Lorsque David Ondrej a publié un clip le 25 avril, montrant "Gemini 3.1 Pro" répétant dix messages consécutifs dans OpenClaw — se citant lui-même, refusant de s'arrêter et finissant par s'immobiliser — il a soulevé la question cruciale que chaque équipe utilisant OpenClaw finit par se poser : quel modèle fonctionne réellement dans cet environnement, et lesquels s'effondrent discrètement ? Les benchmarks marketing ne répondent pas à cette question. Les classements non plus. Seule l'utilisation réelle le fait.
Nous exploitons OpenClaw depuis quelques mois dans des projets clients et échangeons des modèles dès que de nouveaux sont disponibles. Voici le guide pratique que nous aurions aimé avoir au début : les modèles auxquels nous faisons confiance dans OpenClaw aujourd'hui, ceux que nous n'utilisons plus et comment décider pour votre propre workload.
Ce que signifie "le meilleur" dans OpenClaw
OpenClaw n'est pas une simple boîte de dialogue. C'est un framework agentique : utilisation d'outils, édition de fichiers, longues boucles de tâches, contexte persistant, hooks et une CLI pour l'automatisation de type Cron. Un modèle avec 90 points dans un benchmark de codage peut toujours être le mauvais choix s'il ignore les conventions de hook d'OpenClaw, viole les contrats d'appel d'outils ou gaspille la fenêtre de contexte en lisant le même fichier quatre fois de suite.
Trois propriétés comptent plus que les chiffres des benchmarks :
- Discipline d'appel d'outils — appelle-t-il le bon outil avec le bon schéma du premier coup ?
- Discipline d'arrêt — sait-il quand la tâche est terminée, ou tourne-t-il en boucle ?
- Économie de contexte — relit-il ce qui est déjà dans le contexte, ou s'y fie-t-il ?
Presque tout le reste en découle. Nous évaluons chaque modèle dans nos notes de déploiement en fonction de ces trois points. Voici à quoi ressemblent les principales options Frontier fin avril 2026.
Sonnet 4.6 — la valeur par défaut qui mérite sa place
Anthropic Claude Sonnet 4.6 est le modèle que nous définissons par défaut dans presque tous les déploiements OpenClaw — et il a mérité cette place, il ne l'a pas reçue. Discipline d'appel d'outils (Tool-Call): excellente. Discipline d'arrêt: le meilleur de sa catégorie — lorsqu'une tâche Sonnet 4.6 est terminée, il s'arrête. Il relit rarement les fichiers qui viennent de lui être montrés. Le rapport coût par tâche pour les flux de travail d'agent typiques se situe à peu près là où se situait Haiku avant l'ajustement des prix.
Là où il pêche : les refactorisations profondes en plusieurs étapes dans des bases de code inconnues nécessitent parfois une lame plus tranchante. Lors de l'examen du code, des décisions d'architecture ou des traces de débogage avec une longue chaîne de cause à effet, Sonnet 4.6 abandonne parfois trop tôt. C'est précisément à ce moment-là que nous passons à Opus.
Pour une analyse plus approfondie des raisons pour lesquelles le travail d'agent s'est déplacé vers ce modèle, veuillez consulter notre article sur le modèle de travail d'agent qu'OpenAI a livré contre le mythe de Claude.
Opus 4.7 — quand la profondeur du raisonnement porte vraiment ses fruits
Opus 4.7 est un poids lourd. Nous ne l'utilisons pas par défaut, car les coûts par tâche s'accumulent rapidement, mais c'est notre voie d'escalade pour trois classes de tâches :
- Débogage complexe, où la chaîne de cause à effet s'étend sur plusieurs fichiers et où les symptômes sont trompeurs
- Décisions d'architecture, où le modèle doit évaluer honnêtement les compromis au lieu de choisir la première réponse plausible
- Tâches ponctuelles à haut risque telles que les scripts de migration, les modifications de schéma ou tout ce qui touche aux données de production
Opus 4.7 est également le modèle auquel nous faisons le plus confiance lorsque la pensée adaptative compte — c'est-à-dire lorsque le modèle doit investir des jetons de raisonnement avant de s'engager dans un Tool-Call. Les coûts sont réels, mais le taux de réussite pour les tâches difficiles les justifie. Règle générale : si une exécution de Sonnet échoue deux fois avec des erreurs similaires, passez à Opus au lieu de réessayer.
