Anthropic a lancé le 22 septembre 2026 Claude Opus 5.5, un modèle d’IA qu’elle présente comme le nouveau modèle de tête, à un prix inférieur de 20 % à celui d’Opus 5. L’annonce s’appuie sur un tableau de résultats aux bancs d’essai mesurés, pour l’essentiel, par Anthropic elle-même. Or, au Canada, une déclaration sur le rendement d’un produit doit reposer sur une « épreuve suffisante et appropriée », et c’est à l’annonceur d’en faire la preuve. Un premier chiffre mesuré de façon indépendante montre pourquoi la règle compte.
Ce qu’Anthropic annonce
Opus 5.5 est le premier modèle de la famille Claude 5.5. Selon la page de lancement, il offre le niveau de Claude Fable 5.1, le modèle le plus puissant de l’entreprise, sur la plupart des tâches, et coûte 40 % moins cher à faire fonctionner qu’Opus 5 sur des charges de travail typiques, à ses réglages par défaut. Le prix passe à 4 $ US par million de jetons en entrée et à 20 $ US en sortie, contre 5 $ et 25 $ pour Opus 5. La lecture d’un jeton déjà en cache tombe de 0,50 $ à 0,20 $, soit 60 % de moins. Le modèle est offert sur l’API d’Anthropic et chez Amazon Web Services, Google Cloud et Microsoft. Sonnet 5.5 et Haiku 5.5 doivent suivre dans les prochaines semaines.
Côté sécurité, Anthropic juge le modèle comparable à Claude Mythos 5.1 en biologie et en cybersécurité, et le déploie avec des garde-fous : quand ils se déclenchent, la tâche est confiée à un modèle plus ancien. L’entreprise dit aussi avoir soumis le modèle, avant sa sortie, à deux évaluateurs externes, Frontier Design et METR.
Le cœur de l’annonce reste le tableau de neuf bancs d’essai. Opus 5.5 y affiche 66,4 % sur Terminal-Bench 4.0, un test de programmation autonome, contre 57,9 % pour GPT-6 Astra d’OpenAI et 52,3 % pour Opus 5. Il ne gagne pas partout : GPT-6 Astra le devance sur AutomationBench (41,4 % contre 40,0 %) et sur Terminal-Bench-Science (64,6 % contre 58,7 %). Anthropic conclut qu’Opus 5.5 mène en programmation autonome, en utilisation d’ordinateur et en travail du savoir.
Ce que mesure un tiers
Le jour même, la firme d’évaluation Artificial Analysis a publié ses propres mesures. Elle classe Opus 5.5 au premier rang de son indice composite, avec 58 points, le score le plus élevé qu’elle ait mesuré. La conclusion générale va donc dans le sens d’Anthropic. Le détail, lui, s’en écarte sur deux points.
Sur Terminal-Bench 4.0, Artificial Analysis mesure Opus 5.5 à 59,6 %, à égalité avec GPT-6 Astra, et non 8,5 points devant. L’écart s’explique en bonne partie par les conditions de mesure, que la note de bas de page d’Anthropic dévoile : Opus 5.5 y est testé au réglage d’effort « xhigh » dans l’environnement d’Anthropic, tandis que le chiffre de GPT-6 Astra est celui qu’OpenAI a publié, à un réglage d’effort inférieur. Le tableau rapproche donc deux mesures prises par deux entreprises, dans deux montages différents. Le tiers, lui, a passé les deux modèles dans le même environnement.
Sur le coût, Anthropic annonce 40 % d’économie par rapport à Opus 5. Au réglage d’effort maximal, Artificial Analysis trouve plutôt un coût par tâche comparable à celui d’Opus 5 : le nouveau modèle consomme environ 119 000 jetons de sortie par tâche, contre 73 000 pour son prédécesseur, et ce volume annule la baisse du prix unitaire. Les deux affirmations peuvent être vraies en même temps, puisqu’elles ne portent pas sur le même réglage. C’est précisément ce que le lecteur d’un tableau ne voit pas.
Anthropic reconnaît elle-même la limite de l’exercice. Sous le tableau, l’entreprise écrit qu’à ce niveau de capacité, les écarts aux bancs d’essai sont devenus un guide moins fiable des différences réelles, et que dans son propre usage, l’écart entre Opus 5.5 et Fable 5.1 est plus étroit que les chiffres ne le suggèrent.
| Affirmation | Annonce d’Anthropic | Mesure d’Artificial Analysis | Ce qui diffère |
|---|---|---|---|
| Terminal-Bench 4.0 | 66,4 %, contre 57,9 % pour GPT-6 Astra | 59,6 %, à égalité avec GPT-6 Astra | Réglages d’effort et environnement de test ; chiffre concurrent fourni par OpenAI |
| Coût d’utilisation | 40 % de moins qu’Opus 5 | Coût par tâche comparable à Opus 5 | Réglage par défaut chez Anthropic, effort maximal chez le tiers |
| GDPval-AA v2.1 | 1 846 points Elo | 1 846 points Elo | Aucun : c’est le test du tiers lui-même |
Ce que la loi exige d’une déclaration de rendement
L’alinéa 74.01(1)b) de la Loi sur la concurrence rend susceptible d’examen quiconque, pour promouvoir un produit, donne au public une déclaration sur son rendement, son efficacité ou sa durée utile qui ne se fonde pas sur une épreuve suffisante et appropriée. La preuve de cette épreuve incombe à la personne qui fait la déclaration. Le texte parle du public, sans le limiter aux consommateurs : les entreprises et les développeurs à qui s’adressent ces tableaux en font partie, à la lecture de la disposition.
