Prompt engineering Claude : 7 techniques pour des résultats professionnels

Un prompt, ce n’est pas une question posée à un moteur de recherche. C’est plutôt un cahier des charges miniature. Vous y décrivez ce que vous attendez, comment vous le voulez, dans quel contexte, et à quel niveau de qualité. La différence entre un utilisateur qui « obtient des réponses » et un professionnel qui « obtient des résultats » tient dans cette compétence. Or cette compétence n’est pas la même selon le modèle que vous utilisez. Claude Opus 5.5, Sonnet 5.5, Haiku 4.5 et Fable 5.1 réagissent chacun différemment aux mêmes instructions, car ils n’ont ni la même profondeur de raisonnement, ni la même sensibilité au system prompt, ni le même comportement par défaut.

Dans le premier article de cette série, vous avez configuré Claude et compris l’écosystème. Désormais, on entre dans le moteur. Les sept techniques qui suivent viennent de la documentation officielle d’Anthropic, mise à jour pour les modèles récents, et croisées avec des pratiques de terrain. Chacune est accompagnée d’un exemple concret que vous pouvez copier-coller et adapter.

Pourquoi les Claude récents changent la donne en prompting

Des modèles plus sensibles au system prompt

Avant de plonger dans les techniques, il faut d’abord comprendre ce qui a changé avec Sonnet 5 et Opus 5, puis avec la famille 5.5. Les modèles Claude plus anciens nécessitaient beaucoup de « sur-prompting » : des instructions en majuscules, des répétitions, des injonctions agressives du type « CRITICAL: You MUST use this tool ». Depuis Sonnet 5 et Opus 5, les modèles sont radicalement plus sensibles au system prompt. Un ton normal suffit. Les instructions excessives produisent en revanche l’effet inverse : le modèle sur-réagit, déclenche des outils inutilement, ou s’embourbe dans un raisonnement disproportionné.

Adaptive Thinking : Claude calibre son effort

Autre changement majeur : l’Adaptive Thinking. L’ancien Extended Thinking exigeait de fixer manuellement un budget de tokens de réflexion. L’Adaptive Thinking pilote au contraire l’effort de raisonnement avec des niveaux comme low, medium, high, xhigh ou max selon les modèles compatibles. Depuis Sonnet 5, puis Opus 5, elle est activée par défaut. Sur Opus 5.5, Sonnet 5.5 et Fable 5.1, elle ne peut même plus être désactivée complètement. Une requête sans réglage explicite déclenche donc une réflexion adaptative, alors que ni Sonnet 4.6 ni Opus 4.8 ne le faisaient. Sur chaque requête, Claude évalue la complexité de la demande et décide seul s’il doit réfléchir et à quel point.

Trois évolutions structurantes pour le prompting

• Le contrôle d’effort sort de l’API. Le réglage de l’effort de raisonnement est accessible directement dans les applications Claude, à côté du sélecteur de modèle. L’échelle compte cinq niveaux : low, medium, high, xhigh et max. Opus 5 et Sonnet 5 démarraient au niveau high, alors qu’Opus 5.5 et Sonnet 5.5 démarrent au niveau medium dans les applications. Vous arbitrez vous-même profondeur contre rapidité, et donc consommation de tokens, sans toucher à l’API.
• Côté API, la réflexion se pilote en adaptatif. Le budget de tokens fixe cède la place au paramètre effort. Sur Sonnet 5 comme sur Opus 5, fixer manuellement un budget de réflexion via thinking: {type: "enabled", budget_tokens: N} n’est plus accepté. Nouveauté propre à Opus 5 : désactiver complètement le thinking (thinking: {type: "disabled"}) n’est autorisé qu’aux niveaux d’effort high et en dessous. Un appel en xhigh ou max avec le thinking désactivé renvoie une erreur. Sur Opus 5.5, la désactivation n’existe plus du tout : toute requête qui la demande renvoie une erreur. Sonnet 5.5 la refuse aussi, mais propose un réglage minimal, thinking: {type: "between_tools"}. Le modèle ne réfléchit alors plus avant de répondre et garde seulement de courtes notes entre deux appels d’outils. Ce réglage fonctionne jusqu’au niveau d’effort high.
• Un suivi des instructions plus littéral. Les Opus et les Sonnet de génération 5 prennent au pied de la lettre ce que vous écrivez. Côté migration, bonne nouvelle : Opus 5 partage le tokenizer d’Opus 4.8. Il se comporte donc bien nativement sur vos prompts déjà calibrés pour lui. Seule l’instruction de vérification devenue inutile mérite d’être retirée (voir plus loin).

