Meilleures pratiques de prompting

Ceci est la référence unique pour l'ingénierie de prompts avec les derniers modèles de Claude, incluant Claude Opus 4.6, Claude Sonnet 4.6 et Claude Haiku 4.5. Elle couvre les techniques fondamentales, le contrôle des résultats, l'utilisation d'outils, la réflexion et les systèmes agentiques. Accédez à la section qui correspond à votre situation.

Principes généraux

Soyez clair et direct

Claude répond bien aux instructions claires et explicites. Être spécifique sur le résultat souhaité peut aider à améliorer les résultats. Si vous voulez un comportement « au-delà des attentes », demandez-le explicitement plutôt que de compter sur le modèle pour le déduire à partir de prompts vagues.

Pensez à Claude comme à un employé brillant mais nouveau qui manque de contexte sur vos normes et flux de travail. Plus vous expliquez précisément ce que vous voulez, meilleur sera le résultat.

Règle d'or : Montrez votre prompt à un collègue ayant un contexte minimal sur la tâche et demandez-lui de le suivre. S'il était confus, Claude le serait aussi.

• Soyez spécifique sur le format de sortie souhaité et les contraintes.
• Fournissez les instructions sous forme d'étapes séquentielles en utilisant des listes numérotées ou des puces lorsque l'ordre ou l'exhaustivité des étapes est important.

Ajoutez du contexte pour améliorer les performances

Fournir du contexte ou une motivation derrière vos instructions, comme expliquer à Claude pourquoi ce comportement est important, peut aider Claude à mieux comprendre vos objectifs et à fournir des réponses plus ciblées.

Claude est assez intelligent pour généraliser à partir de l'explication.

Utilisez les exemples efficacement

Les exemples sont l'un des moyens les plus fiables de diriger le format de sortie, le ton et la structure de Claude. Quelques exemples bien conçus (connus sous le nom de prompting few-shot ou multishot) peuvent améliorer considérablement la précision et la cohérence.

Lors de l'ajout d'exemples, assurez-vous qu'ils sont :

• Pertinents : Reflètent étroitement votre cas d'usage réel.
• Diversifiés : Couvrez les cas limites et varient suffisamment pour que Claude ne détecte pas de motifs involontaires.
• Structurés : Enveloppez les exemples dans des balises <example> (plusieurs exemples dans des balises <examples>) pour que Claude puisse les distinguer des instructions.

Structurez les prompts avec des balises XML

Les balises XML aident Claude à analyser les prompts complexes sans ambiguïté, en particulier lorsque votre prompt mélange des instructions, du contexte, des exemples et des entrées variables. Envelopper chaque type de contenu dans sa propre balise (par exemple <instructions>, <context>, <input>) réduit les malentendus.

Meilleures pratiques :

• Utilisez des noms de balises cohérents et descriptifs dans vos prompts.
• Imbriquez les balises lorsque le contenu a une hiérarchie naturelle (documents dans <documents>, chacun dans <document index="n">).

Donnez un rôle à Claude

Définir un rôle dans le prompt système concentre le comportement et le ton de Claude pour votre cas d'usage. Même une seule phrase fait une différence :

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    system="You are a helpful coding assistant specializing in Python.",
    messages=[
        {"role": "user", "content": "How do I sort a list of dictionaries by key?"}
    ],
)
print(message.content)

Prompting avec contexte long

Lorsque vous travaillez avec de grands documents ou des entrées riches en données (20k+ tokens), structurez votre prompt avec soin pour obtenir les meilleurs résultats :

• Placez les données longues en haut : Placez vos longs documents et entrées près du haut de votre prompt, au-dessus de votre requête, vos instructions et vos exemples. Cela peut améliorer considérablement les performances sur tous les modèles.

  Les requêtes à la fin peuvent améliorer la qualité des réponses jusqu'à 30% dans les tests, en particulier avec des entrées complexes et multi-documents.

• Structurez le contenu et les métadonnées des documents avec des balises XML : Lorsque vous utilisez plusieurs documents, enveloppez chaque document dans des balises <document> avec des sous-balises <document_content> et <source> (et d'autres métadonnées) pour plus de clarté.

  Exemple de structure multi-documents

• Ancrez les réponses dans des citations : Pour les tâches avec de longs documents, demandez à Claude de citer d'abord les parties pertinentes des documents avant d'effectuer sa tâche. Cela aide Claude à couper à travers le bruit du reste du contenu du document.

  Exemple d'extraction de citations

Connaissance du modèle par lui-même

Si vous souhaitez que Claude s'identifie correctement dans votre application ou utilise des chaînes API spécifiques :

The assistant is Claude, created by Anthropic. The current model is Claude Opus 4.6.

Pour les applications alimentées par LLM qui doivent spécifier des chaînes de modèle :

When an LLM is needed, please default to Claude Opus 4.6 unless the user requests otherwise. The exact model string for Claude Opus 4.6 is claude-opus-4-6.