Deux autres règles de la même loi pèsent ici. Le paragraphe 74.03(5) oblige le décideur à tenir compte de l’impression générale donnée par les indications, et pas seulement de leur sens littéral. Le paragraphe 74.03(4) précise qu’il n’est pas nécessaire de prouver que quelqu’un a été trompé, ni que la personne qui a reçu les indications se trouvait au Canada. Une page Web publiée à San Francisco et lue à Montréal n’échappe donc pas à la règle.
La jurisprudence a précisé ce qu’est une épreuve suffisante et appropriée. En février 2008, dans l’affaire Imperial Brush, sur des bûches de ramonage, le Tribunal de la concurrence a jugé l’exigence conforme à la Charte et a posé des critères : l’épreuve s’apprécie selon le sens que le public ordinaire donne à la déclaration, dans des conditions contrôlées, sans exiger une certitude scientifique. En 2013, la Cour supérieure de justice de l’Ontario est allée plus loin dans l’affaire Chatr, filiale de Rogers : l’entreprise affirmait perdre moins d’appels que ses concurrents. La cour a jugé que l’épreuve doit précéder la déclaration, et a condamné Chatr même si des tests faits après coup avaient confirmé que la déclaration était vraie. La sanction, fixée en février 2014, a été de 500 000 $.
La leçon de Chatr vaut pour une déclaration comparative. Pour affirmer perdre moins d’appels que Wind Mobile, il fallait avoir mesuré les deux réseaux, dans les mêmes marchés. Pour afficher 66,4 % contre 57,9 %, la question devient : une mesure faite par l’annonceur, dans son propre montage, mise à côté d’un chiffre publié par le concurrent dans un autre montage, constitue-t-elle une épreuve suffisante et appropriée de la comparaison ? Aucun tribunal canadien n’a encore eu à répondre à cette question pour un modèle d’IA.
Ce qui joue en faveur d’Anthropic
Présenter la question comme tranchée serait inexact, et plusieurs éléments jouent en faveur d’Anthropic. D’abord, l’entreprise a bien fait des tests, et elle les documente : erreur type de plus ou moins 2,6 points sur Terminal-Bench 4.0, nombre d’essais, environnement. Elle montre même que son montage reproduit, à 52,3 % contre 51,8 %, le résultat public d’Opus 5 au classement officiel, ce qui est une forme de contrôle de sa méthode. Ensuite, certains chiffres ne viennent pas d’elle : AutomationBench a été mené par Zapier, et GDPval-AA appartient à Artificial Analysis, qui obtient le même score. Enfin, Anthropic signale elle-même que les écarts aux bancs d’essai surestiment la différence réelle, et elle le dit dans l’annonce même.
Reste une question que la loi pose sans y répondre : ces précisions en bas de page suffisent-elles à corriger l’impression générale que laisse un tableau qui place Opus 5.5 en tête ? Le paragraphe 74.03(5) invite à regarder l’ensemble, pas seulement la note.
Qui pourrait saisir la question
Le commissaire de la concurrence, d’abord. Dans son rapport sur l’IA et la concurrence, publié le 27 janvier 2025, le Bureau de la concurrence annonçait qu’il appliquerait vigoureusement les règles existantes sur les indications trompeuses à l’IA. Aucune procédure visant les résultats d’un modèle d’IA n’est connue à ce jour.
Depuis le 20 juin 2025, un acteur privé peut aussi agir. L’article 103.1 permet à toute personne de demander au Tribunal de la concurrence la permission de présenter une demande en matière de pratiques commerciales trompeuses, à condition de démontrer que la demande sert l’intérêt public. Un concurrent ou un client d’entreprise pourrait donc emprunter cette voie. Les sanctions possibles, prévues à l’article 74.1, vont jusqu’à 10 millions de dollars pour une première ordonnance visant une personne morale, ou trois fois le bénéfice tiré du comportement, ou encore 3 % des recettes globales brutes annuelles. Deux nuances importantes : le remboursement aux acheteurs n’est prévu que pour les indications fausses ou trompeuses (alinéa 74.01(1)a)), pas pour le défaut d’épreuve ; et aucune ordonnance pécuniaire n’est possible si l’entreprise démontre avoir fait preuve de toute la diligence voulue.
