Grok 4.5 et Cursor : peuvent-ils rivaliser avec les meilleurs ?

Grok 4.5 m'a surpris.

Pas parce qu'un benchmark lui donne encore un joli score avec une barre colorée.

Parce qu'il est très rapide, qu'il arrive à sortir des applications fonctionnelles en one-shot et qu'il a tenu sur une vraie feature de ma codebase.

Mais non, il n'écrase pas les meilleurs partout.

Sur le polish visuel, Fable peut encore faire mieux. Sur certaines simulations, GPT 5.6 Sol reste devant. Et un résultat terminé en 30 secondes peut toujours contenir un bouton mort.

Le truc intéressant, c'est donc moins « Grok est-il numéro un ? » que « quand est-ce que je dois réellement le choisir ? »

Les benchmarks donnent envie, pas confiance

Dans la vidéo, Grok 4.5 est affiché à 62 % sur DeepSWE et à 72,4 sur le Coding Index d'Artificial Analysis.

Sur les tableaux montrés, il se place très près d'Opus et affiche aussi de bons résultats sur Terminal-Bench et SWE-Bench Pro.

C'est une fondation prometteuse.

Ce n'est pas un verdict.

Le benchmark AA-Briefcase affiché à l'écran compare les modèles sur le score, le coût par tâche et la durée d'exécution.

Au moment du test, le modèle n'était même pas encore disponible sur DeepSWE pour que je puisse le lancer directement. Je regarde donc ces chiffres comme un signal, puis je reviens au seul test qui m'intéresse vraiment : est-ce que ce qu'il produit fonctionne ?

Un score ne clique pas sur ton interface.

Un score ne découvre pas que ton champ texte est impossible à modifier.

En one-shot, la vitesse est son vrai avantage

Premier test : un simulateur d'écosystème artificiel dans un seul fichier HTML.

Grok 4.5 crée les prédateurs, les proies, les déplacements et les contrôles. Le site fonctionne. Le résultat reste moins bon que la version GPT 5.6 Sol montrée à côté, mais il est déjà franchement solide pour un seul prompt.

Deuxième test : un outil pour trouver les heures de travail communes entre San Francisco, Dharamsala et Genève.

L'interface est utilisable et rappelle beaucoup celle produite par Opus. Même constat sur le code : les modèles semblent converger vers les mêmes stacks, les mêmes structures et parfois les mêmes petites ombres.

C'est pratique.

C'est aussi une raison de garder ton esprit critique. Plusieurs modèles capables de produire la même esthétique moyenne ne créent pas soudainement du goût.

Sur la simulation de crash, Grok fait mieux que ce que son prix pourrait laisser attendre : voiture animée, collision visible, briques, réglages et même une déformation au moment de l'impact.

Pas une simulation industrielle.

Mais un prototype qui vit.

Le test qui compte : ma vraie codebase

Les démos en fichier HTML, c'est joli.

Une feature au milieu d'un produit existant, c'est autre chose.

Je lui ai demandé d'ajouter un éditeur de dessin à mon outil de miniatures. Il devait gérer des templates, des formes, du dessin libre, des sujets, des couleurs, la duplication, les raccourcis clavier, l'ajout d'images et la sauvegarde du canvas comme inspiration.

Le test réel : un template « VS » est chargé dans l'éditeur, avec une sélection active, des couleurs et des réglages de forme visibles.

Le premier rendu avait le mauvais thème.

Je lui ai demandé de le corriger. Environ 30 secondes plus tard, c'était fait.

La plupart des actions fonctionnaient : dessiner, changer les couleurs, ajouter et dupliquer des éléments, utiliser les raccourcis, importer une image, puis sauvegarder le dessin. J'ai même pu réutiliser cette inspiration pour générer une miniature cohérente avec la composition demandée.

Mais il y avait des trous.

Le sélecteur de couleur était étrange. Je n'arrivais pas à modifier le texte. Le résultat était moins poli que celui de Fable.

Nuance importante : le rendu Grok était un one-shot, alors que j'avais itéré plusieurs fois sur Fable avant de mettre la feature en production.

Comparer uniquement les deux captures finales serait donc du benchmark de clown.

Le rapport qualité-prix change le calcul

Les prix affichés dans la vidéo placent Grok 4.5 autour de 2 dollars par million de tokens en entrée et 6 dollars en sortie.

La comparaison montrée avec Fable monte autour de 10 dollars en entrée et 50 dollars en sortie. GPT 5.6 Sol est lui aussi beaucoup plus cher sur le tableau consulté.

Ce ne sont pas des tarifs que je te promets pour l'éternité. Ce sont les chiffres visibles pendant le test, et ils peuvent évoluer.

Mais ils changent déjà la question.

Si Grok te livre en une passe 80 % d'une feature pour une fraction du coût, tu peux accepter une itération de correction. Le modèle devient un excellent diamant brut.

À l'inverse, s'il faut cinq prompts pour réparer une interaction fondamentale, le prix facial ne veut plus rien dire.

Le coût utile, c'est : tokens + temps + nombre de corrections + risque de garder un bug.

Cursor a de bons modèles et une interface qui me rend dingue

Le paradoxe, c'est que Cursor revient dans la course grâce à ses modèles.

Grok 4.5 est intéressant. Composer 2.5 m'impressionne aussi beaucoup. Pouvoir retrouver ces modèles avec Claude et Codex dans un même workflow ouvre de vraies possibilités de routage.

Mais personnellement, je déteste toujours l'interface de Cursor.

Je m'y perds. Et sur ma machine, lancer Cursor pendant que je tourne une vidéo fait presque systématiquement planter ou ralentir le setup.

Ce n'est pas un benchmark universel.

C'est mon expérience.

Un excellent modèle enfermé dans un outil que tu évites d'ouvrir reste un mauvais choix quotidien. Le produit complet compte : modèle, interface, stabilité et possibilité d'utiliser ton abonnement dans le workflow que tu préfères.

Mes règles pour router une tâche

Je ne choisirais pas Grok 4.5 pour tout.

Je l'utiliserais avec ces règles :

• Prototype borné ou petit outil en one-shot : commence par Grok 4.5. Sa vitesse permet de voir très vite si l'idée tient debout.
• Feature dans une vraie codebase : laisse-le faire un premier passage, mais impose une liste d'acceptation avant de toucher au code.
• Simulation plus complexe : compare avec GPT 5.6 Sol si la cohérence physique ou logique compte davantage que la vitesse.
• Éditeur visuel à polir : garde Fable dans la boucle et compare après le même nombre d'itérations.
• Correction évidente et locale : donne une passe courte à Grok. Le fix de thème en 30 secondes montre exactement ce qu'il sait bien faire.
• Trois ratés sur la même interaction : change de modèle. Tu n'as rien à prouver au dropdown.

Mon routage pratique : Grok 4.5 pour obtenir vite un premier jet, puis une vérification réelle avant de garder, itérer ou changer de modèle.

Ma checklist avant de garder son travail :

• l'action principale fonctionne vraiment ;
• tous les textes sont éditables quand ils doivent l'être ;
• les boutons, raccourcis et imports font ce qu'ils annoncent ;
• la sauvegarde produit une donnée réutilisable ;
• le thème et les composants respectent le produit existant ;
• le code reste compréhensible après le one-shot ;
• le coût des corrections ne détruit pas l'avantage du modèle.

Mes tests restent limités : quelques simulations, un outil de fuseaux horaires et une feature réelle. Les comparaisons n'ont pas toutes reçu le même nombre d'itérations, le rendu visuel reste subjectif et les prix peuvent changer.

Mon verdict est donc simple.

Grok 4.5 peut rivaliser avec les meilleurs sur le ratio vitesse, coût et qualité du premier jet.

Il n'a pas gagné le droit d'être utilisé sans review.

La vidéo complète

Je te montre les benchmarks, les applications, la simulation de crash et l'éditeur de dessin directement dans Cursor ici.

Si tu veux apprendre à construire ton workflow avec Claude Code, Codex et Cursor, ma formation IA gratuite est ici : https://mlv.sh/6LYHYp0.