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 compteur de février 2026 au moment où j'écris ces lignes. Les sorties s'enchaînent. L'écart entre open source et propriétaire est 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. 79,6 % sur SWE-bench Verified, 72,5 % sur OSWorld. Opus 4.6, pour comparer, est à 80,8 % et 72,7 %. 1,2 point d'écart en code. Quasi rien en usage ordinateur.

Le prix change la donne. Sonnet 4.6 coûte 3 $ le million de tokens en entrée et 15 $ en sortie, cinq fois moins qu'Opus. Il embarque aussi une fenêtre de contexte d'un 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 du modèle premium. Quand le moins cher gagne la majorité des face-à-face contre le plus cher, la grille tarifaire devient dure à défendre.

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

Gemini 3.1 Pro double ses scores de raisonnement

Google a publié Gemini 3.1 Pro le 19 février. Le chiffre qui compte : 77,1 % sur ARC-AGI-2, un benchmark pensé pour tester si un modèle résout des patterns logiques totalement inédits, jamais vus à l'entraînement. C'est environ le double du score de Gemini 3 Pro, 24 % devant GPT-5.2, 9 % devant Opus 4.6.

En code, il tient aussi son rang : 80,6 % sur SWE-bench Verified, 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 score ARC-AGI-2 mérite qu'on s'y arrête. Le raisonnement reste le point faible de la plupart des modèles. Doubler la performance sur un benchmark construit spécifiquement pour résister aux raccourcis de mémorisation, ça sent le vrai progrès d'architecture ou d'entraînement. Pas juste plus de compute jeté dessus.

Windsurf Wave 13 lance le coding multi-agent en parallèle

Windsurf a publié Wave 13 avec trois ajouts : 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 Git worktrees est la vraie nouveauté ici. On peut lancer cinq agents Cascade sur cinq bugs différents en même temps, chacun sur sa branche, partageant l'historique Git sans se marcher dessus. Chaque agent a 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 : coder ressemble de plus en plus à piloter une équipe d'agents qu'à écrire du code soi-même. Les outils convergent vers l'orchestration multi-agent comme mode par défaut.

Offrir SWE-1.5 gratuit trois mois, c'est un bon coup d'acquisition. Windsurf parie qu'une fois le modèle testé, le coût de changement retient les développeurs même après la fin de la gratuité.

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 patchs à valider 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 d'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, ne peut pas confirmer si une faille est exploitable en conditions réelles. Un relecteur de code, pas un testeur d'intrusion.

C'est important, parce que la plupart des entreprises touchées vendent de la sécurité runtime, de la protection endpoint, de la surveillance réseau. Claude Code Security ne concurrence ni la détection endpoint de CrowdStrike, ni la protection DDoS de Cloudflare. Il concurrence Snyk, SonarQube, l'audit de code manuel. Le marché s'est trompé de cible.

Le signal reste réel malgré tout. Une IA qui raisonne sur des patterns de vulnérabilité plutôt que de matcher des signatures connues, c'est un vrai progrès. Les outils SAST traditionnels vont devoir 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 le 5 février, GLM-5 le 11, Qwen3.5 le 16, Sonnet 4.6 le 17, Gemini 3.1 Pro le 19. DeepSeek V4 est encore attendu avant la fin du mois. Sept modèles de classe frontier en un seul mois.

Trois choses ressortent.

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 du frontier propriétaire fond à vue d'oeil.

Les prix s'effondrent. 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 partout. 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 prennent une avance structurelle sur les coûts.

Concrètement, ça change quoi ?

Février 2026 restera le mois où le frontier a cessé d'être exclusif. Il y a un an, performer au niveau frontier voulait dire payer le prix fort à l'une de trois entreprises américaines. Aujourd'hui, on y arrive avec un modèle chinois sous MIT, un modèle chinois sous Apache 2.0, un modèle européen hébergé en Suède ou un modèle Anthropic moins cher. Les options existent.

Pour ceux qui construisent, le changement concret : arrêter de chercher « le meilleur modèle » et raisonner en portefeuille de modèles. Router le 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 le choix du modèle comme une décision d'infrastructure : le bon outil pour chaque job.

La réaction du marché cybersécurité à Claude Code Security donne un aperçu de la suite. Chaque fois que l'IA devient crédiblement bonne sur une tâche pro, le marché des outils historiques de ce domaine se fait réévaluer. L'analyse statique passe en premier. La sécurité runtime, le testing, le monitoring suivront. Rien de tout ça 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 une option open source viable de plus 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 du code réel, loin des exemples triés sur le volet de l'annonce.
• Le bilan final de février : on devrait avoir un décompte clair des sorties frontier d'ici la fin du mois. Sept ou huit, c'est déjà du jamais-vu. Mars va paraître calme à côté.