Ce qu'est réellement Grok 4.5
Grok est la plateforme d'assistant et d'API de xAI, et 4.5 est le dernier modèle phare de cette lignée. La documentation de xAI le décrit elle-même comme « le modèle de pointe de SpaceXAI conçu pour le code, les tâches agentiques et le travail de connaissance » (l'entreprise affiche désormais son nom sous la forme « SpaceXAI » sur l'ensemble de ses propriétés, même si le modèle continue de s'appeler simplement Grok). Sur la page de présentation des modèles, ils ouvrent avec trois mots qui indiquent à qui il s'adresse : « usage agentique d'outils, hallucinations minimales, raisonnement configurable ».
Plusieurs éléments sont nouveaux par rapport à la lignée Grok 4 :
- Une fenêtre de contexte de 500K tokens, confirmée par la page du modèle, avec un tarif plus élevé au-delà du seuil de 200K. Cela correspond à peu près à un petit livre de contexte en une seule requête.
- Un raisonnement configurable via un paramètre
reasoning_effortavec des niveaux bas, moyen et élevé (élevé étant la valeur par défaut), permettant d'arbitrer entre latence et profondeur à chaque appel. - Des hallucinations minimales, présentées comme un choix de conception explicite que xAI met en avant plutôt que de l'enterrer dans une note de bas de page.
- Une entrée multimodale, qui accepte texte et images et renvoie du texte, selon la page de détail du modèle.
- Des outils intégrés côté serveur, dont l'appel de fonctions, la recherche web, la recherche X et l'exécution de code directement via l'API.
Il est déjà disponible à de nombreux endroits dès le premier jour : l'API xAI, en tant que modèle par défaut dans l'agent de codage Grok Build de xAI, dans Cursor, par défaut dans les compléments Microsoft Office, et via des passerelles comme OpenRouter et Vercel. L'accès à l'API dans l'UE était le seul manque au lancement, indiqué comme « attendu plus tard ce mois-ci ».
Si vous avez lu notre analyse sur les mises à jour de Claude d'Anthropic pour le support, le schéma ici est familier : un modèle solide pour le code et les agents, au prix compétitif, qui arrive sur un marché où le classement se réorganise toutes les quelques semaines.
Les benchmarks : le battage médiatique face à la réalité
C'est généralement à ce moment-là qu'un article à sensation élude la question. Ici, non. Les chiffres ci-dessous sont les mesures indépendantes d'Artificial Analysis pour Grok 4.5 (niveau élevé), une référence plus fiable que n'importe quel graphique du fournisseur publié le jour du lancement.
Voici la lecture honnête du tableau de bord d'Artificial Analysis :
- Intelligence Index : 54, classé 4e sur 168. Il se situe juste derrière Claude Fable 5 (60), Claude Opus 4.8 (56) et GPT-5.5 (55), et à égalité avec Claude Opus 4.7 (54). C'est bien au-dessus de la moyenne de sa catégorie, d'environ 29, donc la 4e place est un très bon résultat, simplement pas la 1re.
- Usage agentique d'outils : 33 %, le meilleur score de tous les modèles répertoriés, devant GPT-5.5 et Claude Sonnet 4.6. C'est le véritable atout de Grok 4.5, et pour l'automatisation du support, c'est le chiffre le plus pertinent de la page.
- GPQA Diamond (raisonnement scientifique) : 93 %, dans le peloton de tête.
- Terminal-Bench (codage agentique) : 82 %, cinquième, derrière les meilleures versions de Claude et GPT.
- Vitesse : 85,6 tokens de sortie par seconde, plus rapide que la moyenne d'environ 73, et remarquablement concis dans ce qu'il génère.
L'écart entre le battage médiatique et le tableau de bord mérite d'être souligné. Lors du lancement, le PDG de Cursor l'a qualifié de « modèle de la classe Opus », « rapide et peu coûteux », une remarque juste, même s'il faut garder à l'esprit que Cursor a colancé le modèle. Les chiffres indépendants le placent légèrement en dessous d'Opus 4.8 en intelligence brute, mais clairement sur la frontière coût-performance. La version sobre est donc : une intelligence de classe Opus au dollar près, pas une intelligence qui surpasse Opus. Pour la plupart des acheteurs, le rapport qualité-prix est le chiffre qui compte vraiment.
