Claude démontre de robustes capacités multilingues, avec des performances particulièrement solides dans les tâches « zero-shot » (sans exemple) à travers les langues. Le modèle maintient des performances relatives cohérentes à la fois dans les langues largement parlées et dans les langues 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 avec toutes les langues pertinentes pour vos cas d'usage spécifiques.
Le tableau suivant présente les scores d'évaluation « zero-shot chain-of-thought » (chaîne de pensée sans exemple) pour les modèles Claude à travers les langues, exprimés en pourcentage par rapport aux performances en anglais (100 %) :
| Langue | Claude Opus 4.1 (obsolète)1 | Claude Sonnet 4.51 | Claude Haiku 4.51 |
|---|---|---|---|
| Anglais (référence, fixée à 100 %) | 100% | 100% | 100% |
| Espagnol | 98.1% | 98.2% | 96.4% |
| Portugais (Brésil) | 97.8% | 97.8% | 96.1% |
| Italien | 97.7% | 97.9% | 96.0% |
| Français | 97.9% | 97.5% | 95.7% |
| Indonésien | 97.3% | 97.3% | 94.2% |
| Allemand | 97.7% | 97.0% | 94.3% |
| Arabe | 97.1% | 97.2% | 92.5% |
| Chinois (simplifié) | 97.1% | 96.9% | 94.2% |
| Coréen | 96.6% | 96.7% | 93.3% |
| Japonais | 96.9% | 96.8% | 93.5% |
| Hindi | 96.8% | 96.7% | 92.4% |
| Bengali | 95.7% | 95.4% | 90.4% |
| Swahili | 89.8% | 91.1% | 78.3% |
| Yoruba | 80.3% | 79.7% | 52.7% |
1 Avec la réflexion étendue.
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-5",
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 à l'exécution, interpolez ce choix dans l'invite système plutôt que de compter sur Claude pour le 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.
Lorsque vous travaillez avec du contenu multilingue :
Suivez également les conseils généraux de l'aperçu de l'ingénierie de prompts pour améliorer davantage la qualité des sorties.
Appliquez des techniques générales de prompting pour améliorer la qualité des sorties multilingues.
Créez un chatbot de support localisé en utilisant une invite système contrainte par la langue.
Comparez les niveaux de modèles pour équilibrer la qualité multilingue par rapport au coût et à la latence.
Évaluez la qualité de la traduction et de la localisation avant la mise en production.
Was this page helpful?