Conséquence pratique : le prompting se simplifie avec les Claude récents, moins de hacks, plus de clarté. Les techniques fondamentales — être précis, donner du contexte, structurer — deviennent encore plus efficaces, car le modèle les interprète mieux.

Technique 1 : être explicite, pas implicite

La règle d’or d’Anthropic tient en une phrase : montrez votre prompt à un collègue qui ne connaît pas le projet, et demandez-lui de l’exécuter. S’il est perdu, Claude le sera aussi. La précision n’est pas un luxe, c’est le levier le plus puissant dont vous disposez.

Le réflexe naturel est souvent d’écrire un prompt comme on parle à un collègue qui connaît déjà le contexte, du type « Fais-moi un résumé de ce document. » Le résultat est un résumé générique, trop long ou trop court, dans un ton qui ne correspond pas. Voici, à l’inverse, un prompt explicite :

# Prompt vague
Résume ce document.

# Prompt explicite
Résume ce document en 5 points clés, chacun en une phrase.
Adopte le ton d'une note interne destinée à un comité de direction.
Commence chaque point par un verbe d'action.
Longueur totale : 150 mots maximum.

La différence de résultat est spectaculaire, et elle ne coûte que 30 secondes de rédaction supplémentaire. Quatre éléments sont à expliciter systématiquement : le format de sortie (longueur, structure, ton), le public cible (pour qui Claude écrit), les contraintes (ce qu’il ne doit pas faire), et le résultat attendu (ce qui fait qu’une réponse est réussie ou ratée).

Concision et verbosité : le cas particulier d’Opus 5

Sonnet 5 calibre sa longueur de réponse à la complexité de la tâche plutôt que de viser une verbosité fixe. Il reste ainsi globalement plus concis et direct par défaut que les versions précédentes. Opus 5 fait en revanche figure d’exception sur ce point précis. Ses réponses et les documents qu’il rédige sont plus longs par défaut que ceux d’Opus 4.8, et baisser le niveau d’effort ne raccourcit pas fiablement la réponse visible. Si vous voulez de la concision sur Opus 5, demandez-la explicitement — une instruction simple du type « réponses concises, l’essentiel d’abord » suffit. Opus 5.5 atténue ce travers : selon Anthropic, il place l’information importante en tête de réponse et emploie moins de jargon technique. Plus généralement, sur tous les modèles récents, dites-le si vous voulez un comportement « above and beyond » (suggestions, alternatives, mises en garde) : Claude ne brode plus par défaut, il fait ce que vous demandez, rien de plus.

Technique 2 : structurer avec les balises XML

C’est la technique la plus propre à Claude, celle qui le distingue le plus de ChatGPT ou Gemini. Claude est entraîné pour interpréter les balises XML comme des séparateurs sémantiques. Quand vous encadrez chaque type de contenu dans ses propres balises, Claude sait exactement où commence l’instruction, où finit le contexte, et ce qui est un exemple versus une consigne. La documentation d’Anthropic nuance toutefois ce conseil pour les modèles récents. Les balises restent utiles sur les prompts complexes qui mélangent plusieurs types de contenu. Des instructions claires en langage naturel suffisent en revanche désormais sur la majorité des cas simples.

# Structure XML pour un prompt complexe
<role>Tu es un rédacteur web spécialisé en SEO francophone.</role>

<contexte>
Je gère un blog sur l'intelligence artificielle.
Mon audience : professionnels non-techniques, PME, indépendants.
Ton : expert accessible, jamais condescendant.
</contexte>

<instructions>
Rédige une introduction de 200 mots pour un article intitulé
"Comment choisir son outil IA en 2026".
Commence par un scénario concret que le lecteur reconnaît.
Termine par une promesse claire sur ce que l'article va lui apporter.
</instructions>

<contraintes>
- Pas de formule "dans un monde où..."
- Pas de superlatifs vides (révolutionnaire, incontournable)
- Vocabulaire courant, phrases courtes
</contraintes>

Les bonnes pratiques : utilisez des noms de balises descriptifs et cohérents d’un prompt à l’autre. Imbriquez ensuite les balises quand le contenu a une hiérarchie naturelle, par exemple plusieurs documents dans une balise <documents>, chacun dans sa propre balise <document>. Claude gère très bien l’imbrication.