Combien coûte Grok 4.5
Grok 4.5 est tarifé pour concurrencer par le bas, et il y parvient globalement. Voici le tableau complet d'après la documentation tarifaire de xAI et la page du modèle.
| Formule | Ce que c'est | Entrée | Sortie | Remarques |
|---|---|---|---|---|
| API Grok 4.5 | Tokens payés à l'usage | $2.00 / 1M | $6.00 / 1M | Entrée en cache à 0,50 $ / 1M (−75 %) ; contexte de 500K ; tarif plus élevé au-delà de 200K |
| Grok (gratuit) | Application grand public | - | - | Usage quotidien limité sur grok.com, X, iOS, Android |
| SuperGrok | Abonnement grand public | - | - | ~30 $/mois pour des limites plus élevées (montant rapporté par la communauté, non confirmé sur une page officielle) |
| SuperGrok Heavy | Formule grand public la plus élevée | - | - | ~300 $/mois (rapporté par la communauté ; grok.com n'affiche aucun tarif confirmant ce chiffre) |
Le chiffre de l'API est celui sur lequel s'appuyer, car il est confirmé dans la documentation même de xAI. Avec 2 $ en entrée et 6 $ en sortie, Grok 4.5 est moins cher que la plupart de ses pairs de pointe tout en obtenant des scores proches des leurs, et c'est là tout l'argument de vente. Sur Hacker News, un commentateur a résumé la réaction sans détour :
« Plutôt correct, comparable à certains anciens modèles Opus, et plutôt bon marché par token. »
Le prix bas par token est réel, mais c'est aussi là que beaucoup de calculs sur le coût du support par IA se trompent. Le prix du token n'équivaut pas au coût par ticket résolu. Un modèle concis qui répond en un seul échange propre peut être moins cher en pratique qu'un modèle « moins cher » qui tourne en rond, réessaie et escalade. Nous avons démêlé ce sujet dans combien coûte un agent de support IA, et en résumé, l'unité sur laquelle vous devriez baser votre tarification est une conversation résolue, pas un million de tokens.
Ce que les gens disent vraiment
Comme Grok 4.5 n'a que quelques heures d'existence, les discussions vérifiables se concentrent sur Hacker News et X plutôt que sur les sites de critiques habituels. Le sentiment se divise en trois camps bien distincts.
Les fans apprécient le rapport intelligence/prix. Artificial Analysis a noté qu'il « obtient un score de 54 pour se classer quatrième » tout en se situant « clairement sur la frontière de Pareto » côté coût.
Les sceptiques sont directs, et leur grief concerne moins les capacités que la confiance dans un cadre professionnel :
« Je ne pense tout simplement pas pouvoir un jour faire confiance à un modèle de xAI en sachant qu'ils essaient activement de façonner ses réponses pour coller à un récit politique. Comment peut-on faire confiance à leurs modèles pour être fiables dans un cadre professionnel en sachant d'avance qu'ils sont manipulés en coulisses ? »
Il y a une réplique équitable dans le même fil, venant de quelqu'un qui l'avait testé :
« Dans la plupart de mes tests, Grok s'est montré PLUS politiquement correct que GPT et Gemini... sur grok.com ou dans l'application, Grok est très sage. Je dirais même sage à en être ennuyeux. »
Et puis il y a le camp du réalisme, qui teste l'argument du codage à la main plutôt que sur un classement :
« C'est tellement étrange d'écrire tout un article où Claude donne systématiquement les meilleurs résultats et Grok systématiquement les pires, mais de désigner Grok gagnant parce qu'au moins il a produit le pire résultat le plus vite ? »
Dans l'ensemble, la lecture de la communauté est « bon marché, rapide, crédible, non éprouvé et, pour certains, difficile à faire confiance ». Ce dernier point est celui sur lequel un responsable du support devrait s'arrêter, car la confiance est tout l'enjeu quand un modèle parle à vos clients.