Résultats et formatage

Style de communication et verbosité

Les derniers modèles de Claude ont un style de communication plus concis et naturel par rapport aux modèles précédents :

• Plus direct et ancré : Fournit des rapports de progrès basés sur les faits plutôt que des mises à jour auto-congratulatoires
• Plus conversationnel : Légèrement plus fluide et familier, moins mécanique
• Moins verbeux : Peut ignorer les résumés détaillés pour l'efficacité sauf si demandé autrement

Cela signifie que Claude peut ignorer les résumés verbaux après les appels d'outils, passant directement à l'action suivante. Si vous préférez plus de visibilité sur son raisonnement :

After completing a task that involves tool use, provide a quick summary of the work you've done.

Contrôlez le format des réponses

Il y a quelques façons particulièrement efficaces de diriger le formatage de la sortie :

1. Dites à Claude ce qu'il faut faire au lieu de ce qu'il ne faut pas faire

   • Au lieu de : « N'utilisez pas de markdown dans votre réponse »
   • Essayez : « Votre réponse doit être composée de paragraphes de prose fluides. »

2. Utilisez des indicateurs de format XML

   • Essayez : « Écrivez les sections de prose de votre réponse dans des balises <smoothly_flowing_prose_paragraphs>. »

3. Faites correspondre le style de votre prompt au résultat souhaité

   Le style de formatage utilisé dans votre prompt peut influencer le style de réponse de Claude. Si vous rencontrez toujours des problèmes de directivité avec le formatage de la sortie, essayez de faire correspondre le style de votre prompt au style de sortie souhaité aussi étroitement que possible. Par exemple, supprimer le markdown de votre prompt peut réduire le volume de markdown dans la sortie.

4. Utilisez des prompts détaillés pour les préférences de formatage spécifiques

   Pour plus de contrôle sur l'utilisation du markdown et du formatage, fournissez des conseils explicites :

<avoid_excessive_markdown_and_bullet_points>
When writing reports, documents, technical explanations, analyses, or any long-form content, write in clear, flowing prose using complete paragraphs and sentences. Use standard paragraph breaks for organization and reserve markdown primarily for `inline code`, code blocks (```...```), and simple headings (###, and ###). Avoid using **bold** and *italics*.

DO NOT use ordered lists (1. ...) or unordered lists (*) unless : a) you're presenting truly discrete items where a list format is the best option, or b) the user explicitly requests a list or ranking

Instead of listing items with bullets or numbers, incorporate them naturally into sentences. This guidance applies especially to technical writing. Using prose instead of excessive formatting will improve user satisfaction. NEVER output a series of overly short bullet points.

Your goal is readable, flowing text that guides the reader naturally through ideas rather than fragmenting information into isolated points.
</avoid_excessive_markdown_and_bullet_points>

Sortie LaTeX

Claude Opus 4.6 utilise par défaut LaTeX pour les expressions mathématiques, les équations et les explications techniques. Si vous préférez le texte brut, ajoutez les instructions suivantes à votre prompt :

Format your response in plain text only. Do not use LaTeX, MathJax, or any markup notation such as \( \), $, or \frac{}{}. Write all math expressions using standard text characters (e.g., "/" for division, "*" for multiplication, and "^" for exponents).

Création de documents

Les derniers modèles de Claude excellent dans la création de présentations, d'animations et de documents visuels avec un flair créatif impressionnant et un suivi d'instructions solide. Les modèles produisent une sortie polie et utilisable dès la première tentative dans la plupart des cas.

Pour de meilleurs résultats avec la création de documents :

Create a professional presentation on [topic]. Include thoughtful design elements, visual hierarchy, and engaging animations where appropriate.

Migration loin des réponses préremplies

À partir des modèles Claude 4.6 et Claude Mythos Preview, les réponses préremplies au dernier tour d'assistant ne sont plus prises en charge. Sur Mythos Preview, les requêtes avec des messages d'assistant préremplis retournent une erreur 400. L'intelligence du modèle et le suivi des instructions ont progressé de sorte que la plupart des cas d'usage du préremplissage ne l'exigent plus. Les modèles existants continueront à supporter les préremplissages, et l'ajout de messages d'assistant ailleurs dans la conversation n'est pas affecté.

Voici les scénarios de préremplissage courants et comment migrer loin d'eux :

Utilisation d'outils

Utilisation d'outils

Les derniers modèles de Claude sont entraînés pour un suivi d'instructions précis et bénéficient d'une direction explicite pour utiliser des outils spécifiques. Si vous dites « pouvez-vous suggérer quelques changements », Claude fournira parfois des suggestions plutôt que de les implémenter, même si faire des changements pourrait être ce que vous aviez l'intention.