GPT-5.5 dans OpenClaw — un codeur puissant, mais un mauvais outil pour l'instant
GPT-5.5 dans OpenClaw est à la fois intéressant et frustrant. En tant que simple codeur, il est puissant, et la confirmation d'OpenAI selon laquelle GPT-5.5 = Codex (Romain Huet, 25 avril) signifie qu'il n'y a plus de "Codex pour le codage, GPT-5.5 pour les tâches générales". Un seul modèle, deux frameworks.
Mais OpenClaw n'est pas son framework. Nous constatons deux types d'erreurs récurrentes lorsque nous intégrons GPT-5.5 dans OpenClaw :
- Dérive du schéma d'appel d'outil (Tool-Call-Schema-Drift) — il invente occasionnellement des champs d'outil qui n'existent pas, surtout dans des contextes plus longs.
- Discipline d'arrêt plus laxiste — il produit plus fréquemment que Sonnet 4.6 des textes de remplissage du type "Je continue à y travailler".
Pour OpenClaw, notre recommandation aujourd'hui est la suivante : laissez GPT-5.5 dans la Codex-CLI, où ses conventions correspondent à sa formation, et conservez les modèles Anthropic dans OpenClaw. Cela pourrait changer à mesure que le framework évolue autour d'autres fournisseurs. Nous testons à chaque version mineure.
DeepSeek V4 — Une rupture de coût qui nécessite de véritables tests
DeepSeek V4 (1,6 billion de paramètres, licence MIT, considérablement moins cher qu'Opus pour des tâches comparables) vient d'arriver. Nous avons traité en détail les implications tarifaires dans notre article sur le séisme des prix de DeepSeek-V4.
Dans OpenClaw, nos premiers tests montrent que DeepSeek V4 Flash exécute 70 à 80 % des charges de travail Haiku typiques à une fraction du coût. V4 Pro est sérieusement compétitif avec Opus pour les tâches de raisonnement isolées, mais la discipline d'arrêt est à la traîne par rapport aux modèles Anthropic. Nous ne sommes pas encore prêts à le recommander comme valeur par défaut dans les déploiements clients — il est trop tôt pour savoir comment il se comporte dans les longues boucles d'agents, et la variante Open-Weights nécessite une infrastructure d'auto-hébergement que la plupart des équipes n'ont pas.
Si vous êtes sensible aux coûts et que vous souhaitez investir dans l'évaluation : commencez avec V4 Flash sur des tâches Cron OpenClaw à faible risque (scans Intel, résumés, contrôles de la qualité du contenu) et mesurez la discipline d'arrêt et la précision des appels d'outils (Tool-Call). Ne l'utilisez pas dans des tâches proches de la production avant d'avoir un historique de stabilité sur plusieurs semaines.
Modèles que nous avons testés et que nous ne recommandons pas
Quelques signaux tirés des six derniers mois de travail de déploiement :
- Gemini 2.5 Pro et variantes 3.x : Inconsistant dans OpenClaw. Le rapport d'Ondrej correspond à nos propres tests. Le modèle est performant dans son propre environnement (Vertex, AI Studio), mais ne respecte pas de manière fiable les conventions d'outils d'OpenClaw. Nous n'y accédons plus.
- Nemotron et Qwen Mid-Tier : Bons comme solution de repli dans notre Cost-Cascade, mais les taux de timeout augmentent dans des contextes plus longs. Conviennent uniquement pour les courtes rafales.
- Anciennes versions de Claude (3.5, 4.0, 4.5) : Dépassées. Aucune raison de les utiliser, sauf en cas de contraintes de coûts.
Vous trouverez plus de contexte sur les fournisseurs dans notre analyse de la tarification du compute agentique. (analyse de prix en Machine Learning, API, CLI).
