Claude Platform Docs
  • Messages
  • Agents gérés
  • Administration

Search...
⌘K
Premiers pas
Introduction à ClaudeDémarrage rapide
Développer avec Claude
Aperçu des fonctionnalitésUtilisation de l'API MessagesRaisons d'arrêt et repliRefus et repliCrédit de repli
Capacités du modèle
Réflexion étendueRéflexion adaptativeEffortBudgets de tâches (bêta)Mode rapide (aperçu de recherche)Sorties structuréesCitationsStreaming des messagesTraitement par lotsRésultats de rechercheStreaming des refusPrise en charge multilingueEmbeddings
Outils
AperçuFonctionnement de l'utilisation d'outilsTutoriel : Créer un agent utilisant des outilsDéfinir des outilsGérer les appels d'outilsUtilisation d'outils en parallèleTool Runner (SDK)Utilisation d'outils stricteUtilisation d'outils avec mise en cache des promptsOutils serveurDépannageOutil de recherche webOutil de récupération webOutil d'exécution de codeOutil conseillerOutil de mémoireOutil BashOutil d'utilisation de l'ordinateurOutil d'éditeur de texte
Infrastructure des outils
Référence des outilsGérer le contexte des outilsCombinaisons d'outilsRecherche d'outilsAppel d'outils programmatiqueStreaming d'outils granulaire
Gestion du contexte
Fenêtres de contexteCompactageÉdition du contexteMise en cache des promptsMessages système en cours de conversationCréer un mode d'orchestrationDiagnostics de cache (bêta)Comptage de tokens
Travailler avec des fichiers
API FilesPrise en charge des PDFImages et vision
Compétences
AperçuDémarrage rapideBonnes pratiquesCompétences pour l'entrepriseCompétences dans l'API
MCP
Serveurs MCP distantsConnecteur MCP
Claude sur les plateformes cloud
Amazon BedrockAmazon Bedrock (ancien)Claude Platform sur AWSMicrosoft FoundryVertex AI

Log in
Prise en charge multilingue
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Claude Platform Docs

Solutions

  • AI agents
  • Code modernization
  • Coding
  • Customer support
  • Education
  • Financial services
  • Government
  • Life sciences

Partners

  • Claude on AWS
  • Claude on Google Cloud

Learn

  • Blog
  • Courses
  • Use cases
  • Connectors
  • Customer stories
  • Engineering at Anthropic
  • Events
  • Powered by Claude
  • Service partners
  • Startups program

Company

  • Anthropic
  • Careers
  • Economic Futures
  • Research
  • News
  • Responsible Scaling Policy
  • Security and compliance
  • Transparency

Learn

  • Blog
  • Courses
  • Use cases
  • Connectors
  • Customer stories
  • Engineering at Anthropic
  • Events
  • Powered by Claude
  • Service partners
  • Startups program

Help and security

  • Availability
  • Status
  • Support
  • Discord

Terms and policies

  • Privacy policy
  • Responsible disclosure policy
  • Terms of service: Commercial
  • Terms of service: Consumer
  • Usage policy
Messages/Capacités du modèle

Prise en charge multilingue

Claude excelle dans les tâches impliquant plusieurs langues, maintenant de solides performances interlinguistiques par rapport à l'anglais.

Vue d'ensemble

Claude démontre de solides capacités multilingues, avec des performances particulièrement remarquables dans les tâches « zero-shot » (sans exemple préalable) dans de nombreuses langues. Le modèle maintient des performances relatives constantes, tant pour les langues largement parlées que pour celles disposant de moins de ressources, ce qui en fait un choix fiable pour les applications multilingues.

Claude est compétent dans de nombreuses langues au-delà de celles évaluées dans le tableau suivant. Testez-le avec toutes les langues pertinentes pour vos cas d'usage spécifiques.

