Guide développeur Claude Fable 5 : Programmation agentique à grande échelle

Quand Anthropic a publié Claude Fable 5 le 9 juin 2026, plus de 237 000 publications ont déferlé sur X en moins de 48 heures — le genre de signal qui indique qu'un changement profond vient de se produire. Ce n'est pas une évolution incrémentale. Fable 5 est le premier modèle de classe Mythos disponible au grand public : mêmes poids, mêmes capacités, conçu pour les 95 % de workflows développeurs que Mythos Preview ne pouvait pas atteindre. Ce guide est votre carte pour le mettre en oeuvre.

Ce qui rend Fable 5 différent

Claude Fable 5 (identifiant : claude-fable-5) est le modèle le plus puissant proposé en disponibilité générale par Anthropic. Il fonctionne avec la pensée adaptative activée par défaut — sans basculement séparé vers la pensée étendue — et prend en charge une fenêtre de contexte de 1 million de tokens avec un maximum de sortie de 128 000 tokens. À 10/50 dollars par million de tokens d'entrée/sortie, il coûte moins de la moitié de ce que Mythos Preview facturait, tout en l'égalant sur plus de 95 % des tâches.

L'écart avec le modèle concurrent le plus proche n'est pas marginal. Sur SWE-Bench Pro — l'évaluation d'ingénierie logicielle réelle la plus exigeante du secteur — Fable 5 obtient 80,3 %, contre 69,2 % pour Opus 4.8, 58,6 % pour GPT-5.5 et 54,2 % pour Gemini 3.1 Pro. Sur SWE-Bench Verified, il atteint 95 %. Sur FrontierCode (l'évaluation de Cognition pour la difficulté de codage frontier), il devance tous les modèles concurrents à effort moyen.

L'écart se creuse à mesure que les tâches deviennent plus complexes — exactement la plage où les agents autonomes opèrent.

Premiers pas : configuration de l'API

Fable 5 est disponible sur l'API Claude, Amazon Bedrock, Vertex AI et Microsoft Foundry depuis le 9 juin 2026.

Python (API Claude) :

import anthropic
 
client = anthropic.Anthropic(api_key="your-api-key")
 
response = client.messages.create(
    model="claude-fable-5",
    max_tokens=8192,
    messages=[
        {
            "role": "user",
            "content": "Refactorise ce module Python pour utiliser async/await."
        }
    ]
)
print(response.content[0].text)

TypeScript (Node.js) :

import Anthropic from "@anthropic-ai/sdk";
 
const client = new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY });
 
const msg = await client.messages.create({
  model: "claude-fable-5",
  max_tokens: 8192,
  messages: [
    { role: "user", content: "Génère des tests unitaires pour la classe UserService." }
  ],
});
console.log(msg.content[0].text);

Amazon Bedrock (Python) :

import boto3
import json
 
bedrock = boto3.client("bedrock-runtime", region_name="us-east-1")
 
response = bedrock.invoke_model(
    modelId="anthropic.claude-fable-5",
    body=json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "max_tokens": 8192,
        "messages": [{"role": "user", "content": "Revois cette PR pour les problèmes de sécurité."}]
    })
)
result = json.loads(response["body"].read())
print(result["content"][0]["text"])

Le même identifiant claude-fable-5 fonctionne sur Vertex AI et Microsoft Foundry sans préfixes spécifiques à la plateforme.

Fonctionnalités agentiques : Ultra Code et Dynamic Workflows

La capacité phare de Fable 5 ne réside pas dans les scores bruts — c'est son comportement sur les tâches autonomes longue durée.

Ultra Code : sous-agents parallèles

Ultra Code lance plusieurs sous-agents qui exécutent des tâches simultanément. Sur une grande base de code avec des modules indépendants, Fable 5 peut assigner un composant distinct à chaque sous-agent — tests, documentation, refactorisation, revue de sécurité — et les exécuter en parallèle. Le modèle orchestrateur synthétise les résultats et résout les conflits.

Stripe a rapporté avoir compressé deux mois de travail manuel en une seule journée pour une migration de base de code de 50 millions de lignes. Ce niveau de gain devient standard sur les projets suffisamment complexes.

Dynamic Workflows

Pour les projets multi-étapes hautement dépendants — où l'étape N nécessite la sortie exacte de l'étape N-1 — Dynamic Workflows force Fable 5 à générer un plan linéaire avec des points de contrôle d'évaluation explicites avant l'exécution. Cela prévient le mode d'échec courant où un agent autonome enchaîne les hypothèses pour finalement reculer de plusieurs étapes en atteignant un blocage de validation.

