Les 4 nouvelles règles d'Anthropic pour l'incitation des modèles Claude 5

La vidéo s'ouvre sur une affirmation percutante : la plupart des gens utilisent la génération Claude 5 de la mauvaise manière. Les modèles de la classe Opus 5 et Fable 5.1 fonctionnent fondamentalement différemment de leurs prédécesseurs, de sorte que les anciennes habitudes d'incitation ne parviennent pas à libérer leur véritable puissance. Eric Tech a étudié les notes de Boris Cherny, responsable de Claude Code, ainsi que la documentation d'Anthropic et a distillé le tout en quatre règles pratiques.

La première règle est d'auditer les instructions et les fichiers de compétences existants. La logique est simple : Fable 5.1 fonctionnant avec des compétences écrites pour l'ère Opus 4.6 reste piégé dans l'ancien comportement malgré ses scores d'intelligence plus élevés. Étant donné que le modèle lit une grande partie de sa procédure de fonctionnement à partir du contenu des compétences, les lignes obsolètes freinent le nouveau modèle. La solution consiste à conserver le contexte utile tout en supprimant les lignes qui entravent les performances.

L'audit se déroule en pratique comme une seule commande : vous passez le nom du modèle cible et le dossier des compétences, et l'outil scanne tout et renvoie un rapport avec les corrections proposées. Dans la démo à l'écran, 212 compétences sont scannées ; la plupart sont correctes, tandis que 14 fichiers cassés et 1 obsolète sont signalés. Onze des fichiers cassés sont des commandes pointant vers un dossier qui n'existe plus, et quatre sont des contenus obsolètes qui ne correspondent plus au nouveau modèle. Après confirmation, 13 corrections sont appliquées et le dépôt est propre.

Deux outils complémentaires sont mentionnés. Le premier est une commande de diagnostic de configuration qui trouve les installations cassées, les configurations en double, les hooks lents et le contenu répété dans l'invite système. Le second est le contrôle du style de sortie : demander au modèle une sortie condensée au lieu de longs essais, ce qui est à la fois plus facile à lire et moins cher car des réponses plus courtes consomment moins de jetons.

La deuxième règle est de donner le contexte complet de la tâche dès le départ. Demander une page ou un document de recherche avec un bref à moitié écrit force le modèle à deviner : à qui est-ce destiné, qu'est-ce qui est vendu, qu'est-ce qui est considéré comme terminé ? Le guide d'Anthropic souligne le même point : les meilleurs résultats proviennent d'une spécification complète de la tâche suivie d'une marge d'exécution. Cherny trace la même ligne : écrivez le résultat, la raison, les garde-fous et les critères de sortie, puis laissez le modèle s'exécuter et éloignez-vous un moment.

La règle se condense en une formule d'une seule incitation : résultat, raison et garde-fous fusionnés en une seule instruction. Répondre aux trois mêmes questions avant chaque tâche et laisser l'exécution au modèle est présenté comme le moyen d'en tirer le meilleur parti. Il est souligné que cette approche n'aurait pas fonctionné il y a six mois, mais qu'elle fonctionne étonnamment bien sur les modèles actuels.

La troisième règle est de clarifier les inconnues avant l'implémentation. Une analogie avec une carte est utilisée : voyager du point A au point B nécessite de connaître les obstacles à l'avance. La solution est une compétence d'entretien implacable qui parcourt le plan branche par branche à travers les arbres de décision jusqu'à ce que les deux parties partagent la même compréhension. Une fois les décisions prises, la précision de l'implémentation augmente considérablement.

La quatrième règle est d'adapter l'effort du modèle à la complexité de la tâche. L'environnement offre des niveaux d'effort tels que faible, moyen, élevé, très élevé et maximum, avec élevé comme valeur par défaut. L'avertissement de la documentation est clair : ne jamais dépenser un niveau élevé pour une tâche simple, et ne jamais sous-alimenter une tâche complexe avec un petit niveau. Le test suggéré est simple : exécutez la même tâche à faible, moyen et élevé effort, et si les résultats diffèrent à peine, restez au niveau inférieur. Le gain est des réponses plus rapides et une consommation de jetons plus faible.

La vidéo est étayée par les guides officiels d'Anthropic : la page générale des meilleures pratiques, la page spécifique à Opus 5 et l'article sur les performances commerciales confirment tous les mêmes principes. Du côté de la communauté, le post officiel sur l'incitation de Fable 5 et Opus 5 a suscité de vives discussions. La liste complète des ressources dans la description ainsi que les listes de lecture associées offrent une feuille de route aux spectateurs qui souhaitent approfondir.

La conclusion se résume en quatre lignes : auditer les anciennes instructions, donner le contexte complet dès le départ, laisser le modèle vous interroger avant de construire, et choisir le niveau d'effort qui correspond au travail. Les quatre partagent une même idée : avec la nouvelle génération, la victoire ne revient pas à celui qui écrit l'incitation la plus longue, mais à celui qui prépare la configuration la plus propre et énonce l'objectif le plus clair.