L’avantage concret des balises XML reste triple sur les cas complexes. Elles réduisent les ambiguïtés, puisque Claude ne confond plus une instruction avec un exemple. Elles rendent aussi vos prompts réutilisables : il suffit de changer le contenu entre les balises. La cohérence des résultats sur des tâches répétées s’en trouve enfin améliorée.

Technique 3 : donner un rôle et du contexte motivé

Attribuer un rôle à Claude, même en une seule phrase, change le registre, le vocabulaire, le niveau de détail et la structure de sa réponse. Par exemple, « Tu es un analyste financier senior » ne produit pas la même réponse que « Tu es un journaliste économique ». Le rôle active en effet un ensemble de comportements, de conventions et de références que Claude a intégrés pendant son entraînement.

Ce que beaucoup d’utilisateurs ignorent, c’est que le contexte motivé est encore plus puissant que le rôle seul. Expliquer à Claude pourquoi vous avez besoin de tel format ou de tel ton améliore significativement les résultats. Claude est en effet entraîné pour comprendre les objectifs, pas seulement les instructions.

Un exemple avant/après

# Rôle seul (correct)
Tu es un consultant en stratégie digitale.

# Rôle + contexte motivé (excellent)
Tu es un consultant en stratégie digitale qui prépare
une recommandation pour un client PME de 50 salariés.
Le client n'a aucune expérience en IA et a un budget limité.
Ta recommandation doit être immédiatement actionnable :
le client doit pouvoir commencer demain matin avec les
outils que tu proposes, sans formation préalable.

Le contexte motivé fonctionne parce que Claude ne se contente pas de suivre des règles : il comprend l’intention derrière la demande et adapte son jugement en conséquence. C’est la différence entre un stagiaire qui applique une checklist et un collaborateur expérimenté qui comprend l’objectif final.

Technique 4 : utiliser des exemples (few-shot prompting)

Les exemples sont le levier le plus fiable pour contrôler le format, le ton et la structure de la sortie. Anthropic recommande 3 à 5 exemples pour des résultats optimaux. La clé : vos exemples doivent être pertinents (proches de votre cas réel), diversifiés (couvrant les cas limites), et structurés (encadrés par des balises pour que Claude ne les confonde pas avec des instructions ordinaires).

# Few-shot prompting avec balises
Classe chaque avis client selon : Positif, Négatif, ou Mitigé.
Extrais le sujet principal en 3 mots maximum.

<examples>
  <example>
    <input>La livraison était rapide mais le produit
    ne correspond pas à la photo.</input>
    <output>Mitigé — Conformité produit</output>
  </example>
  <example>
    <input>Service client réactif, problème résolu
    en 24h. Bravo.</input>
    <output>Positif — Service client</output>
  </example>
  <example>
    <input>Impossible de joindre quelqu'un par téléphone.
    Trois semaines sans réponse à mon email.</input>
    <output>Négatif — Joignabilité support</output>
  </example>
</examples>

Maintenant, classe cet avis :
"Le produit est excellent, par contre les frais de port
sont excessifs pour une petite commande."

# Sortie attendue
Mitigé — Frais de port

Astuce avancée : vous pouvez également demander à Claude lui-même d’évaluer vos exemples. Envoyez-lui vos 3 exemples et demandez : « Ces exemples couvrent-ils bien les cas possibles ? Quels cas limites manquent ? » Claude vous proposera des exemples supplémentaires pour combler les lacunes. C’est une boucle d’amélioration qui rend vos prompts de plus en plus robustes au fil du temps.

