GPT-5, Claude Opus 4, Gemini 2.5 Pro : face-à-face 2026

Le frontier bouge si vite que les articles de benchmark sont en général périmés à la publication. Pourtant — nous voici à quatre mois de 2026, et trois choses sont devenues évidentes si vous utilisez vraiment ces modèles toute la journée au lieu de lire des articles dessus.

Le résultat principal

Claude Opus 4 est le meilleur généraliste si vous mesurez par « combien de fois la réponse n’a demandé aucune relance ». GPT-5 est le meilleur quand il faut suivre une instruction complexe sans perdre le fil au bout de trois paragraphes. Gemini 2.5 Pro est le meilleur quand le prompt contient un PDF de 200 pages et qu’il faut vraiment le lire, pas le survoler.

On a passé 18 prompts représentatifs sur les trois. Les tâches se sont réparties en quatre seaux :

• Reasoning et maths — Project Euler 600, statistiques appliquées, deux problèmes AIME ouverts.
• Revue de code — diffs Go de 200 lignes, un hook React délibérément cassé, deux requêtes SQL avec des bugs subtils.
• Écriture — texte de page de vente, plan d’essai de 1 200 mots, brouillon d’article technique.
• Long contexte — transcripts de 80k tokens, synthèse multi-PDF, tâche de récupération sur 12 documents.

Où chaque modèle gagne vraiment

Claude Opus 4 a dominé la revue de code par une marge plus large que prévu. Il attrape le subtil — un off-by-one dans une window function SQL, un useEffect qui capture une variable périmée — là où les deux autres font du pattern matching sur « ça a l’air bon ». L’extended thinking ajoute un cran mais seulement sur les problèmes les plus durs ; pour la revue quotidienne, Opus vanille suffisait déjà.

GPT-5 a gagné le suivi d’instructions multi-étapes. On a donné à chaque modèle un prompt avec onze exigences explicites (format, ton, longueur, expressions précises à inclure, choses à exclure). GPT-5 a attrapé dix sur onze du premier coup. Claude, huit. Gemini, sept. Si votre prompt est une spec structurée, GPT-5 reste le pari le plus sûr.

Gemini 2.5 Pro a gagné le long contexte de façon décisive. La fenêtre de 2M tokens n’est pas un gadget — il utilise réellement ce qu’on lui donne. Sur la synthèse de 12 PDF, Gemini a correctement référencé les documents trois à onze ; les autres citaient surtout le document un. Le multimodal natif compte aussi plus que ne le disent les benchmarks : parser une capture d’écran en ligne épargne un aller-retour.

Ce que ça veut dire au quotidien

Voici la partie que les benchmarks sautent : en pratique, on bascule. Vous ouvrez le chat dans Opus parce qu’il est le meilleur en revue de code. Vous remarquez que la question du jour est une spec structurée. Vous basculez vers GPT-5 en pleine conversation. Le tour suivant implique un PDF — bascule vers Gemini, question posée, retour.

C’est exactement le workflow pour lequel Any AI Studio est conçu. Les branches et la comparaison côte à côte évitent d’avoir à choisir d’abord. Envoyez le prompt à deux modèles simultanément, gardez la meilleure réponse, dérivez la perdante pour un nouveau prompt.

Réserves

Ces résultats tiennent en mai 2026. Le prochain bump trimestriel va probablement renverser au moins une catégorie. On relancera la suite quand GPT-5.1 sortira (rumeur fin d’été) et on publiera une mise à jour.

Aussi : le coût compte. Opus est le plus cher des trois au token. Si vous êtes facturé à l’API, GPT-5 revient moins cher pour une qualité similaire sur la plupart des tâches non-code. On ne répercute pas le coût au token aux abonnés Pro, donc c’est purement une note — mais à mentionner si vous comparez les tarifs directement chez les fournisseurs.

TL;DR

Utilisez Opus pour le code, GPT-5 pour les specs structurées, Gemini pour le long contexte. Ou — plus simple — ouvrez Any AI Studio et laissez le sélecteur de modèles se souvenir de celui que vous prenez dans chaque situation.