TL;DR
· Claude Fable 5 a retrouvé l'accès le 1er juillet, et après le 7 juillet, davantage d'utilisation passera aux crédits d'usage.
· Le prix officiel est de 10 $ par million de tokens d'entrée et 50 $ par million de tokens de sortie, les sessions longues et les boucles automatiques amplifiant la consommation.
· Les utilisateurs feront mieux de réserver Fable 5 aux phases de planification et de vérification, et de confier les tâches d'exécution à des modèles moins chers.

Après la réouverture de Claude Fable 5, les discussions des utilisateurs se concentrent sur les économies face au coût élevé des tokens. Ce modèle phare, qualifié par Anthropic de « modèle le plus performant largement déployé », est conçu pour un raisonnement intensif et des tâches d’agent à long terme, avec une fenêtre contextuelle d’un million de tokens et une sortie maximale de 128 000 tokens. La conséquence directe de cette amélioration des capacités est que, dans Claude Code, Managed Agents ou les longues sessions, le modèle peut réfléchir en continu, invoquer des outils et effectuer des vérifications répétées, ce qui amplifie la facture.

Selon la page officielle d’Anthropic, Claude Fable 5 a retrouvé l’accès le 1er juillet 2026 pour les utilisateurs Pro, Max, Team et Enterprise, ainsi que via Claude Platform, AWS, Google Cloud, Microsoft Foundry et d’autres canaux. Le prix officiel est de 10 $ par million de tokens d’entrée et 50 $ par million de tokens de sortie, le prompt caching offrant une remise allant jusqu’à 90 % sur le prix de lecture.

Dans l’annonce « Redeploying Fable 5 », Anthropic indique que les utilisateurs Pro, Max, Team et certains Enterprise peuvent utiliser le modèle dans la limite de 50 % de leurs limites hebdomadaires avant le 7 juillet. Ensuite, l’utilisation continue sera facturée via des crédits d’usage.

Fable 5 n’est donc pas adapté comme modèle de chat par défaut. Il ressemble davantage à un architecte et relecteur coûteux, idéal pour fixer la direction au début d’une tâche et vérifier la qualité avant la fin, tandis que les travaux d’exécution intermédiaires sont confiés à des modèles moins chers.

Le plus cher n’est pas une réponse unique, mais l’exécution automatique de longues tâches

La pression du coût de Fable 5 vient d’abord de son prix unitaire.

À 10 $ par million de tokens d’entrée et 50 $ par million de tokens de sortie, c’est en soi un modèle haut de gamme. Pour des questions courtes et des réponses brèves, l’utilisateur peut ne pas en ressentir l’impact. Mais dès qu’il s’agit de scénarios à longue chaîne comme la modification de code, l’organisation de données, la conception de produits, les tâches de recherche ou les agents automatisés, les tokens de sortie, le contexte, les appels d’outils et les multiples cycles de correction s’ajoutent.

Ce qui amplifie plus facilement la consommation, c’est le point fort de Fable 5.

La documentation officielle le positionne comme adapté au travail d’agent à long horizon, c’est-à-dire les tâches d’agent durables. Il peut décomposer une tâche en plusieurs étapes, vérifier activement les lacunes et, si nécessaire, continuer à invoquer des outils ou des sous-tâches pour progresser. Pour les tâches complexes, cela a une grande valeur : l’utilisateur n’a pas besoin de donner des instructions à chaque étape, le modèle peut itérer autour de l’objectif.

Mais si l’objectif est flou, les limites trop larges, et la durée trop longue, le modèle peut continuer à fonctionner pour rendre la tâche plus complète. L’auteur original mentionne qu’au cours des premières heures de tests, il a presque épuisé les limites d’utilisation, sans avoir effectué de tâches particulièrement exagérées. Ce genre d’expérience relève davantage du retour d’utilisateur que de l’estimation officielle des coûts, mais rappelle un risque réel : les longues sessions, les boucles automatiques et les mauvais usages par défaut se traduiront, après le 7 juillet, plus directement en consommation de crédits.

« 10-80-10 » : n’utiliser Fable qu’aux deux extrémités clés

La méthode centrale proposée par l’article original consiste à transformer Fable 5 d’« exécutant de bout en bout » en « vérificateur avant et après ».

Ce que l’on appelle « 10-80-10 » correspond approximativement aux trois étapes d’un projet d’IA.

Les 10 % initiaux : utiliser Fable pour la planification. Lui faire définir la structure de la tâche, le chemin d’exécution, les critères de succès, les contraintes et le format de livraison. Il n’est pas le meilleur pour une exécution mécanique, mais pour établir un plan clair avant de commencer une tâche complexe.

Les 80 % intermédiaires : passer à un modèle moins cher pour l’exécution. La majorité des tokens sont généralement consommés dans des allers-retours de modifications, d’ajustements de format, de petites corrections de code, d’organisation de données, de génération ordinaire et d’itérations. Cette partie n’a pas forcément besoin de Fable 5 en permanence ; elle peut être confiée à Opus, Sonnet, Haiku, ou d’autres modèles à moindre coût.

Les 10 % finaux : rappeler Fable pour la vérification. Une fois que le modèle bon marché a effectué l’essentiel de l’exécution, laisser Fable vérifier si le résultat s’écarte du plan initial, s’il y a des omissions, quels éléments doivent être corrigés, et s’il atteint les standards de publication. Comme il examine un produit déjà existant au lieu de générer tout le contenu à partir de zéro, la consommation de tokens est généralement beaucoup plus faible.

