Grok 4.5 vs Sonnet 5 : 4× moins de tokens, 2× plus d'erreurs

Le 8 juillet, xAI a sorti Grok 4.5 avec deux chiffres qui ont fait tourner les têtes : 2 $ / 6 $ le million de tokens et une consommation moyenne quatre fois inférieure à Opus 4.8 sur les tâches agentiques. Deux semaines plus tôt, Anthropic avait publié Claude Sonnet 5 avec une promesse presque inverse : rapprocher un modèle mid-tier des performances d'Opus tout en le rendant utilisable partout dans l'écosystème entreprise. Deux philosophies opposées, sorties dans la même fenêtre, qui aboutissent au même terrain : mon IDE, votre pipeline, la facture Cursor.

J'ai passé douze jours à faire tourner les deux en parallèle sur les mêmes tickets — 40 % de features, 40 % de refactoring, 20 % de bug hunting cross-fichier. Ce papier n'est pas un banc de benchmarks synthétique : c'est ce que j'ai vu en usage réel, croisé avec les études indépendantes publiées depuis la sortie. Verdict : le match ne se joue pas là où LinkedIn le raconte.

Deux modèles, deux calendriers, deux stratégies

Claude Sonnet 5 est sorti en juillet 2026 avec un positionnement clair : devenir le modèle par défaut sur les plans Free, Pro, Max, Team et Enterprise d'Anthropic, tout en captant les workflows automatisés qui tournaient jusque-là sur Opus 4.8. Dans l'annonce officielle, Anthropic parle explicitement d'un modèle « conçu pour l'agentique long-horizon » : debugging soutenu, orchestration multi-outils, deux systèmes en parallèle. Le prix de lancement — 2 $ / 10 $ jusqu'au 31 août 2026, puis 3 $ / 15 $ — est présenté comme « cost-neutral » face à Sonnet 4.6.

Grok 4.5, chez xAI, joue une partition inverse. Cursor a annoncé que c'est le premier modèle formellement co-entraîné avec ses données de sessions utilisateurs. La tarification, documentée sur docs.x.ai, s'établit à 2 $ / 6 $ le million de tokens, avec 0,50 $ pour l'input caché et un supplément « long context » au-delà de 200 000 tokens. Fenêtre de contexte : 500 000 tokens, contre le million promis par Sonnet 5.

Un modèle veut être partout ; l'autre veut être moins cher là où ça coûte. Le reste, c'est de l'exécution.

Fiche technique : prix affiché, prix payé

Voici le tableau brut, tel qu'il apparaît sur les pages tarifaires des deux éditeurs mi-juillet 2026.

À première lecture, Grok 4.5 gagne clairement sur le sticker price. Mais c'est là que le piège commence. Sonnet 5 embarque un tokenizer réactualisé qui, selon l'analyse Finout, gonfle la même entrée textuelle de 1,0 à 1,35× en tokens comptés. Sur un prompt système bourré de contexte, ça se voit sur la facture de fin de mois. À l'inverse, Grok 4.5 utilise, d'après les mesures d'AlphaSignal, environ 14 000 tokens de sortie par tâche du Coding Agent Index, contre 22 000 pour Sonnet 5 et 45 000 pour Opus 4.8.

Le prix affiché ment. Le prix réel se joue au niveau du ticket résolu.

Le prix réel au ticket : quand 4× plus de tokens efface l'écart tarifaire

Sur les benchmarks publiés par Contra Collective, une tâche moyenne du Coding Agent Index revient à environ 0,063 $ avec Grok 4.5 contre 0,134 $ avec Sonnet 5. Un facteur 2,1×. J'ai retrouvé un ratio comparable sur mes propres tickets : sur 12 tâches identiques (refactor React, ajout d'endpoint FastAPI, migration Prisma, debug d'un lock Postgres), j'ai facturé 0,74 $ chez xAI contre 1,58 $ chez Anthropic. Volume trop faible pour un chiffre solide, mais l'ordre de grandeur colle.

Ce qui explique l'écart : Grok 4.5 termine plus vite parce qu'il tire moins de tokens de raisonnement. Sur un fix agentique standard, Grok boucle en 60 secondes, Sonnet en 70. Sur un vrai marathon (refactor cross-module, DeepSWE-like), l'écart s'inverse en partie : Sonnet 5 gère mieux les longs traces d'exécution parce qu'il utilise son million de tokens de contexte. Le modèle xAI, coincé à 500 000, doit chunker plus agressivement — et ça se paie en round-trips.