Pour que Claude agisse, soyez plus explicite :

Pour rendre Claude plus proactif dans la prise d'action par défaut, vous pouvez ajouter ceci à votre prompt système :

<default_to_action>
By default, implement changes rather than only suggesting them. If the user's intent is unclear, infer the most useful likely action and proceed, using tools to discover any missing details instead of guessing. Try to infer the user's intent about whether a tool call (e.g., file edit or read) is intended or not, and act accordingly.
</default_to_action>

D'autre part, si vous voulez que le modèle soit plus hésitant par défaut, moins enclin à se lancer directement dans les implémentations et ne prenne des mesures que si demandé, vous pouvez diriger ce comportement avec un prompt comme ci-dessous :

<do_not_act_before_instructions>
Do not jump into implementatation or changes files unless clearly instructed to make changes. When the user's intent is ambiguous, default to providing information, doing research, and providing recommendations rather than taking action. Only proceed with edits, modifications, or implementations when the user explicitly requests them.
</do_not_act_before_instructions>

Claude Opus 4.5 et Claude Opus 4.6 sont également plus réactifs au prompt système que les modèles précédents. Si vos prompts ont été conçus pour réduire le sous-déclenchement sur les outils ou les compétences, ces modèles peuvent maintenant surpasser. La solution est de réduire tout langage agressif. Là où vous auriez pu dire « CRITIQUE : Vous DEVEZ utiliser cet outil quand... », vous pouvez utiliser un prompting plus normal comme « Utilisez cet outil quand... ».

Optimisez l'appel d'outils parallèles

Les derniers modèles de Claude excellent dans l'exécution d'outils parallèles. Ces modèles vont :

• Exécuter plusieurs recherches spéculatives lors de la recherche
• Lire plusieurs fichiers à la fois pour construire le contexte plus rapidement
• Exécuter les commandes bash en parallèle (ce qui peut même créer un goulot d'étranglement des performances du système)

Ce comportement est facilement dirigeable. Bien que le modèle ait un taux de réussite élevé dans l'appel d'outils parallèles sans prompting, vous pouvez augmenter cela à ~100% ou ajuster le niveau d'agressivité :

<use_parallel_tool_calls>
If you intend to call multiple tools and there are no dependencies between the tool calls, make all of the independent tool calls in parallel. Prioritize calling tools simultaneously whenever the actions can be done in parallel rather than sequentially. For example, when reading 3 files, run 3 tool calls in parallel to read all 3 files into context at the same time. Maximize use of parallel tool calls where possible to increase speed and efficiency. However, if some tool calls depend on previous calls to inform dependent values like the parameters, do NOT call these tools in parallel and instead call them sequentially. Never use placeholders or guess missing parameters in tool calls.
</use_parallel_tool_calls>

Execute operations sequentially with brief pauses between each step to ensure stability.

Réflexion et raisonnement

Surréflexion et exhaustivité excessive

Claude Opus 4.6 fait significativement plus d'exploration initiale que les modèles précédents, en particulier aux paramètres effort plus élevés. Ce travail initial aide souvent à optimiser les résultats finaux, mais le modèle peut rassembler un contexte extensif ou poursuivre plusieurs fils de recherche sans être invité. Si vos prompts ont précédemment encouragé le modèle à être plus approfondi, vous devriez affiner cette orientation pour Claude Opus 4.6 :

• Remplacez les valeurs par défaut générales par des instructions plus ciblées. Au lieu de « Utilisez par défaut [outil] », ajoutez des conseils comme « Utilisez [outil] quand cela améliorerait votre compréhension du problème. »
• Supprimez le sur-prompting. Les outils qui se sous-déclenchaient dans les modèles précédents sont susceptibles de se déclencher correctement maintenant. Les instructions comme « En cas de doute, utilisez [outil] » causeront un surpassing.
• Utilisez l'effort comme solution de secours. Si Claude continue à être trop agressif, utilisez un paramètre effort inférieur.

Dans certains cas, Claude Opus 4.6 peut réfléchir longuement, ce qui peut gonfler les tokens de réflexion et ralentir les réponses. Si ce comportement est indésirable, vous pouvez ajouter des instructions explicites pour contraindre son raisonnement, ou vous pouvez abaisser le paramètre effort pour réduire la réflexion globale et l'utilisation des tokens.

When you're deciding how to approach a problem, choose an approach and commit to it. Avoid revisiting decisions unless you encounter new information that directly contradicts your reasoning. If you're weighing two approaches, pick one and see it through. You can always course-correct later if the chosen approach fails.

Si vous avez besoin d'un plafond dur sur les coûts de réflexion, la réflexion étendue avec un plafond budget_tokens est toujours fonctionnelle sur Opus 4.6 et Sonnet 4.6 mais est dépréciée. Préférez abaisser le paramètre effort ou utiliser max_tokens comme limite stricte avec adaptive thinking.

Exploitez les capacités de réflexion et de réflexion entrelacée

Les derniers modèles de Claude offrent des capacités de réflexion qui peuvent être particulièrement utiles pour les tâches impliquant une réflexion après l'utilisation d'outils ou un raisonnement multi-étapes complexe. Vous pouvez guider sa réflexion initiale ou entrelacée pour de meilleurs résultats.

Claude Opus 4.6 et Claude Sonnet 4.6 utilisent adaptive thinking (thinking: {type: "adaptive"}), où Claude décide dynamiquement quand et combien réfléchir. Claude calibre sa réflexion en fonction de deux facteurs : le paramètre effort et la complexité de la requête. Un effort plus élevé provoque plus de réflexion, et les requêtes plus complexes font de même. Sur les requêtes plus faciles qui ne nécessitent pas de réflexion, le modèle répond directement. Dans les évaluations internes, la réflexion adaptative entraîne de manière fiable de meilleures performances que la réflexion étendue. Envisagez de passer à la réflexion adaptative pour obtenir les réponses les plus intelligentes.

