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 un cahier des charges miniature : vous 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 entièrement dans cette compétence. Cette compétence n’est cependant pas la même selon le modèle que vous utilisez. Claude Opus 4.7, Opus 4.6, Sonnet 4.6 et Haiku 4.5 réagissent chacun différemment aux mêmes instructions — parce qu’ils n’ont pas la même profondeur de raisonnement, 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. Maintenant, on entre dans le moteur. Les sept techniques qui suivent sont issues de la documentation officielle d’Anthropic, mise à jour pour les modèles Claude récents, 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 comprendre ce qui a changé avec les générations 4.6 et 4.7. Les modèles Claude précédents nécessitaient beaucoup de « sur-prompting » — des instructions en majuscules, des répétitions, des injonctions agressives du type « CRITICAL: You MUST use this tool ». Opus 4.6 et Sonnet 4.6 sont en effet radicalement plus sensibles au system prompt. Un ton normal suffit. Les instructions excessives provoquent d’ailleurs l’effet inverse : le modèle sur-réagit, déclenche des outils inutilement, ou s’embourbe dans un raisonnement disproportionné.

Adaptive Thinking : Claude calibre mieux son effort

Autre changement majeur : l’Adaptive Thinking. Contrairement à l’ancien système d’Extended Thinking, où vous fixiez manuellement un budget de tokens de réflexion, l’Adaptive Thinking permet de piloter l’effort de raisonnement avec des niveaux comme low, medium, high, xhigh ou max selon les modèles compatibles. Claude peut ainsi répondre directement aux questions simples et consacrer plus d’effort aux problèmes complexes.

Avec Opus 4.7, trois évolutions structurantes pour le prompting :

• