Grok 4.7 triple Claude sur le juridique, pour 5× moins cher

xAI a mis Grok 4.7 en ligne le 21 septembre, après un été de reports successifs. Le modèle ne coûte pas un centime de plus que son prédécesseur, et il place un score inattendu : le meilleur résultat du marché sur le benchmark juridique de Harvey, loin devant Claude et GPT. Pour un dirigeant qui fait analyser des contrats ou des appels d'offres par un modèle, l'écart de prix avec Anthropic mérite trente minutes d'attention — à condition de regarder aussi ce que xAI ne propose toujours pas aux entreprises européennes.

Grok 4.7 : ce que xAI a mis en ligne le 21 septembre

Sur le papier, la fiche technique tient en quelques lignes. Contexte de 500 000 tokens, entrées texte et image, sortie texte, quatre niveaux de raisonnement (low, medium, high par défaut, xhigh), et une date de coupure de connaissances fixée à mai 2026. xAI indique dans son annonce officielle que le modèle repose sur une base plus large que Grok 4.6 — ce n'est donc pas un simple ré-entraînement — et sur une phase d'apprentissage par renforcement allongée, orientée tâches longues, avec davantage d'auto-vérification.

La disponibilité est immédiate : API xAI, Cursor, Grok Build, OpenRouter, Vercel et Cloudflare dès le premier jour. Les générations précédentes ont ensuite atterri sur Amazon Bedrock, Vertex AI et Microsoft Foundry avec quelques semaines de décalage ; on peut raisonnablement attendre le même scénario, et ce détail compte pour la suite de cet article.

Le gain le plus spectaculaire ne se lit pas sur le code mais sur les tâches à horizon long. Terminal-Bench 4.0 passe de 20,3 % avec Grok 4.6 à 38,0 % avec Grok 4.7. HealthBench Professional grimpe de 48,5 % à 56,7 %. EEBench, qui mesure des raisonnements d'ingénierie électrique, atteint 64,0 % — le meilleur score de la liste publiée, devant Fable 5.1 (56,4 %) et GPT-5.6 Sol (39,4 %). Un modèle qui progresse de 18 points sur un benchmark en une itération, ce n'est pas un polish cosmétique.

Harvey Legal Agent : 19,6 %, trois fois le score de Claude Fable 5.1

Le chiffre qui fait parler est ailleurs. Sur le Harvey Legal Agent Benchmark, une suite construite par l'éditeur d'IA juridique Harvey pour évaluer des agents sur du vrai travail d'avocat, Grok 4.7 obtient 19,6 %. Grok 4.6 plafonnait à 15,8 %. Claude Fable 5.1 tombe à 6,7 %. GPT-5.6 Sol s'écroule à 2,5 %.

Deux lectures s'imposent. La première : l'écart est massif, et il ne vient pas de nulle part, puisque Grok 4.6 dominait déjà ce classement. La seconde, plus sobre : 19,6 %, c'est un modèle qui échoue quatre fois sur cinq. Ce benchmark évalue des chaînes de tâches juridiques complètes — recherche, rédaction, vérification croisée — et aucun modèle frontière ne s'en approche. Parler de « l'IA qui remplace l'avocat » sur la base de ce score serait ridicule. Parler d'un assistant qui dégrossit trois fois mieux que ses concurrents sur des tâches juridiques structurées, c'est défendable.

Grok 4.7 pour un cabinet d'avocats ou un service juridique de PME

Concrètement, l'usage qui tient la route reste celui qu'on décrivait dans notre panorama des outils IA déjà installés dans les cabinets : extraction de clauses, comparaison de versions contractuelles, repérage d'incohérences dans un jeu de pièces, préparation d'une note interne. Le modèle qui rate 80 % d'un benchmark agentique peut très bien réussir 95 % d'une tâche d'extraction bien cadrée. Ce sont deux exercices différents.

Là où le score de Harvey devient un argument économique, c'est sur le volume. Une PME qui fait passer 500 contrats de 20 000 tokens chacun à un modèle paie environ 20 $ d'entrée chez xAI, contre 100 $ chez Anthropic. Ajoutez 1 million de tokens de sortie : 6 $ d'un côté, 50 $ de l'autre. Soit 26 $ contre 150 $ pour le même lot. Sur un dépouillement d'appel d'offres mensuel, la différence n'est pas anecdotique.

Combien coûte Grok 4.7 : le calcul par million de tokens

Le tarif affiché est de 2 $ par million de tokens en entrée, 0,50 $ en cache et 6 $ en sortie. Strictement identique à Grok 4.6. Face à lui, GPT-5.6 Sol se négocie autour de 4 $ / 20 $ et Claude Fable 5.1 à 10 $ / 50 $, avec un cache descendu à 0,25 $ depuis la mise à jour que nous avions détaillée dans notre retour de migration vers Fable 5.1. En entrée brute, Grok 4.7 est donc cinq fois moins cher que le haut de gamme d'Anthropic, et plus de huit fois moins cher en sortie.

Deux astérisques, et elles pèsent lourd sur une facture réelle.