Ce qu'un nouveau modèle change pour le support client (et ce qu'il ne change pas)
Voici la partie qui me tient le plus à cœur, parce que je passe mon temps à réfléchir à la façon dont l'intention de recherche se transforme en vraies questions d'achat, et « devrais-je faire passer mon IA de support au nouveau modèle ? » est une question que des gens tapent aujourd'hui même. La réponse honnête : le niveau du modèle est rarement ce qui détermine si l'IA de support fonctionne.
Un modèle de pointe vous apporte trois choses : un raisonnement solide, des appels d'outils agentiques, et moins d'hallucinations. Une file de support en production a besoin de quatre autres éléments qu'aucun modèle n'apporte de série : des réponses limitées strictement à votre propre connaissance, un routage basé sur la confiance pour rester silencieux en cas de doute, un moyen de simuler sur votre historique réel de tickets avant la mise en production, et une escalade propre vers un humain. Cela fait plus de trois ans que nous déployons des agents IA sur des files de support en production, et le schéma ne change jamais : les succès comme les catastrophes viennent de cette seconde liste, pas de la première.
Prenons les « hallucinations minimales ». Moins, c'est mieux, et que Grok 4.5 mérite cette affirmation est une bonne nouvelle. Mais moins n'est pas zéro, et le mode d'échec sur une file de support est spécifique.
Une équipe avec laquelle nous avons travaillé, un groupe de support B2B en télématique automobile sur Zendesk traitant environ 200 tickets par mois et visant les 2 000, a vu son bot confirmer joyeusement qu'il prenait en charge des marques de voitures absentes de sa base de données, parce qu'une ligne du centre d'aide disait « nous prenons en charge tous les modèles ». Aucun modèle de pointe ne corrige cela tout seul. C'est un problème de délimitation des connaissances et de confiance, qui se résout en filtrant les réponses à faible confiance vers un brouillon destiné à un humain plutôt que de les envoyer automatiquement. Une responsable CX d'une marque de compléments alimentaires en vente directe a formulé ce principe mieux que je ne pourrais le faire :
« L'IA ne pourra jamais répondre à 100 % des questions. J'ai besoin d'une IA qui ne traite que les tickets pour lesquels elle est confiante, et qui laisse tous les autres tranquilles. »
C'est tout l'enjeu, et c'est un problème de flux de travail, pas un problème de modèle. C'est pourquoi le routage basé sur la confiance et les garde-fous contre les hallucinations comptent plus pour votre taux de résolution que le modèle sous-jacent. C'est aussi pourquoi l'inquiétude sur la confiance exprimée sur Hacker News est un véritable signal d'achat : si vous ne pouvez pas contrôler ce que fait le modèle, vous ne pouvez pas le mettre face à vos clients, quel que soit son score aux benchmarks. Quand vous maîtrisez la connaissance, le routage et l'étape de simulation, le modèle sous-jacent devient une pièce interchangeable.
Essayer eesel
Si Grok 4.5 vous fait vous demander s'il faut reconstruire votre pile de support, la meilleure démarche est de faire du modèle un détail que vous pourrez changer plus tard, pas une décision sur laquelle vous devez miser dès maintenant. eesel est la couche qui fait exactement cela : elle apprend dès le premier jour de vos anciens tickets et de vos documents d'aide, limite les réponses strictement à votre propre connaissance, route selon la confiance pour rester silencieuse en cas de doute, et vous permet de simuler sur des milliers de vos tickets historiques réels avant de répondre au moindre client.
C'est ainsi que les équipes obtiennent de vrais chiffres plutôt que des chiffres de classement. Gridwise a vu eesel résoudre 73 % des demandes de niveau 1 dès le premier mois, avec des signaux visibles dès un essai de 7 jours. Vous pouvez le connecter à Zendesk, Freshdesk, Gorgias ou Front, le démarrer en mode brouillon, et ne lui accorder de l'autonomie que sur les tickets qu'il a mérités. Le nouveau modèle est excitant. C'est la mécanique qui rapporte. Vous pouvez essayer eesel gratuitement, avec 50 $ d'utilisation offerts et sans carte bancaire.