Mémoire persistante pour les sessions multi-jours

Fable 5 obtient une amélioration de performance trois fois supérieure sur les tâches complexes avec état quand il dispose d'une mémoire persistante basée sur des fichiers. En pratique, cela signifie écrire les résultats intermédiaires dans des fichiers que le modèle relit lors des tours suivants.

Utilisez le paramètre effort pour contrôler la profondeur de réflexion :

response = client.messages.create(
    model="claude-fable-5",
    max_tokens=16000,
    extra_body={"effort": "high"},  # ou "medium", "low"
    messages=[{"role": "user", "content": "Migre cette application Express.js vers Fastify."}]
)

L'effort élevé convient aux décisions d'architecture et aux analyses sensibles à la sécurité. L'effort moyen gère la plupart des tâches de génération de code avec une latence et un coût nettement inférieurs.

Vision : du screenshot au code en production

Les capacités de vision de Fable 5 sont de qualité production. Il peut reconstruire le code source d'une application web depuis une seule capture d'écran, extraire des chiffres précis de figures scientifiques complexes, et valider des interfaces utilisateur en comparant les captures d'écran rendues aux spécifications de design.

Le résultat sur Pokémon FireRed illustre le raisonnement spatial à l'oeuvre : Fable 5 a terminé l'intégralité du jeu en utilisant uniquement des captures d'écran brutes — sans cartes, sans guides textuels. Ce même raisonnement s'applique à la navigation dans des interfaces complexes : identification des composants, inférence de l'état, génération du code approprié.

Pour les équipes construisant des pipelines design-to-code, Fable 5 fait de la validation basée sur captures d'écran une étape de production viable plutôt qu'un contrôle qualité manuel.

Intégration avec Claude Code

Dans Claude Code, sélectionnez claude-fable-5 dans le sélecteur de modèles. Les sessions autonomes multi-jours sont prises en charge nativement — le modèle persiste le contexte entre les sessions grâce à la mémoire basée sur des fichiers dans votre répertoire de travail.

Pour les équipes MENA qui gèrent le coût de l'API par rapport aux budgets projets : à 10 dollars d'entrée / 50 dollars de sortie, Fable 5 est tarifé en dessous de Mythos Preview tout en offrant une capacité équivalente pour la plupart des tâches. Pour les appels à haute fréquence et faible complexité, Claude Sonnet 4.6 (3/15 dollars) ou Haiku 4.5 (1/5 dollars) restent de meilleurs choix. Réservez Fable 5 aux tâches qui justifient un raisonnement de niveau SWE-bench — décisions d'architecture, grandes migrations, orchestration multi-agents.

Architecture de sécurité

Fable 5 utilise un système de repli basé sur des classifieurs. Les requêtes touchant trois domaines sensibles déclenchent un repli automatique vers Claude Opus 4.8 :

1. Cybersécurité — assistance à l'exploitation et tâches agentiques malveillantes
2. Biologie/Chimie — recherche à double usage avec potentiel d'armes biologiques
3. Distillation — extraction des capacités du modèle via génération de données synthétiques

Cela se produit dans moins de 5 % des sessions. Pour les 95 % restants, Fable 5 performe de manière identique à Mythos 5. Les tests red-team externes ont dépassé 1 000 heures sans jailbreaks universels trouvés.

Pour les déploiements entreprise : le trafic de classe Mythos est soumis à une exigence de rétention de 30 jours avec des contrôles stricts sur la confidentialité. Examinez vos accords de traitement des données avant de router des bases de code sensibles via l'API.

Tarifs et disponibilité des plateformes

Ce qui vient ensuite

Claude Mythos 5 (claude-mythos-5) se situe au-dessus de Fable 5, disponible uniquement via Project Glasswing pour les clients approuvés. La trajectoire générale est claire : Anthropic transforme les capacités de classe Mythos en produit pour les développeurs grand public.

Construisez vos pipelines agentiques autour de Fable 5 maintenant. L'avance sur les benchmarks est réelle, l'API est stable, et Ultra Code avec Dynamic Workflows résout les modes d'échec qui rendaient les agents de codage autonomes précédents peu fiables à grande échelle. Le score de 80,3 % sur SWE-Bench Pro n'est pas un plafond — c'est un point de départ pour ce qui devient possible quand vous concevez vos systèmes autour de lui.