Sakana Fugu : l'IA qui bat Opus 4.8, GPT-5.5 et Gemini… en les utilisant

Le contexte : pourquoi cette annonce fait du bruit

Pour comprendre, il faut revenir dix jours en arrière. Le 12 juin 2026, le gouvernement américain a tout simplement banni Fable 5 et Mythos. Plus précisément : une directive interdit l'accès à ces modèles à tout ressortissant étranger, où qu'il soit dans le monde — y compris les employés non américains d'Anthropic eux-mêmes.

Le problème, c'est qu'Anthropic n'a aucun moyen de filtrer assez vite les utilisateurs étrangers des utilisateurs américains. Du coup, pour être en conformité, ils ont tout coupé. Les autres modèles, comme Claude Opus 4.8, restent disponibles, mais les deux plus puissants ont disparu du jour au lendemain.

Et c'est exactement là que Sakana entre en scène, avec un argument béton. Ce n'est pas juste « on est performant ». C'est plutôt : « avec nous, ce qui est arrivé à Fable et Mythos ne peut pas vous arriver. » Dépendre d'un seul fournisseur, c'est un risque. Si la porte se ferme, vous êtes bloqué. Sakana propose l'alternative : ne dépendre d'aucun modèle en particulier.

C'est quoi Fugu, concrètement

Fugu — « poisson-globe » en japonais — est ce que Sakana appelle un modèle d'orchestration. L'idée : vous envoyez une requête à une seule API, et Fugu décide. Si la tâche est simple, il répond directement. Si elle est complexe, il assemble une équipe : il découpe le problème, distribue les sous-tâches à différents modèles experts, vérifie leur travail, et recolle une réponse unique. Toute cette mécanique, vous ne la voyez jamais. De l'extérieur, vous appelez juste un modèle.

Le détail le plus contre-intuitif, c'est que Fugu est lui-même un modèle de langage. Il a été entraîné pour appeler d'autres modèles — y compris, et les devs vont comprendre, des instances de lui-même. Ça peut être récursif. C'est, au fond, un coordinateur qui a appris à coordonner.

La mécanique : deux papiers de recherche

Cette approche s'appuie sur deux papiers, et c'est important parce que ça la distingue d'un simple coup marketing.

Le premier, TRINITY, est un coordinateur léger : un petit modèle de langage d'environ 0,6 milliard de paramètres, couplé à une tête minuscule — moins de 20 000 paramètres entraînables au total. Et c'est cette toute petite tête qui est optimisée par évolution, pas le modèle lui-même, qui reste figé. Son rôle : attribuer à chaque modèle du pool l'un des trois rôles — penseur, exécutant ou vérificateur — et déléguer le travail tour après tour.

Le second, Conductor, est un modèle de 7 milliards de paramètres entraîné par renforcement. Il apprend des stratégies de coordination en langage naturel — autrement dit, comment les agents doivent se parler entre eux.

Ces deux papiers sont publics et passés par une vraie relecture académique. Ce n'est pas du marketing déguisé en recherche : la mécanique de fond est sérieuse.

Les chiffres

Là, je suis sérieux, parce que c'est tout l'enjeu. Sur SWE-Bench Pro, le test de référence pour résoudre de vrais tickets de code dans de vraies bases de code, voici ce que donne le tableau :

Et le reste de la suite :

Le fait marquant, c'est que sur la plupart de ces tests, l'orchestrateur bat les modèles qu'il orchestre. Fugu Ultra fait mieux qu'Opus 4.8 seul, alors qu'Opus 4.8 est dans son équipe. Face aux modèles publiquement accessibles — GPT-5.5, Opus 4.8, Gemini — Fugu est en tête sur la quasi-totalité des benchmarks.

Ça, c'est la version qui fait les titres. Maintenant, on prend du recul.

Les réserves (et il y en a)

Ces tests ne sont pas indépendants. Tous ces chiffres viennent de Sakana. Aucune vérification tierce n'existe à ce jour. On a donc des benchmarks qui se lisent comme des promesses, pas forcément comme des preuves.

Il n'y a aucun affrontement direct avec Fable 5 et Mythos. Et pour cause : ces modèles sont sous contrôle export, donc inaccessibles, donc absents de l'équipe de Fugu. Quand Sakana dit « au coude-à-coude avec Fable 5 », la comparaison se fait contre des scores de référence rapportés par Anthropic, pas dans le même environnement de test.