Utilisez la réflexion adaptative pour les charges de travail qui nécessitent un comportement agentique tel que l'utilisation d'outils multi-étapes, les tâches de codage complexes et les boucles d'agent à long terme. Les modèles plus anciens utilisent le mode de réflexion manuel avec budget_tokens.

Vous pouvez guider le comportement de réflexion de Claude :

After receiving tool results, carefully reflect on their quality and determine optimal next steps before proceeding. Use your thinking to plan and iterate based on this new information, and then take the best next action.

Le comportement de déclenchement de la réflexion adaptative est promptable. Si vous trouvez que le modèle réfléchit plus souvent que vous ne le souhaitez, ce qui peut se produire avec de grands ou complexes prompts système, ajoutez des conseils pour le diriger :

Extended thinking adds latency and should only be used when it will meaningfully improve answer quality - typically for problems that require multi-step reasoning. When in doubt, respond directly.

Si vous migrez à partir de extended thinking avec budget_tokens, remplacez votre configuration de réflexion et déplacez le contrôle du budget vers effort :

Avant (réflexion étendue, modèles plus anciens) :

client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=64000,
    thinking={"type": "enabled", "budget_tokens": 32000},
    messages=[{"role": "user", "content": "..."}],
)

Après (réflexion adaptative) :

client.messages.create(
    model="claude-opus-4-6",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},  # or max, medium, low
    messages=[{"role": "user", "content": "..."}],
)

Si vous n'utilisez pas la réflexion étendue, aucune modification n'est requise. La réflexion est désactivée par défaut lorsque vous omettez le paramètre thinking.

• Préférez les instructions générales aux étapes prescriptives. Un prompt comme « réfléchissez attentivement » produit souvent un meilleur raisonnement qu'un plan étape par étape écrit à la main. Le raisonnement de Claude dépasse souvent ce qu'un humain prescrirait.
• Les exemples multishot fonctionnent avec la réflexion. Utilisez des balises <thinking> dans vos exemples few-shot pour montrer à Claude le motif de raisonnement. Il généralisera ce style à ses propres blocs de réflexion étendue.
• CoT manuel comme solution de secours. Lorsque la réflexion est désactivée, vous pouvez toujours encourager le raisonnement étape par étape en demandant à Claude de réfléchir au problème. Utilisez des balises structurées comme <thinking> et <answer> pour séparer clairement le raisonnement de la sortie finale.
• Demandez à Claude de s'auto-vérifier. Ajoutez quelque chose comme « Avant de terminer, vérifiez votre réponse par rapport à [critères de test]. » Cela détecte les erreurs de manière fiable, en particulier pour le codage et les mathématiques.

Systèmes agentiques

Raisonnement à long terme et suivi d'état

Les derniers modèles de Claude excellent dans les tâches de raisonnement à long terme avec des capacités exceptionnelles de suivi d'état. Claude maintient l'orientation sur les sessions étendues en se concentrant sur les progrès progressifs, en faisant des avancées régulières sur quelques choses à la fois plutôt que de tenter tout à la fois. Cette capacité émerge particulièrement sur plusieurs fenêtres de contexte ou itérations de tâches, où Claude peut travailler sur une tâche complexe, enregistrer l'état et continuer avec une fenêtre de contexte nouvelle.

Sensibilisation au contexte et flux de travail multi-fenêtres

Les modèles Claude 4.6 et Claude 4.5 disposent de context awareness, permettant au modèle de suivre sa fenêtre de contexte restante (c'est-à-dire « budget de tokens ») tout au long d'une conversation. Cela permet à Claude d'exécuter des tâches et de gérer le contexte plus efficacement en comprenant l'espace dont il dispose.

Gestion des limites de contexte :

Si vous utilisez Claude dans un harnais d'agent qui compacte le contexte ou permet d'enregistrer le contexte dans des fichiers externes (comme dans Claude Code), envisagez d'ajouter cette information à votre prompt pour que Claude se comporte en conséquence. Sinon, Claude peut parfois naturellement essayer de terminer le travail à mesure qu'il s'approche de la limite de contexte. Voici un exemple de prompt :

Your context window will be automatically compacted as it approaches its limit, allowing you to continue working indefinitely from where you left off. Therefore, do not stop tasks early due to token budget concerns. As you approach your token budget limit, save your current progress and state to memory before the context window refreshes. Always be as persistent and autonomous as possible and complete tasks fully, even if the end of your budget is approaching. Never artificially stop any task early regardless of the context remaining.

L'outil de mémoire s'associe naturellement à la sensibilisation au contexte pour des transitions de contexte transparentes.

Flux de travail multi-fenêtres de contexte

Pour les tâches s'étendant sur plusieurs fenêtres de contexte :

1. Utilisez un prompt différent pour la toute première fenêtre de contexte : Utilisez la première fenêtre de contexte pour configurer un cadre (écrire des tests, créer des scripts de configuration), puis utilisez les futures fenêtres de contexte pour itérer sur une liste de tâches.

