L'IA cette semaine : Sonnet 4.6, Gemini 3.1 Pro et sept modèles en un mois

Sept modèles frontier en un mois. C'est le bilan de ce mois de février 2026 au moment où j'écris. Les sorties s'enchaînent. L'écart entre open source et propriétaire est désormais quasi nul sur la plupart des benchmarks. Voici ce qui s'est passé cette semaine.

Les actus de la semaine

Sonnet 4.6 atteint le niveau Opus aux tarifs Sonnet

Anthropic a sorti Claude Sonnet 4.6 le 17 février. Il obtient 79,6 % sur SWE-bench Verified et 72,5 % sur OSWorld. Pour comparaison, Opus 4.6 est à 80,8 % sur SWE-bench et 72,7 % sur OSWorld. 1,2 point d'écart en code et une quasi-égalité en usage ordinateur.

Le prix rend la chose intéressante. Sonnet 4.6 coûte 3 $ le million de tokens en entrée et 15 $ en sortie : cinq fois moins qu'Opus. Il bénéficie aussi d'une fenêtre de contexte de 1 million de tokens en bêta, une première pour un modèle de classe Sonnet.

Anthropic en a fait le modèle par défaut dans claude.ai et Claude Cowork. Dans les tests Claude Code, les développeurs ont préféré Sonnet 4.6 à Sonnet 4.5 dans 70 % des cas et à l'ancien flagship Opus 4.5 dans 59 % des cas. Ce dernier chiffre devrait faire réfléchir quiconque vend des modèles premium : quand le modèle moins cher gagne la majorité des comparaisons directes avec le plus cher, la grille tarifaire devient difficile à défendre.

Je l'utilise depuis sa sortie. Pour la plupart de mes tâches de développement, la différence de qualité avec Opus 4.6 est imperceptible. La différence de coût ne l'est pas. C'est le genre de sortie qui change le modèle qu'on utilise par défaut.

Gemini 3.1 Pro double ses performances de raisonnement

Google a publié Gemini 3.1 Pro le 19 février. Le titre : 77,1 % sur ARC-AGI-2, un benchmark conçu pour tester si un modèle peut résoudre des patterns logiques totalement nouveaux qu'il n'a jamais vus à l'entraînement. C'est environ le double du score de Gemini 3 Pro, 24 % devant GPT-5.2 et 9 % devant Opus 4.6.

En code aussi, il tient son rang : 80,6 % sur SWE-bench Verified, ce qui le place au sommet du classement aux côtés d'Opus 4.6. Le tarif reste à 2 $ le million de tokens en entrée et 12 $ en sortie pour les prompts sous 200K tokens. Les utilisateurs existants l'obtiennent sans surcoût.

Le résultat ARC-AGI-2 est celui qui mérite attention. Les benchmarks de raisonnement sont un point faible persistant de la plupart des modèles. Doubler les performances sur un benchmark spécifiquement conçu pour résister aux raccourcis basés sur la mémorisation laisse penser que Google a fait un vrai progrès côté architecture ou entraînement, pas juste mis plus de compute.

Windsurf Wave 13 lance le coding multi-agent parallèle

Windsurf a publié Wave 13 avec trois ajouts notables : le modèle SWE-1.5 gratuit pour tous jusqu'en mars, des sessions multi-agent parallèles via les Git worktrees et une interface multi-panneaux pour surveiller plusieurs agents côte à côte.

L'intégration des Git worktrees est la vraie nouveauté. On peut lancer cinq agents Cascade sur cinq bugs différents simultanément, chacun sur sa propre branche, partageant l'historique Git sans conflits de fichiers. Chaque agent dispose de son terminal zsh dédié avec héritage des variables d'environnement.

C'est la réponse de Windsurf aux Agent Teams de Claude Code, sortis avec Opus 4.6 plus tôt ce mois-ci. Implémentation différente, même idée : le développement ressemble de plus en plus à la gestion d'une équipe d'agents plutôt qu'à l'écriture de code. Les outils convergent vers l'orchestration multi-agent comme paradigme par défaut.

Offrir SWE-1.5 gratuit pendant trois mois est un bon levier d'acquisition. Windsurf parie que les développeurs qui auront testé leur modèle resteront après la fin de la période gratuite.

Claude Code Security fait plonger les actions cybersécurité

Le 20 février, Anthropic a annoncé Claude Code Security, une preview de recherche qui scanne les codebases pour trouver des vulnérabilités et proposer des patches à vérifier par un humain. Avec Opus 4.6, l'équipe d'Anthropic a trouvé plus de 500 vulnérabilités dans des codebases open source en production, des bugs passés inaperçus malgré des années de revue par des experts.

Le marché a paniqué. CrowdStrike a perdu 7,8 %, Cloudflare 5,9 %, Palo Alto Networks 6,4 %. Des éditeurs spécialisés en analyse statique comme JFrog ont chuté de près de 25 %. Des milliards de capitalisation envolés en quelques heures.

