,00 $ contre 30,00 $ en sortie. La comparaison intéressante est le coût par tâche terminée, et là, le tableau s'inverse, car la principale affirmation d'OpenAI concernant GPT-5.5 était l'efficacité en tokens — environ 40 % de tokens en moins sur des tâches équivalentes selon plusieurs retours de développeurs. Si un modèle termine le même travail avec 40 % de tokens de sortie en moins, un tarif de sortie de 30 $ peut produire une facture plus faible qu'un tarif de 25 $ sur un modèle plus verbeux. Cette affirmation est présentée par le fournisseur et n'a pas été reproduite indépendamment, alors traitez-la comme une hypothèse à tester sur votre propre charge de travail plutôt que comme un fait établi.

Les deux modèles figurent dans notre catalogue, ce qui rend ce test peu coûteux à mener correctement plutôt que de façon anecdotique. Tous deux sont accessibles derrière une seule clé, au tarif catalogue du fournisseur avec 0 % de marge, de sorte qu’un A/B direct sur votre propre trafic est une chaîne de modèle dans le corps de la requête, pas un second contrat — et toute révision tarifaire d’un fournisseur arrive de notre côté le jour même où elle est annoncée. Le DSL de routage est la partie utile ici : répartissez le trafic réel entre les deux, maintenez la répartition au ratio que votre budget d’erreur tolère, et laissez les chiffres de coût par tâche venir de la production plutôt que d’une page de benchmark.

Ce que cela signifie pour les six prochaines semaines

Pour une équipe qui choisit aujourd'hui, la décision présente une asymétrie qu'une simple lecture des capacités masquerait. Claude Opus 5 est le choix le moins risqué : évalué de manière indépendante, moins cher en sortie, et non programmé pour être retiré des produits dans lesquels il est vendu. GPT-5.5 n'est pas un mauvais modèle — c'est un modèle solide, avec un véritable avantage dans le travail agentique natif en terminal — mais le choisir via l'abonnement revient à choisir un modèle dont la date d'expiration connue tombe dans six semaines, et via l'API, à accepter un historique indépendant plus mince et en voie de rétrécissement.

La position défendable est de garder GPT-5.5 là où il l’emporte de manière démontrable et où vous contrôlez le chemin — l’API, une session Codex à clé API — et de faire de Claude Opus 5 l’option par défaut partout ailleurs. Ce qui devrait vous faire changer d’avis, dans un sens ou dans l’autre, n’est ni le marketing de l’un ni celui de l’autre modèle : c’est le premier essai comparatif neutre en face-à-face sous un unique harnais fixe, et tout ce qu’OpenAI publiera sur la question de savoir si la voie API pour GPT-5.5 survivra au retrait du produit.

Les deux côtés de cette confrontation se trouvent derrière une seule clé : GPT-5.5et Claude Opus 5 ne sont séparés que par une chaîne de modèle, avec un basculement automatique entre eux.