2. Demandez au modèle d'écrire des tests dans un format structuré : Demandez à Claude de créer des tests avant de commencer le travail et de les suivre dans un format structuré (par exemple, tests.json). Cela conduit à une meilleure capacité à long terme d'itérer. Rappelez à Claude l'importance des tests : « Il est inacceptable de supprimer ou de modifier les tests car cela pourrait entraîner des fonctionnalités manquantes ou bogues. »

3. Configurez des outils de qualité de vie : Encouragez Claude à créer des scripts de configuration (par exemple, init.sh) pour démarrer gracieusement les serveurs, exécuter les suites de tests et les linters. Cela évite les travaux répétés lors de la continuation à partir d'une fenêtre de contexte nouvelle.

4. Recommencer vs compacter : Lorsqu'une fenêtre de contexte est effacée, envisagez de recommencer avec une toute nouvelle fenêtre de contexte plutôt que d'utiliser la compaction. Les derniers modèles de Claude sont extrêmement efficaces pour découvrir l'état à partir du système de fichiers local. Dans certains cas, vous pouvez vouloir en profiter plutôt que de la compaction. Soyez prescriptif sur la façon dont il devrait commencer :

   • « Appelez pwd ; vous ne pouvez lire et écrire des fichiers que dans ce répertoire. »
   • « Examinez progress.txt, tests.json et les journaux git. »
   • « Exécutez manuellement un test d'intégration fondamental avant de passer à la mise en œuvre de nouvelles fonctionnalités. »

5. Fournissez des outils de vérification : À mesure que la longueur des tâches autonomes augmente, Claude doit vérifier l'exactitude sans retour continu de l'humain. Des outils comme le serveur Playwright MCP ou les capacités d'utilisation d'ordinateur pour tester les interfaces utilisateur sont utiles.

6. Encouragez l'utilisation complète du contexte : Invitez Claude à terminer efficacement les composants avant de passer à autre chose :

This is a very long task, so it may be beneficial to plan out your work clearly. It's encouraged to spend your entire output context working on the task - just make sure you don't run out of context with significant uncommitted work. Continue working systematically until you have completed this task.

Meilleures pratiques de gestion d'état

• Utilisez des formats structurés pour les données d'état : Lorsque vous suivez des informations structurées (comme les résultats des tests ou l'état des tâches), utilisez JSON ou d'autres formats structurés pour aider Claude à comprendre les exigences du schéma
• Utilisez du texte non structuré pour les notes de progrès : Les notes de progrès en texte libre fonctionnent bien pour suivre les progrès généraux et le contexte
• Utilisez git pour le suivi d'état : Git fournit un journal de ce qui a été fait et des points de contrôle qui peuvent être restaurés. Les derniers modèles de Claude sont particulièrement efficaces pour utiliser git pour suivre l'état sur plusieurs sessions.
• Mettez l'accent sur les progrès progressifs : Demandez explicitement à Claude de suivre ses progrès et de se concentrer sur le travail progressif

Équilibre entre autonomie et sécurité

Sans orientation, Claude Opus 4.6 peut prendre des mesures difficiles à inverser ou qui affectent les systèmes partagés, comme supprimer des fichiers, forcer des poussées ou poster sur des services externes. Si vous voulez que Claude Opus 4.6 confirme avant de prendre des mesures potentiellement risquées, ajoutez des conseils à votre prompt :

Consider the reversibility and potential impact of your actions. You are encouraged to take local, reversible actions like editing files or running tests, but for actions that are hard to reverse, affect shared systems, or could be destructive, ask the user before proceeding.

Examples of actions that warrant confirmation:
- Destructive operations: deleting files or branches, dropping database tables, rm -rf
- Hard to reverse operations: git push --force, git reset --hard, amending published commits
- Operations visible to others: pushing code, commenting on PRs/issues, sending messages, modifying shared infrastructure

When encountering obstacles, do not use destructive actions as a shortcut. For example, don't bypass safety checks (e.g. --no-verify) or discard unfamiliar files that may be in-progress work.

Recherche et collecte d'informations

Les derniers modèles de Claude démontrent des capacités exceptionnelles de recherche agentique et peuvent trouver et synthétiser efficacement les informations de plusieurs sources. Pour des résultats de recherche optimaux :

1. Fournissez des critères de succès clairs : Définissez ce qui constitue une réponse réussie à votre question de recherche

2. Encouragez la vérification des sources : Demandez à Claude de vérifier les informations sur plusieurs sources

3. Pour les tâches de recherche complexes, utilisez une approche structurée :

Search for this information in a structured way. As you gather data, develop several competing hypotheses. Track your confidence levels in your progress notes to improve calibration. Regularly self-critique your approach and plan. Update a hypothesis tree or research notes file to persist information and provide transparency. Break down this complex research task systematically.

Cette approche structurée permet à Claude de trouver et de synthétiser pratiquement n'importe quel élément d'information et de critiquer itérativement ses conclusions, peu importe la taille du corpus.

Orchestration de sous-agents

Les derniers modèles de Claude démontrent des capacités d'orchestration de sous-agents natives considérablement améliorées. Ces modèles peuvent reconnaître quand les tâches bénéficieraient de la délégation du travail à des sous-agents spécialisés et le faire de manière proactive sans nécessiter d'instructions explicites.