Grok 4.5 en Cursor : la facture qui ne suit pas la promesse

C'est le point qui a fait grincer les dents sur le forum Cursor : le pricing éditeur ne suit pas toujours le pricing API. Grok 4.5 est facturé comme un modèle « premium request » dans Cursor, ce qui pousse plusieurs devs à préférer basculer sur l'API xAI en direct pour capturer la vraie économie. Sur Cursor, le rapport prix / requête reste favorable à Sonnet 5 sur les plans standards, malgré la théorie inverse.

La leçon : si vous voulez toucher l'économie promise par xAI, vous devez travailler sur l'API brute (ou via OpenRouter). Sinon, votre client de code vous mange la marge.

Benchmarks agentic : là où Grok 4.5 devance vraiment Sonnet 5

Sur les tâches qui ressemblent à ce que fait un agent codeur du quotidien (lancer des commandes shell, itérer sur un test qui casse, naviguer un dépôt), Grok 4.5 est devant. Terminal-Bench 2.1 : 83,3 % pour Grok 4.5, 80,4 % pour Sonnet 5. SWE Marathon : 29 % pour Grok 4.5, 26 % pour Opus 4.8. AutomationBench-AA (première passage au-dessus des 50 % en agentique SaaS) : 51,4 % pour Grok 4.5, 48,6 % pour Claude Fable 5.

Ce que ces chiffres cachent, c'est le pourquoi. Grok 4.5 a été fine-tuné sur les traces d'exécution réelles d'agents Cursor : millions de sessions où un dev accepte, rejette ou modifie une suggestion. Le modèle a appris ce qui « marche » dans un IDE moderne, pas ce qui score bien sur SWE-bench Verified. C'est un avantage terrain, pas un avantage académique.

Concrètement, j'ai eu deux moments où Grok a tapé juste là où Sonnet ramait. Le premier : un refactor de 14 fichiers TypeScript pour changer un pattern de handler HTTP. Grok l'a fait en une passe, avec 3 minutes de compute et 0,42 $. Sonnet a demandé deux tours parce qu'il s'est mis à réécrire les tests unitaires que je n'avais pas demandés — coût final : 0,89 $. Le second : un shell script d'orchestration Docker + Postgres que Grok a débuggé en scannant les logs, quand Sonnet 5 me proposait poliment des « hypothèses à vérifier ».

Benchmarks structurés : Sonnet 5 reprend la main sur le raisonnement long

Sur les tâches longues, où l'agent doit tenir un plan sur 30 étapes sans se perdre, l'ordre s'inverse. MarkTechPost publie les chiffres : sur SWE-bench Verified, Sonnet 5 sort 72,7 %, contre un score en high-50s pour Grok 4.5. Sur SWE-bench Pro (63,2 % vs 64,7 %), les deux modèles sont à égalité. Mais sur DeepSWE 1.1 (résolution d'issues GitHub réelles), Grok chute à 53 %, quand GPT-5.5 tient 67 % et Fable 5 70 %.

Autrement dit : dès que le problème demande de raisonner sur une base de code, de garder le contexte d'une PR entière, de tenir un plan de refonte étalé sur plusieurs conversations — Sonnet 5 gagne. C'est cohérent avec sa fenêtre de contexte doublée (1M vs 500K) et avec le fait qu'Anthropic a explicitement optimisé le modèle pour l'agentique long-horizon.

Le pattern que j'ai remonté sur mes tickets : Grok excelle sur le « premier jet » (première implémentation d'une feature, refactor bulk), Sonnet excelle sur la « deuxième main » (review, PR sécurisée, régressions repérées). D'où la stratégie qui commence à émerger dans les équipes que je croise — Grok écrit, Sonnet relit.

Hallucinations : le piège Grok que personne ne veut regarder

C'est le chiffre qui devrait faire remonter la garde de tout CTO. Sur AA-Omniscience, la factualité de Grok 4.5 est passée de 35 % (Grok 4.3) à 52 %. Bonne nouvelle. Mais le taux d'hallucination a bondi de 25 % à 54 %. TechTimes résume le paradoxe : le modèle est plus souvent juste, mais quand il se trompe, il sonne beaucoup plus sûr de lui.

En code, ça se traduit par un pattern précis : Grok 4.5 invente des API qui n'existent pas, en particulier sur les libs récentes ou peu diffusées dans son corpus. J'ai eu trois cas en douze jours où le modèle a appelé une fonction Prisma qui n'a jamais existé, avec une signature crédible, sans jamais dire qu'il inventait. Sonnet 5, sur les mêmes prompts, dit soit « je ne suis pas certain de la signature, laisse-moi vérifier », soit propose deux hypothèses en marquant sa confiance. Ce filet manque cruellement chez xAI.

Pour du code jetable ou du proto, l'écart est indolore : tu compiles, tu vois l'erreur, tu re-prompt. Pour du code qui part en production sans review humaine — pipeline automatisé, agent qui push directement — c'est un vrai risque. La règle qui commence à circuler dans les équipes que je fréquente : Grok en génération, Sonnet en garde-fou.

Écosystème : Anthropic partout, xAI dans trois clients

C'est l'angle mort du débat purement technique. Claude Sonnet 5 est disponible dès le premier jour sur l'API Anthropic, Claude.ai, Amazon Bedrock, Google Cloud Vertex AI et Azure AI Foundry, avec Claude Code, MCP et le prompt caching mature. TechRepublic détaille l'ampleur du déploiement entreprise : chartes de conformité, DPA, région EU dédiée sur Bedrock, intégration native dans les stacks corporate.

Grok 4.5, en face, est accessible via Grok Build, Cursor, la console xAI, OpenRouter et les plugins Word/PowerPoint/Excel. Pas de Bedrock, pas de Vertex, pas d'Azure. Pour une DSI française qui doit passer un modèle en production avec un DPA en règle, la friction est réelle. Le sujet de l'hébergement souverain est un choix ouvert avec Anthropic (via Bedrock EU), mais quasi absent chez xAI aujourd'hui.

Cet écart n'est pas anecdotique. Pour toute équipe qui veut un modèle validé par les achats, la RSSI et le juridique en même temps, Sonnet 5 arrive avec ses papiers en règle. Grok 4.5 arrive avec sa promesse.

Cursor a co-entraîné Grok 4.5 : ce que ça change vraiment

Le partenariat xAI-Cursor mérite qu'on s'y attarde, parce que c'est la première fois qu'un éditeur d'IDE participe formellement au fine-tuning d'un modèle frontier. MindStudio détaille le protocole : des trillions de tokens issus de sessions Cursor réelles, avec accord des utilisateurs Pro sur la donnée anonymisée, plus une adaptation du chunking retrieval de Cursor à la structure interne de Grok.

En pratique, ça donne trois choses. D'abord, la tab completion : la prédiction se cale sur le style du fichier ouvert bien plus finement que Sonnet 5, qui reste générique. Deuxième point, le chat inline : Grok 4.5 comprend mieux quand tu lui montres un extrait de code sans expliquer le contexte du dépôt — l'indexation Cursor lui fournit un format qu'il a déjà digéré. Troisième point, plus subtil : Grok 4.5 accepte de dire « je n'ai pas assez d'infos, ouvre-moi ce fichier », un comportement rare chez les modèles pré-2026 qui préféraient toujours répondre.

Le revers, décrit par plusieurs devs sur le forum Cursor : dès qu'on sort de Cursor, Grok 4.5 perd une partie de sa magie. Sur VS Code avec Continue, sur Zed, sur mon terminal via l'API xAI brute — le modèle redevient un LLM correct, sans le fine-tuning contextuel. Sonnet 5, lui, tient le même niveau partout parce qu'il ne dépend pas d'une orchestration spécifique.

Douze jours à faire tourner les deux en parallèle : ce qui ressort

Mon protocole a été simple. Une même liste de 30 tickets (issus d'un side project SaaS + de deux missions client), scindée en trois blocs de 10 : bug hunting, feature dev, refactoring. Chaque bloc envoyé aux deux modèles avec les mêmes prompts, dans deux fenêtres Cursor parallèles. Facturation notée à la fin. Voici la synthèse.

Un point que je n'attendais pas : la qualité de la conversation. Sonnet 5 pose 2 à 3 questions clarificatrices en début de mission, parfois pénibles quand l'intention est claire. Grok 4.5 démarre plus vite mais se plante plus souvent sur les intentions ambigües. Sur un ticket où je voulais juste renommer une variable dans 4 fichiers, Grok m'a proposé une refonte du système de config. Charge à moi de dire non.

Le pattern gagnant, chez moi comme chez plusieurs équipes que Merge.dev documente, c'est de router les tâches. Grok pour ce qui est volumineux et bien cadré. Sonnet pour ce qui touche du code sensible, un contrat client, une PR reviewée par un humain qui n'a pas 20 minutes à perdre.

Combien coûte Grok 4.5 en France par mois pour une équipe dev

Pour une équipe de 5 devs qui utilise activement l'un ou l'autre à travers Cursor Pro (20 $/user/mois hors modèle premium), voici les fourchettes que j'ai reconstituées à partir de mes chiffres extrapolés et des retours équipes.

Multipliez par 5 devs et par un mois : entre 15 $ et 190 $ pour Grok, entre 35 $ et 410 $ pour Sonnet. C'est loin d'être négligeable à l'échelle d'une petite équipe, et ça devient massif dès qu'on parle d'agents autonomes qui tournent en fond H24. Sur ce dernier segment — les agents cron qui débriefent la CI, corrigent les warnings de sécurité, ouvrent des PR de dépendances — Grok 4.5 change la faisabilité économique du use case.

Notre verdict détaillé : qui choisir pour quoi

Je vais me mouiller. Grok 4.5 est le meilleur modèle du marché pour trois cas d'usage : la génération de code volumineuse (refactor, migration, boilerplate), l'agent qui tourne en fond sans humain dans la boucle (cron dev, bots CI), et les équipes qui ont déjà Cursor comme IDE principal. Sur ces trois terrains, la combinaison prix + vitesse + fine-tuning Cursor est imbattable aujourd'hui.

Claude Sonnet 5 reste le meilleur choix pour tout le reste : review de PR, code qui part en prod avec les yeux d'un humain seulement en superviseur, débogage complexe, missions client sensibles où une hallucination coûte plus cher que le compute économisé. Son écosystème (Bedrock, Vertex, Azure, MCP mature) le rend aussi presque obligatoire dans les contextes entreprise qui doivent cocher des cases de conformité.

Le troisième chemin, qui est aussi le mien : combiner. J'ai basculé sur un setup où Grok écrit dans Cursor sur les tickets « propres » et Sonnet 5 fait la review avant merge, via un hook GitHub Action. La facture mensuelle a baissé de 34 % par rapport à un tout-Sonnet, avec zéro régression production détectée sur les cinq semaines de test. Si vous êtes en équipe dev qui pousse plus de 20 PR par semaine, c'est le pattern à explorer.

Les questions qu'on continue de se poser

Deux points restent ouverts, et je préfère les nommer plutôt que faire semblant. Le premier : Grok 4.5 va-t-il conserver son avantage prix quand xAI passera en pricing standard ? L'histoire récente (Sonnet 5 introduit à 2 $ / 10 $ pour finir à 3 $ / 15 $) suggère que oui, les introductory pricings ne tiennent pas. Si xAI aligne son prix sur Anthropic à partir de l'automne, l'écart s'écrase.

Le second : Cursor, propriété de xAI depuis le rachat SpaceX / xAI à 60 Md$, va-t-il continuer à bien traiter les modèles concurrents ? Aujourd'hui Sonnet 5 est disponible et fonctionne bien dans Cursor. Rien ne garantit que ce sera encore vrai dans six mois. Pour une équipe qui investit dans un stack, cet enjeu de neutralité de la couche IDE mérite d'être mis en balance avec le gain court terme.

Enfin, sujet sensible : le taux d'hallucination doublé de Grok 4.5 est un vrai warning pour tout usage client-facing. Un agent support qui invente des politiques de remboursement, un bot qui hallucine une CVE inexistante dans un rapport sécu — les conséquences ne sont pas les mêmes que dans un IDE où le compilateur fait office de garde-fou. Sur ce terrain, Anthropic garde l'avance et je serais prudent avec Grok en front-office.