Opus, Sonnet, Haiku, GPT, Gemini, Mistral, DeepSeek, et maintenant Fable ou Mythos… Le catalogue des modèles d'IA ressemble à un inventaire à la Prévert où plus personne ne s'y retrouve. Pourtant, derrière ces noms se cache une logique simple, une fois qu'on a la clé. Comprendre ces « gammes » n'est pas un caprice d'expert : c'est devenu une compétence utile pour bien choisir, et bien se former. Décryptage, à l'occasion d'une actualité qui a remis les modèles sous les projecteurs.

L'actualité qui rappelle que les modèles ne sont pas tous égaux

Fin juin 2026, un épisode a illustré à quel point ces outils sont devenus stratégiques. Le gouvernement américain avait suspendu à la mi-juin l'accès à deux des modèles les plus avancés d'Anthropic, Fable 5 et Mythos 5, au titre de contrôles à l'export. Le 30 juin, le Département du commerce a levé ces contrôles, et l'entreprise a rétabli l'accès dès le 1er juillet (Fable 5 dans le monde entier, Mythos 5 pour un ensemble d'organisations américaines approuvées). Nous avons raconté les dessous géopolitiques de cette affaire dans notre article sur l'IA, Washington et Pékin ; pour les détails officiels, Anthropic a publié une déclaration dédiée.

Ce qui nous intéresse ici, c'est ce que révèle cet épisode : un même éditeur propose plusieurs modèles très différents, du généraliste grand public au modèle spécialisé le plus pointu. C'est vrai de tous les grands acteurs. Voyons comment ils s'organisent.

La logique des gammes : capacité, vitesse, coût

Il n'existe pas « un » meilleur modèle d'IA, et c'est le premier réflexe à acquérir. Chaque modèle est un compromis entre trois critères : la capacité (aptitude à raisonner sur des tâches complexes), la vitesse (le temps de réponse) et le coût. Un modèle très puissant est plus lent et plus cher ; un modèle rapide et bon marché est moins à l'aise sur les tâches difficiles. Les éditeurs déclinent donc leurs modèles en gammes, un peu comme un constructeur automobile propose citadines, berlines et utilitaires.

On retrouve chez la plupart trois grands niveaux :

• Le plus capable : réservé aux tâches complexes (raisonnement approfondi, analyse difficile, code élaboré). Le plus coûteux et le plus lent. C'est le rôle d'un Opus chez Anthropic, d'un modèle « phare » chez OpenAI, ou d'un Mistral Large.
• L'équilibré, ou polyvalent : le meilleur rapport performance/coût/rapidité pour l'immense majorité des usages quotidiens. C'est précisément ce qu'est Sonnet chez Anthropic, positionné entre Opus et Haiku. C'est le « cheval de trait » que la plupart des applications utilisent au quotidien.
• Le rapide et économique : conçu pour les tâches simples à très grand volume, avec une latence minimale et un coût très faible. C'est le rôle d'un Haiku chez Anthropic, ou d'un modèle « Flash » chez Google.

Cette grille éclaire d'un coup le catalogue : Sonnet est à Anthropic ce qu'un modèle polyvalent est à chaque éditeur, et Haiku son option la plus légère.

Au-delà des gammes : d'autres familles à connaître

La logique de gammes ne dit pas tout. Trois autres distinctions sont utiles.

D'abord, les modèles de raisonnement : certains modèles sont optimisés pour « réfléchir » étape par étape avant de répondre, utiles pour les mathématiques ou la logique. C'est la spécialité de la série R de DeepSeek, par exemple, à côté de ses modèles généralistes de série V.

Ensuite, la distinction entre modèles ouverts et fermés. Les modèles « ouverts » (open-weight), comme ceux de Mistral ou de DeepSeek, peuvent être téléchargés et hébergés par l'entreprise elle-même, ce qui offre un contrôle total et répond aux enjeux de souveraineté que nous détaillons dans notre article sur l'IA souveraine. Les modèles « fermés » ne sont accessibles que via l'interface de l'éditeur, plus simples à utiliser mais moins maîtrisables. Ni l'un ni l'autre n'est supérieur : tout dépend du besoin de contrôle, de conformité et de simplicité.

Enfin, les modèles spécialisés. C'est le cas des modèles Mythos et Fable d'Anthropic évoqués plus haut, orientés vers des tâches très pointues comme la découverte de vulnérabilités logicielles. Il existe aussi des modèles dédiés au code, à l'image, à la voix. La spécialisation est une tendance forte de 2026.

Pourquoi cela compte quand on se forme (et quand on travaille)

Loin d'être un débat théorique, ce choix a des conséquences très concrètes. Utiliser le modèle le plus puissant pour une tâche que le plus léger accomplirait tout aussi bien, c'est payer parfois vingt fois trop cher, pour un résultat identique et plus lent. À l'inverse, confier une tâche complexe à un petit modèle, c'est s'exposer à des erreurs. Savoir associer le bon modèle à la bonne tâche est devenu une compétence économique autant que technique.

Cette compétence en recouvre d'autres : comprendre les enjeux de coût, arbitrer entre modèle ouvert et fermé selon la sensibilité des données, évaluer un modèle sur ses propres cas d'usage plutôt que sur des classements marketing (les fameux « benchmarks », souvent contestés), et rester agile alors que les versions se renouvellent à un rythme effréné. Car c'est la limite de tout guide sur le sujet : les noms et numéros de version changent tous les quelques mois. La bonne posture n'est pas de mémoriser un catalogue, mais de comprendre la logique qui le sous-tend, puis de vérifier l'état de l'art auprès des sources officielles au moment de choisir.

C'est exactement ce que nous visons chez KLE Formations : non pas apprendre à utiliser un outil précis qui sera périmé dans six mois, mais acquérir une culture solide de l'IA, pour choisir, comparer et encadrer ces technologies en connaissance de cause. Nos futurs parcours en intelligence artificielle (bientôt disponibles) intégreront cette culture du choix éclairé, et notre parcours en cybersécurité (déjà accessible et finançable via CPF, France Travail, OPCO ou Transitions Pro) couvre la gouvernance et la sécurité des données indissociables de tout usage sérieux de l'IA. Pour prolonger, lisez notre analyse géopolitique de l'IA et notre dossier sur l'IA souveraine et Mistral.

Derrière la jungle des noms se cache donc une forêt bien ordonnée. Opus, Sonnet ou Haiku, GPT, Gemini, Mistral ou DeepSeek : ce ne sont pas des rivaux à départager une fois pour toutes, mais une boîte à outils dans laquelle il faut apprendre à piocher le bon instrument. Et cette compétence-là, contrairement aux modèles, ne se périme pas.

---

Sources : déclaration officielle d'Anthropic sur le rétablissement de l'accès à Fable 5 et Mythos 5 (anthropic.com/news/fable-mythos-access) ; couverture de la levée des contrôles à l'export par Al Jazeera, Fortune et Coindesk (30 juin-1er juillet 2026) ; documentations publiques des éditeurs (Anthropic, OpenAI, Google, Mistral AI, DeepSeek) pour la structure de leurs gammes. Informations à jour au début juillet 2026 ; les noms et versions des modèles évoluent très rapidement, se référer aux documentations officielles avant tout choix. Cet article, à visée pédagogique, présente les différents éditeurs de façon neutre, sans recommandation commerciale.