Loading...
    • Guide du développeur
    • Référence API
    • MCP
    • Ressources
    • Notes de version
    Search...
    ⌘K
    Premiers pas
    Introduction à ClaudeDémarrage rapide
    Modèles et tarification
    Aperçu des modèlesChoisir un modèleNouveautés dans Claude 4.5Migration vers Claude 4.5Dépréciation des modèlesTarification
    Créer avec Claude
    Aperçu des fonctionnalitésUtiliser l'API MessagesFenêtres de contexteMeilleures pratiques de prompting
    Capacités
    Mise en cache des promptsÉdition de contexteRéflexion étendueEffortStreaming de messagesTraitement par lotsCitationsSupport multilingueComptage de tokensEmbeddingsVisionSupport PDFAPI FilesRésultats de rechercheSorties structurées
    Outils
    AperçuComment implémenter l'utilisation d'outilsStreaming d'outils granulaireOutil BashOutil d'exécution de codeAppel d'outils programmatiqueOutil Computer useOutil Éditeur de texteOutil Web fetchOutil Web searchOutil MemoryOutil Tool search
    Agent Skills
    AperçuDémarrage rapideMeilleures pratiquesUtiliser Skills avec l'API
    Agent SDK
    AperçuDémarrage rapideSDK TypeScriptTypeScript V2 (aperçu)SDK PythonGuide de migration
    MCP dans l'API
    Connecteur MCPServeurs MCP distants
    Claude sur des plateformes tierces
    Amazon BedrockMicrosoft FoundryVertex AI
    Ingénierie des prompts
    AperçuGénérateur de promptsUtiliser des modèles de promptsAméliorateur de promptsÊtre clair et directUtiliser des exemples (prompting multi-shot)Laisser Claude réfléchir (CoT)Utiliser des balises XMLDonner un rôle à Claude (prompts système)Pré-remplir la réponse de ClaudeChaîner des prompts complexesConseils pour le contexte longConseils pour la réflexion étendue
    Tester et évaluer
    Définir les critères de succèsDévelopper des cas de testUtiliser l'outil d'évaluationRéduire la latence
    Renforcer les garde-fous
    Réduire les hallucinationsAugmenter la cohérence des résultatsAtténuer les jailbreaksRefus en streamingRéduire les fuites de promptsGarder Claude dans le rôle
    Administration et surveillance
    Aperçu de l'API AdminAPI Utilisation et coûtsAPI Claude Code Analytics
    Console
    Log in
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...

    Solutions

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

    Partners

    • Amazon Bedrock
    • Google Cloud's Vertex AI

    Learn

    • Blog
    • Catalog
    • 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
    • Catalog
    • 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
    Renforcer les garde-fous

    Réduire les hallucinations

    Même les modèles de langage les plus avancés, comme Claude, peuvent parfois générer du texte qui est factuellement incorrect ou incohérent avec le contexte donné. Ce phénomène, connu sous le nom d'"hallucination", peut compromettre la fiabilité de vos solutions basées sur l'IA. Ce guide explorera les techniques pour minimiser les hallucinations et garantir que les résultats de Claude sont précis et fiables.

    Stratégies de base pour minimiser les hallucinations

    • Permettre à Claude de dire "Je ne sais pas" : Donnez explicitement à Claude la permission d'admettre son incertitude. Cette technique simple peut considérablement réduire les fausses informations.

    • Utiliser des citations directes pour l'ancrage factuel : Pour les tâches impliquant de longs documents (>20K tokens), demandez à Claude d'extraire d'abord des citations mot pour mot avant d'effectuer sa tâche. Cela ancre ses réponses dans le texte réel, réduisant les hallucinations.

    • Vérifier avec des citations : Rendez la réponse de Claude vérifiable en lui faisant citer des extraits et des sources pour chacune de ses affirmations. Vous pouvez également faire vérifier par Claude chaque affirmation en trouvant une citation à l'appui après avoir généré une réponse. S'il ne peut pas trouver de citation, il doit retirer l'affirmation.


    Techniques avancées

    • Vérification par chaîne de pensée : Demandez à Claude d'expliquer son raisonnement étape par étape avant de donner une réponse finale. Cela peut révéler une logique ou des hypothèses erronées.

    • Vérification Best-of-N : Exécutez Claude avec le même prompt plusieurs fois et comparez les résultats. Les incohérences entre les résultats pourraient indiquer des hallucinations.

    • Raffinement itératif : Utilisez les sorties de Claude comme entrées pour des prompts de suivi, en lui demandant de vérifier ou d'approfondir les déclarations précédentes. Cela peut détecter et corriger les incohérences.

    • Restriction des connaissances externes : Demandez explicitement à Claude de n'utiliser que les informations des documents fournis et non ses connaissances générales.

    Rappelez-vous que, bien que ces techniques réduisent considérablement les hallucinations, elles ne les éliminent pas complètement. Validez toujours les informations critiques, en particulier pour les décisions à enjeux élevés.
    • Stratégies de base pour minimiser les hallucinations
    • Techniques avancées