Technique 5 : piloter le format de sortie

Les Claude récents sont globalement plus concis par défaut que les générations précédentes. Ils utilisent moins de markdown non sollicité, moins de listes à puces automatiques, moins de gras décoratif. C’est un progrès, mais cela signifie aussi que si vous voulez un format précis, vous devez le demander explicitement. Précision pour Opus 5 : il fait exception sur la longueur, pas sur le formatage. Ses réponses restent nettes sur les puces et le gras non sollicités. Elles tendent en revanche à être plus longues par défaut que celles d’Opus 4.8 ou des Sonnet récents (voir Technique 1).

La règle d’Anthropic : dites ce que vous voulez, pas ce que vous ne voulez pas. Au lieu de « Ne mets pas de bullet points », écrivez « Rédige en paragraphes fluides, sans puces ni listes. » Au lieu de « Ne fais pas trop long », précisez « 300 mots maximum. »

Les balises de sortie, pour les formats complexes

Pour les formats complexes, utilisez des indicateurs de format XML. Encadrez chaque section attendue dans des balises quand vous voulez que Claude produise une analyse en sections clairement séparées.

# Piloter le format avec des balises de sortie
Analyse cette stratégie marketing et structure ta réponse
exactement comme suit :

<diagnostic>
État actuel en 3 phrases maximum.
</diagnostic>

<forces>
3 points forts, une phrase chacun.
</forces>

<faiblesses>
3 points faibles, une phrase chacun.
</faiblesses>

<recommandation>
Action prioritaire à mettre en place cette semaine,
en 2 phrases.
</recommandation>

Autre astuce efficace : le format du prompt influence le format de la réponse. Si vous écrivez votre prompt en prose fluide, Claude aura tendance à répondre en prose. S’il contient des tirets et du markdown, Claude répondra avec des tirets et du markdown. Alignez donc le style de votre prompt avec le style de sortie souhaité.

Point spécifique aux modèles Claude récents : ils utilisent le LaTeX par défaut pour les expressions mathématiques. Précisez-le si vous travaillez dans un environnement qui ne rend pas le LaTeX, un email ou un document texte par exemple : « Écris toutes les expressions mathématiques en texte simple, sans LaTeX. »

Technique 6 : le prompt itératif — faire travailler Claude sur Claude

Le prompt unique qui produit un résultat parfait du premier coup est un mythe. Les meilleurs résultats viennent en réalité d’un processus itératif où Claude améliore son propre travail. Deux approches fonctionnent particulièrement bien.

L’interview inversée

Au lieu de rédiger un prompt complexe vous-même, demandez à Claude de vous interviewer avant de travailler. C’est la technique recommandée par les power users et confirmée par Anthropic. Claude pose alors des questions auxquelles vous n’auriez pas pensé : contraintes techniques, cas limites, public secondaire, format de livraison.

# Interview inversée
Je veux que tu rédiges un article de blog sur le choix
d'un outil IA pour les PME. Avant de commencer, pose-moi
les 5 questions les plus importantes pour que ton article
soit parfaitement calibré. Une question à la fois.

Le « une question à la fois » n’est pas anecdotique. En procédant ainsi, Claude adapte chaque question suivante à vos réponses précédentes, comme un vrai briefing. Cette technique produit systématiquement de meilleurs résultats que le prompt direct, car elle force la clarification du besoin avant l’exécution. C’est l’équivalent d’un brief créatif en agence : on ne commence pas la maquette avant d’avoir compris le client.

L’auto-évaluation

Concrètement, demandez à Claude de noter son propre travail et de l’améliorer. Cette technique exploite la capacité du modèle à adopter une posture critique sur sa propre production.

# Auto-évaluation
Rédige une introduction pour cet article.
Puis évalue-la sur 3 critères :
- Accroche (le lecteur a-t-il envie de continuer ?)
- Clarté (la promesse de l'article est-elle limpide ?)
- Concision (y a-t-il des mots inutiles ?)
Note chaque critère sur 10 et propose une version améliorée
qui vise 9/10 sur les trois.

L’auto-évaluation fonctionne particulièrement bien sur les tâches de rédaction, de code et de raisonnement logique. Sur les tâches factuelles, préférez en revanche la vérification par recherche web : Claude ne peut pas corriger des faits qu’il ne connaît pas.

Technique 7 : adapter le prompt au modèle utilisé

Les modèles Claude ne réagissent pas de la même façon aux mêmes prompts. Pourtant, adapter vos instructions au modèle utilisé est un gain de qualité immédiat que la plupart des utilisateurs ignorent.

Ce tableau décrit Opus 5, Sonnet 5 et Fable 5, sur lesquels reposent les observations de cette technique. Leurs successeurs, Opus 5.5, Sonnet 5.5 et Fable 5.1, gardent un raisonnement adaptatif toujours actif. Dans les applications, leur niveau d’effort par défaut est medium pour Opus 5.5 et Sonnet 5.5, et high pour Fable 5.1.

Opus 5.5 — le nouveau modèle de référence

Opus 5.5, sorti le 22 septembre 2026, remplace Opus 5 comme modèle Opus de référence. Trois différences comptent pour vos prompts. D’abord, son niveau d’effort par défaut est medium, et Anthropic indique qu’à ce niveau il égale ou dépasse Opus 5 réglé sur high en code et en travail intellectuel. Ensuite, son raisonnement reste toujours actif, sans budget manuel possible. Enfin, à effort égal, il réfléchit davantage à chaque tour qu’Opus 5, surtout en xhigh et max : prévoyez donc de la marge dans la longueur de sortie autorisée. Anthropic recommande de fixer l’effort explicitement et de tester plusieurs niveaux sur vos propres cas, plutôt que de reprendre le réglage utilisé sur Opus 5.

Opus 5 — le modèle précédent, toujours disponible

Opus 5 partage le tokenizer d’Opus 4.8 et se comporte bien nativement sur vos anciens prompts et évals. La bascule ne demande donc pas une réécriture complète. Deux ajustements valent la peine. D’abord, retirez les instructions de vérification héritées (« ajoute une étape de vérification finale », « fais relire par un sous-agent ») : Opus 5 vérifie déjà son travail sans qu’on le lui demande, et ces consignes provoquent de la sur-vérification.

Ensuite, sachez qu’Opus 5 fait exception sur la longueur de réponse. Demandez la concision explicitement si c’est ce que vous voulez : baisser l’effort ne raccourcit pas la réponse de façon fiable. Le modèle narre aussi plus volontiers sa progression en tâche agentique et délègue plus facilement à des sous-agents. Cadrez ces deux comportements par une instruction explicite si vous préférez plus de silence ou moins de délégation. Sur l’effort, le réflexe qui marche : démarrer à medium, monter à high si le modèle bute, réserver xhigh et max aux tâches réellement exigeantes.

Sonnet 5.5 — le modèle du volume

Sonnet 5.5, sorti le 28 septembre 2026, remplace Sonnet 5 et hérite de son suivi d’instructions littéral. Anthropic indique que vos prompts écrits pour Sonnet 5 fonctionnent sans changement. Elle conseille en revanche de retirer les rustines ajoutées pour l’ancien modèle. Les relances de type « ne sois pas paresseux » ou les consignes qui forcent un nouvel essai d’outil n’ont plus lieu d’être. L’Adaptive Thinking reste activée par défaut : inutile de lui demander de « réfléchir avant de répondre », il le fait déjà. Sonnet 5.5 garde aussi le tokenizer de Sonnet 5, qui compte plus de tokens pour un même texte que Sonnet 4.6. Si vous chargez de longs documents, comptez donc large sur vos estimations de contexte.

Le point qui change vraiment concerne l’effort. Anthropic a recalibré les cinq niveaux, si bien qu’un même réglage ne produit plus la même quantité de réflexion que sur Sonnet 5. Votre ancien réglage ne se transpose donc pas tel quel. Dans les applications, Sonnet 5.5 démarre au niveau medium. Pour une tâche bien cadrée, ce niveau suffit en général ; montez à high si la tâche est plus difficile, et réservez xhigh et max aux cas où le gain se vérifie. Sur les travaux longs et ouverts, Anthropic oriente plutôt vers Opus 5.5, réglé par défaut sur medium, qui reste souvent le meilleur calcul.

