Lequel choisir : GPT-5.4 pour le prix ou Claude Opus 4.6 pour la précision ?
Alors qu'OpenAI traverse une crise de confiance liée à son partenariat avec le Pentagone, dans laquelle Sam Altman affirme lui-même n'avoir que peu de pouvoir sur les décisions de l'organisme militaire, le laboratoire de San Francisco lance une contre-offensive produit. Pour tenter de retenir les utilisateurs de ChatGPT migrant vers Claude ces derniers jours, OpenAI multiplie les sorties de modèles. Après GPT-5.3 Instant, dédié aux tâches du quotidien et déployé le 3 mars, le labo remet le couvert trois jours plus tard en dévoilant GPT-5.4, son nouveau modèle conçu pour les cols blancs. Un modèle qui se positionne sur le même segment qu'Anthropic avec Claude Opus 4.6 : les cas d'usage appliqués à l'entreprise. Comparatif.
Egalité dans les benchmarks
Dans les benchmarks, Claude Opus 4.6 et GPT-5.4 sont très souvent au coude à coude. En recherche web, Opus 4.6 fait légèrement mieux que GPT-5.4 sur BrowseComp (recherche d'informations difficiles à trouver en ligne) : 84% contre 82,7%. Même micro-avantage pour Anthropic sur Humanity's Last Exam sans outils (raisonnement multidisciplinaire de niveau expert), à 40% contre 39,8%. Sur le tool use pur, les deux modèles se neutralisent sur τ2-bench Telecom (résolution de tâches de service client avec des outils), à respectivement 99,3% et 98,9%. Le benchmark est donc con sidéré comme saturé.
En revanche, GPT-5.4 creuse l'écart sur l’utilisation du MCP. Sur MCP Atlas (utilisation d'outils à grande échelle via des serveurs MCP) GPT-5.4 obtient 67,2% contre 59,5%, un avantage significatif pour les configurations impliquant de nombreux connecteurs. En vision et raisonnement visuel, GPT-5.4 domine sur MMMU Pro (compréhension visuelle et raisonnement) à 81,2% contre 73,9%, pour Claude Opus 4.6. En coding, le match est quasi nul sur SWE-bench Verified (résolution de vrais bugs) : 80,8% pour Opus 4.6, 80% pour GPT-5.4.
| Benchmark | Objet | GPT-5.4 | Opus 4.6 |
|---|---|---|---|
| BrowseComp | Recherche d'infos difficiles en ligne | 82,7 % | 84 % |
| Humanity's Last Exam (sans outils) | Raisonnement multidisciplinaire expert | 39,8 % | 40 % |
| τ2-bench Telecom | Résolution de tâches service client avec outils | 98,9 % | 99,3 % |
| MCP Atlas | Utilisation d'outils à grande échelle via MCP | 67,2 % | 59,5 % |
| MMMU Pro | Compréhension visuelle et raisonnement | 81,2 % | 73,9 % |
| SWE-bench Verified | Résolution de vrais bugs | 80 % | 80,8 % |
Concrètement et dans la théorie, avec GPT-5.4, OpenAI rattrape véritablement son retard sur Anthropic. Le LLM semble taillé pour les environnements avec de nombreux connecteurs MCP : typiquement le cas d’un agent. Opus 4.6 tire son épingle du jeu sur le raisonnement pur et la persistance, avec une meilleure tenue sur les contextes longs et la recherche web approfondie. Enfin en code, les deux sont au même niveau. A noter toutefois que GPT-5.4 n’est pas taillé spécifiquement pour le développement. OpenAI devrait certainement sortir une version codex, optimisée dans le domaine, dans les prochaines semaines.
Le comparatif du JDN
Pour donner une idée des performances des deux modèles, nous allons les soumettre à trois cas d'usage différents : résumer un papier de recherche en 100 mots maximum, générer une feuille Excel complète à partir des quatre derniers rapports trimestriels d'une entreprise cotée, et produire l'image SVG d'un iPhone. Trois exercices qui mobilisent des compétences distinctes : synthèse et respect d'une contrainte stricte, extraction et structuration de données financières réelles, et génération de code visuel complexe.
Résumer un papier de recherche en 100 mots : GPT-5.4 en tête
Le but est ici d’analyser les capacités des modèles à analyser des documents longs et complexes (tableaux graphiques…) et à en synthétiser l’essence même en respectant scrupuleusement une consigne chiffrée (100 mots).
Prompt : A partir de ce papier de recherche, génère un résumé en exactement 100 mots (compte chaque mot et vérifie avant de répondre). Le résumé doit couvrir : (1) la méthodologie utilisée, (2) les principaux résultats. Ton factuel et précis, sans formules introductives. Après ta réponse, indique le décompte total entre parenthèses.
Résultat : aucun des deux modèles ne respecte strictement la consigne des 100 mots. GPT-5.4 en produit 109, Opus 4.6 monte à 116. Sur le fond, GPT-5.4 génère un texte plus clair avec une méthodologie étape par étape avant de livrer les chiffres clés. Opus 4.6 est plus dense, empilant davantage de données chiffrées. Le point va ici à GPT-5.4.