Comment choisir : une matrice de décision
Voici comment nous procédons lorsqu'un client demande : "Quel modèle devrions-nous utiliser ?"
| Workload | Default | Escalade vers | Pourquoi |
|---|---|---|---|
| Tâches Cron quotidiennes (Audit, Scan, Résumé) | Sonnet 4.6 | Opus 4.7 si la précision est critique | La discipline d'arrêt de Sonnet maintient les coûts prévisibles |
| Génération et revue de code | Sonnet 4.6 | Opus 4.7 pour les bugs difficiles | Passer à GPT-5.5 dans OpenClaw ; utiliser dans Codex-CLI |
| Tâches ponctuelles à haut risque (Migrations, Correctifs de production) | Opus 4.7 | — | Coûts justifiés par les coûts d'une seule défaillance |
| Travail en volume sensible aux coûts | DeepSeek V4 Flash (Test) | Sonnet 4.6 | Valider la discipline d'arrêt avant la mise à l'échelle |
| Tâches multimodales (Vision, Audio) | Sonnet 4.6 avec Vision | Opus 4.7 | Comportement le plus cohérent dans OpenClaw |
Le levier que nous utilisons le plus souvent : en cas de nouvelle tentative, passer de Sonnet à Opus, jamais l'inverse. Si Sonnet échoue deux fois, Opus le résout généralement du premier coup. Si Opus échoue, une nouvelle tentative avec Opus aide rarement — la tâche a probablement besoin d'un cadrage différent. Les technologies comme l'API, le Machine Learning et la CLI sont essentielles dans ce processus de décision.
FAQ
Q: Puis-je changer de modèle en cours de tâche dans OpenClaw ? Oui — OpenClaw prend en charge le changement de modèle via un flag CLI ou une configuration par tâche. Nous l'utilisons dans notre cascade de repli Cron : si Sonnet expire deux fois, la prochaine exécution tente automatiquement un autre fournisseur. Configurez ceci avant d'en avoir besoin.
Q: "Gemini 3.1 Pro" est-il réellement un modèle publié ? Au 26 avril 2026, nous ne trouvons aucune annonce officielle de Google pour "Gemini 3.1 Pro". La vidéo de David Ondrej pourrait faire référence à un nom interne ou à un déploiement discret. Traitez toute affirmation "Gemini 3.x" comme non confirmée jusqu'à ce que le blog de Google la confirme.
Q: Dois-je toujours utiliser le modèle le plus puissant "par sécurité" ? Non. Utiliser Opus 4.7 pour une tâche que Sonnet 4.6 effectue correctement coûte cinq à dix fois plus cher pour le même résultat, et les boucles de raisonnement plus longues peuvent introduire leurs propres schémas d'erreurs. Adaptez le modèle à la charge de travail — augmentez en cas de Retry, pas par défaut.
Q: À quelle fréquence dois-je re-tester quel modèle est le plus approprié ? Au moins une fois par mois, une fois par semaine si vous exploitez des déploiements OpenClaw productifs. Le comportement du modèle change après chaque version mineure, et la compatibilité du Framework change plus rapidement que ne le suggèrent les valeurs de référence.
Conclusion
Pour la plupart des équipes qui exploitent OpenClaw en 2026, la configuration par défaut appropriée est Sonnet 4.6 avec Opus 4.7 comme voie d'escalade. GPT-5.5 appartient à Codex-CLI, et non à OpenClaw. DeepSeek V4 mérite une évaluation pour les charges de travail sensibles aux coûts, mais n'est pas encore prêt pour la production dans ce framework. Les variantes Gemini restent incohérentes.
Les valeurs de référence continueront d'évoluer. Ce qui compte dans OpenClaw, c'est la discipline des appels d'outils (Tool-Call), la discipline d'arrêt (Stopp) et l'économie de contexte — et c'est sur ces trois axes que les modèles Anthropic restent en tête.
Si vous avez besoin d'aide pour configurer la bonne cascade de modèles pour votre déploiement OpenClaw — valeurs par défaut, solutions de repli, règles d'escalade — prenez rendez-vous pour une discussion exploratoire avec Context Studios. Nous l'avons fait pour suffisamment de clients pour éviter la phase d'essais et d'erreurs.