Pour profiter de ce comportement :

1. Assurez-vous que les outils de sous-agents sont bien définis : Disposez d'outils de sous-agents disponibles et décrits dans les définitions d'outils
2. Laissez Claude orchestrer naturellement : Claude déléguera de manière appropriée sans instructions explicites
3. Surveillez l'utilisation excessive : Claude Opus 4.6 a une forte prédilection pour les sous-agents et peut les générer dans des situations où une approche plus simple et directe suffirait. Par exemple, le modèle peut générer des sous-agents pour l'exploration de code quand un appel grep direct est plus rapide et suffisant.

Si vous voyez une utilisation excessive de sous-agents, ajoutez des conseils explicites sur quand les sous-agents sont et ne sont pas justifiés :

Use subagents when tasks can run in parallel, require isolated context, or involve independent workstreams that don't need to share state. For simple tasks, sequential operations, single-file edits, or tasks where you need to maintain context across steps, work directly rather than delegating.

Chaîner des invites complexes

Avec la réflexion adaptative et l'orchestration de sous-agents, Claude gère la plupart des raisonnements multi-étapes en interne. Le chaînage explicite des invites (diviser une tâche en appels API séquentiels) reste utile lorsque vous devez inspecter les résultats intermédiaires ou appliquer une structure de pipeline spécifique.

Le motif de chaînage le plus courant est l'auto-correction : générer un brouillon → faire réviser Claude selon des critères → faire affiner Claude en fonction de la révision. Chaque étape est un appel API distinct, ce qui vous permet de journaliser, d'évaluer ou de créer des branches à tout moment.

Réduire la création de fichiers dans le codage agentique

Les derniers modèles de Claude peuvent parfois créer de nouveaux fichiers à des fins de test et d'itération, en particulier lorsqu'ils travaillent avec du code. Cette approche permet à Claude d'utiliser des fichiers, en particulier des scripts Python, comme un « bloc-notes temporaire » avant d'enregistrer sa sortie finale. L'utilisation de fichiers temporaires peut améliorer les résultats, en particulier pour les cas d'usage du codage agentique.

Si vous préférez minimiser la création nette de nouveaux fichiers, vous pouvez demander à Claude de nettoyer après lui-même :

Si vous créez des fichiers temporaires, des scripts ou des fichiers d'aide pour l'itération, nettoyez ces fichiers en les supprimant à la fin de la tâche.

Surempressement

Claude Opus 4.5 et Claude Opus 4.6 ont tendance à sur-concevoir en créant des fichiers supplémentaires, en ajoutant des abstractions inutiles ou en construisant une flexibilité qui n'a pas été demandée. Si vous voyez ce comportement indésirable, ajoutez des conseils spécifiques pour garder les solutions minimales.

Par exemple :

Évitez la sur-conception. Apportez uniquement les modifications directement demandées ou clairement nécessaires. Gardez les solutions simples et ciblées :

- Portée : N'ajoutez pas de fonctionnalités, ne refactorisez pas le code ou ne faites pas « d'améliorations » au-delà de ce qui a été demandé. Une correction de bogue n'a pas besoin que le code environnant soit nettoyé. Une fonctionnalité simple n'a pas besoin de configurabilité supplémentaire.

- Documentation : N'ajoutez pas de docstrings, de commentaires ou d'annotations de type au code que vous n'avez pas modifié. Ajoutez uniquement des commentaires où la logique n'est pas évidente.

- Codage défensif : N'ajoutez pas de gestion d'erreurs, de solutions de secours ou de validation pour les scénarios qui ne peuvent pas se produire. Faites confiance au code interne et aux garanties du framework. Validez uniquement aux limites du système (entrée utilisateur, API externes).

- Abstractions : Ne créez pas d'aides, d'utilitaires ou d'abstractions pour les opérations ponctuelles. Ne concevez pas pour les exigences futures hypothétiques. La bonne quantité de complexité est le minimum nécessaire pour la tâche actuelle.

Éviter de se concentrer sur la réussite des tests et le codage en dur

Claude peut parfois se concentrer trop fortement sur la réussite des tests au détriment de solutions plus générales, ou peut utiliser des contournements comme des scripts d'aide pour la refactorisation complexe au lieu d'utiliser directement les outils standard. Pour prévenir ce comportement et assurer des solutions robustes et généralisables :

Veuillez écrire une solution de haute qualité et à usage général en utilisant les outils standard disponibles. Ne créez pas de scripts d'aide ou de contournements pour accomplir la tâche plus efficacement. Implémentez une solution qui fonctionne correctement pour toutes les entrées valides, pas seulement les cas de test. Ne codez pas en dur les valeurs ou ne créez pas de solutions qui ne fonctionnent que pour des entrées de test spécifiques. Au lieu de cela, implémentez la logique réelle qui résout le problème de manière générale.

Concentrez-vous sur la compréhension des exigences du problème et l'implémentation de l'algorithme correct. Les tests sont là pour vérifier l'exactitude, pas pour définir la solution. Fournissez une implémentation fondée sur des principes qui suit les meilleures pratiques et les principes de conception logicielle.

Si la tâche est déraisonnable ou irréalisable, ou si l'un des tests est incorrect, veuillez m'en informer plutôt que de les contourner. La solution doit être robuste, maintenable et extensible.