Seconde astérisque : la consommation réelle de tokens. xAI vend depuis deux générations l'argument « deux fois plus rapide, deux fois moins cher », et plusieurs développeurs rapportent depuis la sortie une consommation supérieure aux annonces sur des tâches agentiques longues. C'est exactement le phénomène qu'on avait mesuré en confrontant Grok 4.5 à Claude Sonnet 5 sur du code : un prix unitaire bas peut se faire rattraper par le nombre de tours de boucle. Avant de migrer un pipeline entier, mesurez le coût par tâche accomplie, pas le coût par million de tokens.

Code : Fable 5.1 garde l'avantage, y compris sur le benchmark de Cursor

Sur le terrain du développement, la hiérarchie ne bouge pas. CursorBench 4.0 : 46,3 % pour Grok 4.7, contre 41,7 % pour GPT-5.6 Sol et 51,8 % pour Claude Fable 5.1. DeepSWE v1.1 : 71,0 % en effort élevé, entre Fable (70,0 %) et Sol (72,7 %). Terminal-Bench 4.0 : 38,0 % contre 57,9 % pour Fable, un écart de presque vingt points. AA Briefcase v1.1, qui mesure le travail de bureau : 1 657 contre 1 678 pour Fable.

Le détail savoureux tient au premier de ces tests. CursorBench est produit par Cursor, l'éditeur que SpaceX a fini de racheter cet été — opération que nous avions décortiquée dans notre analyse du rachat de Cursor à 60 milliards. Grok 4.7 perd donc de cinq points sur le benchmark maison de sa propre maison mère. Difficile d'accuser xAI d'avoir arrangé le tableau.

Les retours de la première journée confirment ce profil en dents de scie. Plusieurs développeurs saluent la gestion des tâches visuelles et la tenue sur les sessions longues, d'autres jugent le rendu 3D et front-end en deçà, avec une compréhension d'instruction inégale. Rien d'étonnant pour un modèle de 24 heures : les classements indépendants mettront deux à trois semaines à se stabiliser.

Grok 4.7 et RGPD : le vrai blocage pour une entreprise française

Voilà le point que les tableaux de benchmarks ne montrent jamais, et c'est celui qui décide à la place du directeur financier. xAI ne propose toujours pas de région de traitement des données dans l'Union européenne pour son API, ni d'offre entreprise assortie d'un accord de sous-traitance calibré sur l'article 28 du RGPD — à la différence d'OpenAI, d'Anthropic, de Google ou de Microsoft, qui ont bâti cette plomberie contractuelle depuis deux ans.

En parallèle, la Data Protection Commission irlandaise, autorité chef de file pour X dans l'Union, a ouvert le 11 avril 2025 une enquête sur le traitement des posts publics des utilisateurs européens de X à des fins d'entraînement des modèles Grok, sur le terrain de la licéité et de la transparence. La procédure n'est pas close, et d'autres régulateurs européens se sont saisis du sujet depuis.

L'ironie est complète : le modèle qui écrase la concurrence sur un benchmark juridique est aussi celui qu'un service juridique européen aura le plus de mal à valider. Le paradoxe n'est pas insoluble pour autant — il a une porte de sortie technique.

Pour les dossiers qui touchent à des données personnelles, la grille de décision reste celle qu'on avait posée dans notre guide sur le choix du lieu d'hébergement d'un modèle IA : le tarif au token arrive après la question du contrat et de la localisation, jamais avant.

Grok 4.7 avis : qui devrait tester, qui devrait passer son tour

Testez si vous traitez du volume documentaire à faible sensibilité — appels d'offres publics, documentation technique, veille réglementaire, corpus déjà publics — et que votre facture d'API dépasse quelques centaines d'euros par mois. Le rapport qualité-prix sur les tâches juridiques et d'ingénierie est aujourd'hui le meilleur du marché, et l'écart de 5× en entrée face à Fable 5.1 se voit dès le premier mois de facturation.

Testez aussi si vous construisez des agents qui tournent longtemps : les 18 points gagnés sur Terminal-Bench 4.0 traduisent une vraie amélioration de la tenue sur les tâches multi-heures, là où les générations précédentes décrochaient.

Passez votre tour si vos données contiennent des informations personnelles de résidents européens et que vous n'avez pas d'intermédiaire cloud dans la boucle : le dossier réglementaire de xAI est le plus chargé de tous les fournisseurs majeurs, et aucun benchmark ne compense un article 28 manquant. Passez votre tour également si votre usage principal est le code pur : Fable 5.1 reste devant sur trois des quatre tests pertinents, et l'écart de vingt points sur Terminal-Bench se paie en heures de correction — ce que la facturation à l'usage de Claude vous fera oublier vite.

Le vrai signal de ce lancement n'est ni le score juridique ni le tarif. C'est qu'un modèle frontière sort désormais tous les mois sans que le prix bouge d'un dollar depuis deux générations. La guerre ne se joue plus sur le tarif affiché, mais sur le nombre de tokens réellement brûlés pour terminer une tâche — et sur ce terrain, les benchmarks du premier jour ne disent encore rien.