Données de performance

Le tableau suivant présente les scores d'évaluation « zero-shot chain-of-thought » (chaîne de raisonnement sans exemple préalable) pour les modèles Claude dans différentes langues, exprimés en pourcentage par rapport aux performances en anglais (100 %) :

LangueClaude Opus 4.1 (obsolète)1Claude Sonnet 4.51Claude Haiku 4.51
Anglais (référence, fixée à 100 %)100 %100 %100 %
Espagnol98,1 %98,2 %96,4 %
Portugais (Brésil)97,8 %97,8 %96,1 %
Italien97,7 %97,9 %96,0 %
Français97,9 %97,5 %95,7 %
Indonésien97,3 %97,3 %94,2 %
Allemand97,7 %97,0 %94,3 %
Arabe97,1 %97,2 %92,5 %
Chinois (simplifié)97,1 %96,9 %94,2 %
Coréen96,6 %96,7 %93,3 %
Japonais96,9 %96,8 %93,5 %
Hindi96,8 %96,7 %92,4 %
Bengali95,7 %95,4 %90,4 %
Swahili89,8 %91,1 %78,3 %
Yoruba80,3 %79,7 %52,7 %

1 Avec la réflexion étendue.



Ces métriques sont basées sur les ensembles de tests anglais MMLU (Massive Multitask Language Understanding) qui ont été traduits dans 14 langues supplémentaires par des traducteurs humains professionnels, comme documenté dans le dépôt simple-evals d'OpenAI. Le recours à des traducteurs humains pour cette évaluation garantit des traductions de haute qualité, ce qui est particulièrement important pour les langues disposant de moins de ressources numériques.


Définir la langue de réponse

Claude déduit la langue de réponse à partir de la conversation, mais pour les applications en production, vous devriez indiquer explicitement la langue cible. L'endroit le plus fiable pour le faire est l'invite système, qui maintient l'instruction stable à chaque tour d'une conversation.

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system="Always respond in French, regardless of the language the user writes in.",
    messages=[{"role": "user", "content": "How do I reset my password?"}],
)

print(message.content)

Si votre application permet aux utilisateurs de choisir une langue au moment de l'exécution, interpolez ce choix dans l'invite système plutôt que de compter sur Claude pour la déduire du message de l'utilisateur. Pour traduire entre deux langues spécifiques, nommez les deux : Translate the user's message from German to Korean. Respond with only the translation.


Bonnes pratiques

Lorsque vous travaillez avec du contenu multilingue :

  1. Fournissez un contexte linguistique clair : bien que Claude puisse détecter automatiquement la langue cible, indiquer explicitement les langues d'entrée et de sortie souhaitées améliore la fiabilité. Pour une fluidité accrue, vous pouvez demander à Claude d'utiliser « un langage idiomatique comme s'il était un locuteur natif ».
  2. Utilisez les écritures natives : soumettez le texte dans son écriture native plutôt qu'en translittération pour obtenir des résultats optimaux.
  3. Tenez compte du contexte culturel : une communication efficace nécessite souvent une sensibilité culturelle et régionale qui va au-delà de la simple traduction.

Suivez également les recommandations générales de la page Vue d'ensemble de l'ingénierie de prompts pour améliorer davantage la qualité des résultats.


Considérations relatives à la prise en charge des langues

  • Claude traite les entrées et génère des sorties dans la plupart des langues du monde utilisant des caractères Unicode standard.
  • Les performances varient selon la langue, avec des capacités particulièrement solides dans les langues largement parlées.
  • Même dans les langues disposant de moins de ressources numériques, Claude conserve des capacités significatives.

Étapes suivantes


Vue d'ensemble de l'ingénierie de prompts

Appliquez des techniques générales de prompting pour améliorer la qualité des résultats multilingues.

Agent de support client

Créez un chatbot de support localisé en utilisant une invite système contrainte à une langue.

Vue d'ensemble des modèles

Comparez les niveaux de modèles pour équilibrer la qualité multilingue avec le coût et la latence.

Définir des critères de réussite et créer des évaluations

Évaluez la qualité de la traduction et de la localisation avant de déployer.

Was this page helpful?

  • Vue d'ensemble
  • Données de performance
  • Définir la langue de réponse
  • Bonnes pratiques
  • Considérations relatives à la prise en charge des langues
  • Étapes suivantes