Minimiser les hallucinations dans le codage agentique

Les derniers modèles de Claude sont moins sujets aux hallucinations et donnent des réponses plus précises, fondées et intelligentes basées sur le code. Pour encourager encore plus ce comportement et minimiser les hallucinations :

<investigate_before_answering>
Ne spéculez jamais sur le code que vous n'avez pas ouvert. Si l'utilisateur fait référence à un fichier spécifique, vous DEVEZ lire le fichier avant de répondre. Assurez-vous d'enquêter et de lire les fichiers pertinents AVANT de répondre aux questions sur la base de code. Ne faites jamais de réclamations sur le code avant d'enquêter à moins que vous ne soyez certain de la bonne réponse - donnez des réponses fondées et sans hallucination.
</investigate_before_answering>

Conseils spécifiques aux capacités

Capacités de vision améliorées

Claude Opus 4.5 et Claude Opus 4.6 ont des capacités de vision améliorées par rapport aux modèles Claude précédents. Ils fonctionnent mieux sur les tâches de traitement d'images et d'extraction de données, en particulier lorsqu'il y a plusieurs images présentes dans le contexte. Ces améliorations s'étendent à l'utilisation informatique, où les modèles peuvent interpréter plus fiablement les captures d'écran et les éléments d'interface utilisateur. Vous pouvez également utiliser ces modèles pour analyser des vidéos en les divisant en images.

Une technique qui s'est avérée efficace pour améliorer davantage les performances est de donner à Claude un outil de recadrage ou une compétence. Les tests ont montré une amélioration constante des évaluations d'images lorsque Claude peut « zoomer » sur les régions pertinentes d'une image. Anthropic a créé un cookbook pour l'outil de recadrage.

Conception d'interface

Claude Opus 4.5 et Claude Opus 4.6 excellent dans la création d'applications web complexes et réelles avec une conception d'interface forte. Cependant, sans conseils, les modèles peuvent adopter des motifs génériques qui créent ce que les utilisateurs appellent l'esthétique « AI slop ». Pour créer des interfaces distinctives et créatives qui surprennent et ravissent :

Voici un extrait d'invite système que vous pouvez utiliser pour encourager une meilleure conception d'interface :

<frontend_aesthetics>
Vous avez tendance à converger vers des résultats génériques et « sur distribution ». Dans la conception d'interface, cela crée ce que les utilisateurs appellent l'esthétique « AI slop ». Évitez cela : créez des interfaces distinctives et créatives qui surprennent et ravissent.

Concentrez-vous sur :
- Typographie : Choisissez des polices qui sont belles, uniques et intéressantes. Évitez les polices génériques comme Arial et Inter ; optez plutôt pour des choix distinctifs qui élèvent l'esthétique de l'interface.
- Couleur et thème : Engagez-vous dans une esthétique cohésive. Utilisez les variables CSS pour la cohérence. Les couleurs dominantes avec des accents nets surpassent les palettes timides et uniformément distribuées. Tirez inspiration des thèmes IDE et des esthétiques culturelles.
- Mouvement : Utilisez les animations pour les effets et les micro-interactions. Privilégiez les solutions CSS uniquement pour HTML. Utilisez la bibliothèque Motion pour React si disponible. Concentrez-vous sur les moments à fort impact : un chargement de page bien orchestré avec des révélations échelonnées (animation-delay) crée plus de plaisir que les micro-interactions dispersées.
- Arrière-plans : Créez une atmosphère et de la profondeur plutôt que de vous en tenir à des couleurs unies. Superposez les dégradés CSS, utilisez des motifs géométriques ou ajoutez des effets contextuels qui correspondent à l'esthétique générale.

Évitez les esthétiques génériques générées par l'IA :
- Familles de polices surutilisées (Inter, Roboto, Arial, polices système)
- Schémas de couleurs clichés (en particulier les dégradés violets sur fond blanc)
- Mises en page et motifs de composants prévisibles
- Conception standardisée qui manque de caractère spécifique au contexte

Interprétez de manière créative et faites des choix inattendus qui semblent véritablement conçus pour le contexte. Variez entre les thèmes clairs et sombres, les différentes polices, les différentes esthétiques. Vous avez toujours tendance à converger sur des choix courants (Space Grotesk, par exemple) entre les générations. Évitez cela : il est essentiel que vous pensiez en dehors des sentiers battus !
</frontend_aesthetics>

Vous pouvez également consulter la définition complète de la compétence.

Considérations de migration

Lors de la migration vers les modèles Claude 4.6 à partir de générations antérieures :

1. Soyez spécifique sur le comportement souhaité : Envisagez de décrire exactement ce que vous aimeriez voir dans la sortie.

2. Encadrez vos instructions avec des modificateurs : L'ajout de modificateurs qui encouragent Claude à augmenter la qualité et le détail de sa sortie peut aider à mieux façonner les performances de Claude. Par exemple, au lieu de « Créer un tableau de bord analytique », utilisez « Créer un tableau de bord analytique. Incluez autant de fonctionnalités et d'interactions pertinentes que possible. Allez au-delà des bases pour créer une implémentation complète ».