Haiku 4.5 — l’exécutant rapide

Haiku 4.5 est un exécutant rapide, pas votre modèle de raisonnement par défaut. Il dispose de l’Extended Thinking côté API, mais pas de l’Adaptive Thinking des modèles plus avancés. Pour tirer le meilleur de Haiku, décomposez les tâches complexes en étapes simples. Donnez des exemples explicites (few-shot) et spécifiez exactement le format de sortie. Ne comptez pas sur lui pour arbitrer seul une décision complexe : utilisez-le plutôt pour produire vite, classer, extraire, nettoyer ou reformater.

Fable 5.1 — réservé aux tâches longues et complexes

Fable 5.1, sorti le 1er septembre 2026, succède à Fable 5 au même tarif et ne se prompt pas comme les autres modèles. Son Adaptive Thinking est toujours activée et non désactivable : inutile de lui préciser un niveau d’effort, il calibre seul sa profondeur de réflexion sur des tâches qui peuvent durer plusieurs heures. Un prompt Fable 5.1 gagne donc à être moins directif qu’un prompt Haiku et plus orienté objectif final. Décrivez le résultat attendu et les contraintes, puis laissez le modèle planifier lui-même les étapes. Sur les sujets touchant à la cybersécurité, la biologie ou la chimie, attendez-vous parfois à un refus ou à une redirection automatique vers Opus 4.8 : un comportement normal du modèle, pas un bug de votre prompt. Vu son tarif, réservez enfin Fable 5.1 aux tâches où Opus 5.5 ou Sonnet 5.5 montrent vraiment leurs limites.

5 templates de prompts réutilisables

Ces cinq templates couvrent les cas d’usage les plus fréquents. Copiez-les, adaptez les balises à votre contexte, et utilisez-les comme point de départ.

Les erreurs qui ruinent vos prompts

Le prompting n’est pas seulement une question de bonnes pratiques : c’est aussi une question de pièges à éviter. Voici les cinq erreurs les plus fréquentes, spécifiques à Claude.

Erreurs de ton et de structure

Sur-prompter les modèles récents. Si votre system prompt contient des « ALWAYS », « NEVER », « CRITICAL » à chaque paragraphe, les Opus et les Sonnet récents vont sur-réagir. Le modèle déclenchera des outils sans raison, ajoutera des précautions inutiles, ou produira des réponses excessivement longues. Sur Opus 5, le piège classique est de garder d’anciennes consignes de vérification, alors qu’il vérifie déjà seul (voir Technique 7). Adoptez un ton d’instruction normal : les Claude récents n’ont plus besoin qu’on leur crie dessus.

Mélanger les instructions et les données. Sans balises XML, Claude peut confondre une phrase d’exemple avec une instruction. « Ne dis jamais ‘je ne sais pas’ » peut être lu comme une consigne ou comme un exemple de phrase interdite. Les balises XML éliminent cette ambiguïté.

Erreurs de contenu et de méthode

Donner trop d’exemples identiques. Si vos cinq exemples suivent exactement le même schéma, Claude sur-apprend ce schéma et perd en créativité. Variez les cas : un cas standard, un cas limite, un cas ambigu, un cas négatif. La diversité des exemples compte plus que leur nombre.

Ignorer le placement du contexte long. Quand vous chargez un document long (rapport, codebase, documentation), placez-le au début de votre prompt, avant votre question. Anthropic a mesuré jusqu’à 30 % d’amélioration de la qualité des réponses avec ce placement, surtout sur des inputs multi-documents.

Demander à Haiku ou Fable 5.1 le mauvais type de raisonnement. Haiku 4.5 est rapide sur les tâches simples, mais sans Adaptive Thinking : évitez de lui confier une analyse stratégique. À l’inverse, un prompt ultra-directif façon Haiku bride la capacité de planification de Fable 5.1. Cela gâche le tarif que vous payez pour ça.

Du prompt au système : ce qui vient ensuite

Un bon prompt vous donne un bon résultat ponctuel. Un système de prompts vous donne en revanche des résultats exceptionnels à chaque échange, sans effort supplémentaire : des instructions permanentes, un contexte chargé, des exemples intégrés, des règles appliquées automatiquement. C’est exactement ce que permettent les Projects de Claude.

Vous avez désormais les sept techniques. Testez-les, copiez les templates, comparez les résultats avec vos anciens prompts. La différence sera visible dès le premier essai.