Cette méthode ne constitue pas une formule d’économie garantie par le fabricant. L’auteur original mentionne que dans certains scénarios, remplacer la couche d’exécution par un modèle moins cher peut réduire les coûts de tokens de plus de 50 %, mais il faut le considérer comme une expérience d’utilisation. L’idée vraiment reproductible est que les modèles haut de gamme n’ont pas à prendre en charge tout le travail intensif en tokens ; ils sont mieux adaptés aux étapes de jugement, d’architecture et de détection d’erreurs.

/goal et /loop rendent les agents plus utiles, mais aussi les coûts plus difficiles à percevoir

Un autre changement de Fable 5 est qu’il est mieux adapté aux workflows d’agent.

Dans la méthode de prompt traditionnelle, l’utilisateur pose une question, le modèle répond. L’utilisateur vérifie et pose une autre question, la boucle est pilotée par l’humain. Chaque étape (continuer, corriger, s’arrêter) est décidée par l’utilisateur.

Dans l’environnement Claude Code, /goal et /loop transforment ce processus en une exécution plus automatisée.

La documentation d’Anthropic indique que /goal s’exécute en continu jusqu’à ce que la condition soit remplie ou que l’utilisateur l’efface, et peut afficher les dépenses de tokens. Le fabricant recommande également aux utilisateurs d’ajouter des limites de temps ou de tours, comme « s’arrêter après 20 tours ». Un meilleur objectif ne doit pas simplement être « aide-moi à modifier le code », mais préciser ce qui doit être accompli, comment vérifier le résultat, quelles limites ne peuvent être franchies, et quand s’arrêter.

/loop permet de répéter un prompt à intervalles réguliers, par exemple vérifier l’état de déploiement toutes les 5 minutes, ou laisser Claude choisir l’intervalle de manière dynamique. La documentation officielle indique une règle d’expiration de 7 jours pour les tâches en boucle. Ces fonctionnalités conviennent à la surveillance, à l’itération, à la vérification, aux réparations à long terme et aux tâches d’agent ; le modèle peut continuer sans attendre que l’utilisateur donne de nouvelles instructions.

Le risque de coût apparaît ici.

La boucle automatique transforme « confirmation manuelle de l’étape suivante » en « le modèle continue selon le plan ». Si l’objectif est trop large, la condition d’arrêt floue, l’intervalle trop court ou la durée trop longue, Fable 5 peut continuer à consommer des tokens même après le départ de l’utilisateur. Plus le modèle est bon pour détecter les problèmes, ajouter des étapes et s’auto-vérifier, plus l’utilisateur doit définir des limites strictes à l’avance.

Par conséquent, il est préférable d’utiliser ensemble le 10-80-10 et le loop engineering : Fable 5 conçoit la boucle, définit les objectifs et les critères de validation ; la couche d’exécution est confiée autant que possible à un modèle moins cher ; Fable 5 n’intervient que lorsque la boucle est fermée, qu’un jugement est nécessaire, ou qu’une vérification qualité est requise à un nœud clé.

Après le 7 juillet, la sélection du modèle et les limites de dépenses doivent être revues

Pour l’utilisateur ordinaire, le risque le plus immédiat n’est pas le workflow complexe, mais le mauvais usage.

L’article original rappelle qu’à l’ouverture de Claude Code ou de l’application Claude, le modèle peut sélectionner Fable par défaut. Cette affirmation relève davantage de l’expérience utilisateur ; la documentation officielle ne la présente pas comme une règle uniforme. Mais dans la période de réouverture d’un nouveau modèle, où la plateforme encourage les tests, certains utilisateurs pourraient sans le vouloir utiliser le modèle le plus cher pour des chats ordinaires, des tâches simples de tri ou de faible valeur.

Avec l’entrée en vigueur de la facturation par crédits, ce mauvais usage devient plus sensible. Les conversations simples, les réécritures légères, la mise en forme, les résumés ordinaires n’ont pas nécessairement besoin de Fable 5. Vérifier le sélecteur de modèle avant chaque session pourrait devenir un geste de base pour les utilisateurs fréquents.

Un autre rappel concret est de fixer un plafond de dépenses (spending cap).

La documentation d’Anthropic indique que les crédits d’usage doivent être activés dans Settings > Usage ; l’utilisateur peut configurer un moyen de paiement, acheter ou précharger des crédits, et paramétrer un monthly spending cap, un auto-reload et des alertes d’usage. Claude Code est également soumis aux crédits d’usage.

Sans plafond mensuel, les longues tâches, les boucles automatiques et l’exécution d’agent peuvent accumuler des frais importants en peu de temps. Pour les utilisateurs fréquents, fixer une limite mensuelle de dépenses, utiliser des alertes et spécifier clairement les conditions d’arrêt dans /goal ou /loop n’est plus seulement un paramètre financier, mais une partie de l’utilisation d’un modèle d’agent.

Les nouvelles habitudes apportées par des modèles comme Fable 5 consistent à allouer les modèles en fonction de la valeur et de la difficulté de la tâche. La planification, les jugements complexes et les vérifications finales méritent Fable ; l’exécution répétitive, la génération ordinaire et les modifications légères conviennent mieux aux modèles moins chers. Les modèles haut de gamme passent de « chatbots plus intelligents » à « agents pouvant travailler automatiquement ». Plus leurs capacités sont grandes, plus l’utilisateur doit définir à l’avance les objectifs, les limites, le temps et le budget. Autrement, la perte de contrôle de la facture pourrait survenir avant l’échec de la tâche.

Cliquez pour connaître les postes à pourvoir chez BlockBeats

Bienvenue dans la communauté officielle de BlockBeats :

Groupe d’abonnement Telegram : https://t.me/theblockbeats

Groupe de discussion Telegram : https://t.me/BlockBeats_App

Compte Twitter officiel : https://twitter.com/BlockBeatsAsia