3. Demandez des fonctionnalités spécifiques explicitement : Les animations et les éléments interactifs doivent être demandés explicitement si souhaités.

4. Mettez à jour la configuration de la réflexion : Les modèles Claude 4.6 utilisent la réflexion adaptative (thinking: {type: "adaptive"}) au lieu de la réflexion manuelle avec budget_tokens. Utilisez le paramètre d'effort pour contrôler la profondeur de la réflexion.

5. Migrez loin des réponses préremplies : Les réponses préremplies au dernier tour d'assistant sont dépréciées à partir des modèles Claude 4.6. Consultez Migration loin des réponses préremplies pour des conseils détaillés sur les alternatives.

6. Affinez l'invite anti-paresse : Si vos invites encourageaient précédemment le modèle à être plus approfondi ou à utiliser les outils plus agressivement, réduisez ces conseils. Les modèles Claude 4.6 sont considérablement plus proactifs et peuvent surréagir aux instructions qui étaient nécessaires pour les modèles précédents.

Pour les étapes de migration détaillées, consultez le Guide de migration.

Migration de Claude Sonnet 4.5 vers Claude Sonnet 4.6

Claude Sonnet 4.6 utilise par défaut un niveau d'effort de high, contrairement à Claude Sonnet 4.5 qui n'avait pas de paramètre d'effort. Envisagez d'ajuster le paramètre d'effort lors de la migration de Claude Sonnet 4.5 vers Claude Sonnet 4.6. S'il n'est pas explicitement défini, vous pouvez connaître une latence plus élevée avec le niveau d'effort par défaut.

Paramètres d'effort recommandés :

• Medium pour la plupart des applications
• Low pour les charges de travail à haut volume ou sensibles à la latence
• Définissez un budget de jetons de sortie maximale important (64k jetons recommandés) à effort moyen ou élevé pour donner au modèle de la place pour réfléchir et agir

Quand utiliser Opus 4.6 à la place : Pour les problèmes les plus difficiles et à long terme (migrations de code à grande échelle, recherche approfondie, travail autonome prolongé), Opus 4.6 reste le bon choix. Sonnet 4.6 est optimisé pour les charges de travail où le délai d'exécution rapide et l'efficacité des coûts sont les plus importants.

Si vous n'utilisez pas la réflexion étendue

Si vous n'utilisez pas la réflexion étendue sur Claude Sonnet 4.5, vous pouvez continuer sans elle sur Claude Sonnet 4.6. Vous devez explicitement définir l'effort au niveau approprié pour votre cas d'usage. À effort low avec la réflexion désactivée, vous pouvez vous attendre à des performances similaires ou meilleures par rapport à Claude Sonnet 4.5 sans réflexion étendue.

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=8192,
    thinking={"type": "disabled"},
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "..."}],
)

Si vous utilisez la réflexion étendue

Si vous utilisez la réflexion étendue avec budget_tokens sur Claude Sonnet 4.5, elle est toujours fonctionnelle sur Claude Sonnet 4.6 mais est dépréciée. Migrez vers la réflexion adaptative avec le paramètre d'effort.

Migration vers la réflexion adaptative

La réflexion adaptative est particulièrement bien adaptée aux motifs de charge de travail suivants :

• Agents multi-étapes autonomes : agents de codage qui transforment les exigences en logiciels fonctionnels, pipelines d'analyse de données et recherche de bogues où le modèle s'exécute indépendamment sur de nombreuses étapes. La réflexion adaptative permet au modèle d'étalonner son raisonnement par étape, en restant sur la bonne voie sur des trajectoires plus longues. Pour ces charges de travail, commencez à effort high. Si la latence ou l'utilisation des jetons est une préoccupation, réduisez à medium.
• Agents d'utilisation informatique : Claude Sonnet 4.6 a obtenu la meilleure précision de sa catégorie sur les évaluations d'utilisation informatique en utilisant le mode adaptatif.
• Charges de travail bimodales : un mélange de tâches faciles et difficiles où la réflexion adaptative ignore la réflexion sur les requêtes simples et raisonne profondément sur les requêtes complexes.

Lors de l'utilisation de la réflexion adaptative, évaluez l'effort medium et high sur vos tâches. Le bon niveau dépend du compromis de votre charge de travail entre la qualité, la latence et l'utilisation des jetons.

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "..."}],
)

Garder budget_tokens pendant la migration

Si vous devez garder budget_tokens temporairement lors de la migration, un budget autour de 16k jetons fournit de la marge de manœuvre pour les problèmes plus difficiles sans risque d'utilisation de jetons incontrôlée. Cette configuration est dépréciée et sera supprimée dans une future version du modèle.

Pour les cas d'usage de codage (codage agentique, flux de travail lourds en outils, génération de code), commencez par l'effort medium :

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16384,
    thinking={"type": "enabled", "budget_tokens": 16384},
    output_config={"effort": "medium"},
    messages=[{"role": "user", "content": "..."}],
)

Pour les cas d'usage de chat et non-codage (chat, génération de contenu, recherche, classification), commencez par l'effort low :

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=8192,
    thinking={"type": "enabled", "budget_tokens": 16384},
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "..."}],
)