La réaction était disproportionnée. Claude Code Security fait de l'analyse statique. Il lit du code et raisonne sur les vulnérabilités. Il ne teste pas le comportement en production, ne peut pas envoyer de requêtes à travers une stack API et ne peut pas confirmer si une faille est exploitable en conditions réelles. C'est un relecteur de code, pas un testeur d'intrusion.

C'est important parce que la plupart des entreprises dont les actions ont plongé vendent de la sécurité runtime, de la protection endpoint et de la surveillance réseau. Claude Code Security ne concurrence pas la détection endpoint de CrowdStrike ni la protection DDoS de Cloudflare. Il concurrence Snyk, SonarQube et l'audit de code manuel. Le marché a vendu les mauvaises actions.

Le signal reste réel malgré tout. L'analyse de code par IA qui raisonne sur les patterns de vulnérabilité plutôt que de matcher des signatures connues c'est un vrai progrès. Les outils SAST traditionnels devront évoluer. Mais l'industrie cybersécurité dans son ensemble n'est pas menacée par un scanner de code.

Le rush de février : sept modèles frontier en un mois

Prenons du recul. Opus 4.6 (5 février), GLM-5 (11 février), Qwen3.5 (16 février), Sonnet 4.6 (17 février), Gemini 3.1 Pro (19 février). DeepSeek V4 est encore attendu avant la fin du mois. Sept modèles de classe frontier dans un seul mois.

Trois tendances se dégagent.

L'écart ouvert-fermé est quasi nul. GLM-5 (MIT) atteint 77,8 % sur SWE-bench. Qwen3.5 (Apache 2.0) coûte 60 % de moins que son prédécesseur. Sonnet 4.6 (propriétaire mais accessible) offre des performances Opus aux tarifs Sonnet. Le surcoût pour un modèle frontier propriétaire se réduit à grande vitesse.

Les prix sont en chute libre. Quand plusieurs modèles frontier se battent pour les mêmes workloads, le plancher tarifaire baisse. Qwen3.5 à 0,18 $ le million de tokens en entrée, Sonnet 4.6 à 3 $, Gemini 3.1 Pro à 2 $ : ces chiffres auraient paru absurdes il y a six mois.

Le routage de modèles devient indispensable. Aucun modèle ne gagne sur tout. Gemini 3.1 Pro mène en raisonnement (ARC-AGI-2). Opus 4.6 mène en coding agentique (SWE-bench). GLM-5 offre le meilleur rapport qualité-prix sur matériel Huawei. Qwen3.5 domine en couverture multilingue. Les équipes qui construisent une logique de routage pour choisir le bon modèle par tâche auront un avantage structurel sur les coûts.

Qu'est-ce que ça veut dire concrètement ?

Février 2026 restera comme le mois où le frontier a cessé d'être exclusif. Il y a un an, performer au niveau frontier signifiait payer le prix fort à l'une de trois entreprises américaines. Aujourd'hui on peut y arriver avec un modèle chinois sous MIT, un modèle chinois sous Apache 2.0, un modèle européen dans un data center suédois ou un modèle Anthropic moins cher. Les options existent.

Ce qui change concrètement pour ceux qui construisent : arrêter de chercher "le meilleur modèle" et commencer à raisonner en portefeuille de modèles. Router les tâches de raisonnement vers Gemini 3.1 Pro, le code vers Opus 4.6, le multilingue vers Qwen3.5, les workloads sensibles au coût vers Sonnet 4.6 ou GLM-5. Traiter la sélection de modèle comme une décision d'infrastructure : le bon outil pour chaque job.

La réaction du marché cybersécurité à Claude Code Security est un aperçu de ce qui va suivre. Chaque fois que l'IA devient crédiblement bonne sur une tâche professionnelle, le marché des outils historiques de ce domaine est réévalué. L'analyse statique passe en premier. La sécurité runtime, le testing, le monitoring suivront. Aucun de ces domaines ne va disparaître, mais les outils qui n'évoluent pas perdront du terrain face à ceux qui le font.

À surveiller la semaine prochaine

• DeepSeek V4 attendu d'un jour à l'autre : Apache 2.0, MoE à mille milliards de paramètres, contexte 1M. S'il tient ses promesses, ça ajoute encore une option open source viable au niveau frontier.
• Claude Code Security en pratique : je le teste cette semaine sur mes propres projets. Curieux de voir comment il se comporte sur des codebases réelles, au-delà des exemples choisis de l'annonce.
• Le bilan final de février : on devrait avoir un décompte clair des sorties frontier d'ici la fin du mois. Que ce soit sept ou huit, c'est déjà sans précédent. Mars va paraître calme en comparaison.

---

Ceci est le numéro 3 de L'IA cette semaine, un briefing du lundi sur ce qui compte en IA. Découvrez d'autres articles dans le Knowledge Hub.