Et quand on creuse, la nuance compte. Sur le tableau de Sakana lui-même, Fable 5 reste devant sur SWE-Bench Pro. Donc sur le terrain de jeu phare de Fugu, le modèle qu'il prétend égaler le bat. La lecture exacte du chiffre de Fable 5 varie selon les sources, donc je reste prudent. Mais de toute façon, Sakana ne dit pas « on bat Fable 5 » — le mot officiel, c'est « au coude-à-coude ». La seule chose qu'ils revendiquent vraiment, c'est de dépasser les modèles publiquement accessibles. La nuance est honnête et volontaire ; attention en revanche aux posts, surtout sur X, où certains racontent un peu n'importe quoi.

On est face à une boîte noire. La FAQ de Sakana le dit très clairement : les modèles que Fugu sélectionne et la manière dont il les coordonne, c'est propriétaire, et ce n'est jamais révélé requête par requête. Vous ne saurez jamais quel modèle a produit votre réponse. Vous ne pouvez donc ni auditer, ni reproduire, ni attribuer un résultat. Pour un usage critique, c'est un vrai sujet.

J'ajoute que Sakana a eu des précédents, début 2025, qui ont fait parler — pas forcément en bien. Je reste donc prudent et j'attends le retour réel de la communauté. Cela dit, ce sont des chercheurs sérieux : on a notamment Llion Jones, co-auteur du papier « Attention Is All You Need », celui qui a lancé toute l'ère des Transformers. Raison de plus pour juger sur pièces.

Le prix, et le problème pour nous en Europe

Côté abonnement, ça ressemble à pas mal d'autres offres : 20, 100 et 200 dollars par mois. Côté pay-as-you-go : 5 dollars en entrée, 30 dollars en sortie, et les tarifs doublent au-delà de 272 000 tokens de contexte.

Sur le papier, ça paraît compétitif. Mais il y a un numéro manquant, et c'est le plus important : le coût réel de tous les appels qui se cachent sous la réponse. Si Fugu atteint ses meilleurs scores en distribuant le travail à plusieurs modèles frontière coûteux, alors votre facture, ce n'est pas juste le tarif affiché de l'orchestrateur. C'est l'orchestrateur, plus l'inférence de chaque modèle appelé, plus la marge de Sakana (forcément), plus les surcoûts de contexte long. Un routeur peut vous faire économiser en évitant le mauvais modèle, mais il peut aussi masquer une chaîne d'appels très chère derrière une seule réponse bien propre.

C'est là que les tests terrain divergent. Selon la tâche, certains testeurs ont vu Fugu coûter moins cher qu'Opus ; d'autres l'ont vu coûter plus cher. Certains l'ont même trouvé plus cher que GLM 5.2 pour un résultat similaire. Bref : il faudra tester sur vos propres cas.

Et le point qui nous concerne directement, nous en Europe : au lancement, Fugu n'est pas disponible dans l'Union européenne. Sakana indique travailler à sa mise en conformité avec le RGPD. Donc, très concrètement, depuis la France, aujourd'hui, vous ne pouvez même pas l'essayer.

Pourquoi ça compte quand même

Si on enlève le marketing et les chiffres invérifiables, il reste une idée qui mérite vraiment qu'on s'y arrête : l'orchestration est en train de devenir une catégorie de produit, et plus seulement un truc qu'on bricole soi-même.

Ce labo n'a jamais cru à la course au modèle toujours plus gros. Leur conviction, c'est l'intelligence collective — c'est d'ailleurs l'image de leur logo et de l'animation d'accueil sur leur site : un banc de poissons. Le nombre qui fait la force. Plein de petites unités qui, coordonnées, dépassent ce que n'importe quelle unité seule pourrait faire. Fugu, c'est la version produit la plus aboutie de cette idée.

Donc, marketing ou pas, chiffres tenus ou pas, l'idée est intéressante. La compétence rare de demain, ce n'est peut-être pas seulement d'entraîner le meilleur modèle — des modèles surpuissants, il y en a déjà plein. C'est peut-être de savoir quand ne pas utiliser le même modèle pour tout.