Au Québec, l’article 219 de la Loi sur la protection du consommateur interdit toute représentation fausse ou trompeuse faite à un consommateur. Il pourrait viser les abonnements grand public (Pro, Max), moins les contrats d’API conclus par des entreprises.
Le précédent le plus proche vient des États-Unis. Le 28 avril 2025, la Federal Trade Commission a visé l’entreprise Workado, qui vantait un détecteur de textes générés par l’IA exact à 98 %. Selon la FTC, sa précision sur des contenus d’usage général n’était que de 53 %. L’ordonnance finale, approuvée le 28 août 2025, oblige l’entreprise à détenir une preuve compétente et fiable de toute déclaration d’efficacité. Le droit américain n’a pas d’effet au Canada, mais la logique est la même : un pourcentage publié est une promesse, et une promesse se prouve.
Le seul contrôle obligatoire est publicitaire
Ce débat prend son relief dans le vide qui l’entoure. La Loi sur l’intelligence artificielle et les données, contenue dans le projet de loi C-27, est morte au feuilleton lors de la prorogation de 2025, et la stratégie fédérale en IA publiée cet été ne prévoit pas de loi dédiée, selon l’analyse du magazine de l’Association du Barreau canadien (13 juillet 2026). Aucune autorité canadienne n’a donc pour mandat de vérifier les capacités annoncées d’un modèle avant sa mise en marché.
Les évaluations externes restent volontaires et encadrées par le fabricant. METR précise dans son rapport qu’il a eu dix jours ouvrables d’accès, sans rémunération, et qu’Anthropic a eu l’occasion de réviser et de modifier son texte. Ce n’est pas un reproche : c’est la définition même d’une évaluation négociée.
Dans ce paysage, la règle de l’épreuve suffisante et appropriée, inscrite à l’article 74.01 depuis 1999, est le seul mécanisme contraignant qui oblige un fabricant de modèle d’IA à pouvoir prouver les capacités qu’il annonce au public canadien. Elle n’a jamais été appliquée à un banc d’essai. Opus 5.5 est peut-être le meilleur modèle du marché ; Artificial Analysis le pense. La loi, elle, ne demande pas s’il l’est. Elle demande si celui qui l’affirme peut le prouver, dans les conditions où il l’affirme.
Note sur ce contenu. Cet article a été rédigé par un(e) journaliste IA du Juridhic. Il reflète ses recherches et son point de vue, sous la supervision et la responsabilité éditoriale de la rédaction humaine du Juridhic. Nous visons la plus grande rigueur, mais des erreurs peuvent subsister. Votre vigilance compte : signalez-nous toute correction à corrections-lejuridhic@protonmail.ch.
Références
- Anthropic. (2026, 22 septembre). Introducing Claude Opus 5.5. https://www.anthropic.com/claude-opus-5-5
- Artificial Analysis. (2026, 22 septembre). Claude Opus 5.5 takes the top spot on the Artificial Analysis Intelligence Index. https://artificialanalysis.ai/articles/claude-opus-5-5
- METR. (2026, 22 septembre). Summary of METR’s predeployment evaluation of Claude Opus 5.5. https://metr.org/blog/2026-09-22-claude-opus-5-5/
- Loi sur la concurrence, L.R.C. (1985), ch. C-34, art. 74.01, 74.03, 74.1 et 103.1. Site Web de la législation (Justice). https://laws-lois.justice.gc.ca
- Loi sur la protection du consommateur, RLRQ c. P-40.1, art. 219. Légis Québec. https://www.legisquebec.gouv.qc.ca
- Bureau de la concurrence Canada. (2008, 11 février). Competition Bureau wins court order against chimney products company [communiqué]. https://www.canada.ca
- TheCourt.ca. (2014, 10 mars). Canada (Commissioner of Competition) v Chatr Wireless Inc.: True claims, but inadequate testing. Osgoode Hall Law School. https://www.yorku.ca/osgoode/thecourt
- Bureau de la concurrence Canada. (2025, 27 janvier). Consultation on artificial intelligence and competition: What we heard. https://competition-bureau.canada.ca
- Norton Rose Fulbright. (2025). Competition Act: Expanded private enforcement rights now in force. https://www.nortonrosefulbright.com
- Federal Trade Commission. (2025, 28 avril). FTC order requires Workado to back up artificial intelligence detection claims [communiqué]. https://www.ftc.gov
- Federal Trade Commission. (2025, 28 août). FTC approves final order against Workado, LLC [communiqué]. https://www.ftc.gov
- National (Association du Barreau canadien). (2026, 13 juillet). La stratégie canadienne en matière d’IA : orientation claire ou sabotage numérique ? https://nationalmagazine.ca
- VentureBeat. (2026, 22 septembre). Anthropic releases Claude Opus 5.5, beating Fable 5.1 on key agentic benchmarks at 60% cheaper API price. https://venturebeat.com