Produire une feuille Excel à partir des résultats financiers d’une entreprise cotée ; Opus 4.6 vainqueur
L'objectif ici est de tester la capacité de GPT-5.4 et Claude Opus 4.6 à ingérer des données financières brutes et à les restituer sous forme d'un fichier Excel structuré et exploitable. Nous prenons les résultats de Tesla sur les Q1-2-3-4 2025.
Prompt : A partir des quatre derniers rapports trimestriels de Tesla (Q1, Q2, Q3 et Q4 2025) ci-joint, génère un fichier Excel complet comprenant : un onglet "Données" avec un tableau structuré contenant pour chaque trimestre le chiffre d'affaires, le coût des revenus, le résultat brut, la marge brute en pourcentage, le résultat opérationnel, le résultat net, le BPA, le cash-flow opérationnel, le capex et le free cash-flow ; un onglet "Dashboard" avec des graphiques montrant l'évolution du chiffre d'affaires par trimestre en barres, l'évolution de la marge brute en ligne, une comparaison résultat net vs cash-flow opérationnel en barres groupées, et l'évolution du free cash-flow en ligne ; un onglet "Analyse" avec 5 bullet points résumant les tendances clés sur l'année. Formate le fichier de manière professionnelle avec en-têtes colorés, nombres formatés et sources indiquées.
Claude Opus 4.6 génère le fichier en environ 4 minutes, là où GPT-5.4 met plus de 21 minutes, le modèle d'OpenAI ayant dû s'y reprendre à plusieurs fois après des erreurs dans la génération du fichier. Côté résultat, Claude respecte la consigne à la lettre : tous les onglets, tous les graphiques demandés, toutes les données calculées. GPT-5.4 livre un fichier visuellement plus soigné, mais incomplet : certaines métriques ne sont pas calculées, comme la comparaison résultat net vs cash-flow opérationnel.
Générer le SVG d’un iPhone : Opus 4.6 net vainqueur
C'est la tâche qui permet le mieux de comparer les performances brutes d'un modèle en code et en raisonnement spatial. Nous avions déjà soumis GPT-5.1 et Gemini 3 à cet exercice dans un précédent article. L'intérêt : visualiser directement les écarts de raisonnement entre modèles, et mesurer les progrès d'une mise à jour à l'autre.
Prompt : Génère le code SVG complet et autonome d'un iPhone 16 Pro avec un niveau de détail maximal. Reproduis fidèlement les proportions exactes du modèle, les courbes arrondies caractéristiques, le module caméra triple avec disposition en triangle, le bouton Action, les boutons de volume, le port USB-C, et l'encoche Dynamic Island. Soigne particulièrement les dégradés de couleur pour le titane, les reflets sur l'écran, les ombres portées et les détails du module photo. Le SVG doit être complet, prêt à l'usage et visuellement réaliste avec des finitions professionnelles dignes d'un rendu de produit Apple.
En génération SVG, Claude l'emporte nettement. Le rendu est visuellement cohérent : proportions respectées, module photo avec ses trois objectifs correctement disposés et un traitement des reflets et dégradés qui donne un résultat réaliste. GPT-5.4 produit un SVG plus complexe en termes de lignes de code, mais le résultat visuel est moins convaincant, avec des éléments mal positionnés.
Deux modèles très proches, un pricing différent
Côté contexte, les deux modèles montent à 1M de tokens de contexte en bêta. Mais l'écart tarifaire est significatif : GPT-5.4 démarre à 2,50$ en entrée et 15$ en sortie par million de tokens, contre 5$ et 25$ pour Opus 4.6 en dessous de 200K tokens. Au-delà, l'écart se resserre (5$/22,50$ pour GPT-5.4 contre 10$/37,50$ pour Opus 4.6), mais OpenAI reste systématiquement moins cher. Pour une entreprise qui déploie des agents à l'échelle, la facture peut vite faire la différence.
| GPT-5.4 | Opus 4.6 | |
|---|---|---|
| Input (< 200K tokens) | 2,50 $ | 5$ |
| Output (< 200K tokens) | 15$ | 25$ |
| Input (> 200K tokens) | 5$ | 10$ |
| Output (> 200K tokens) | 22,50 $ | 37,50 $ |
Bilan : Opus 4.6 reste devant
Au terme de ce comparatif, Claude Opus 4.6 conserve une longueur d'avance. Il est plus fiable sur les tâches complexes, plus rapide dans l'exécution, et très précis sur les verticales financières. En code visuel, Opus 4.6 produit des résultats plus cohérents. Mais GPT-5.4 raisonne différemment : dans nos tests, le modèle d'OpenAI est allé chercher les dimensions exactes de l'iPhone sur le web avant de générer son SVG, un comportement d'agent que Claude n'a pas adopté. Avec cette mise à jour et un tarif deux fois moins cher à l'entrée, OpenAI se rapproche nettement d'Anthropic sur le segment entreprise. Ainsi, il vaut mieux privilégier Claude pour les cas d’usage d’entreprise où la fiabilité prime et GPT-5.4 pour les configurations agentiques où le coût à l'échelle compte.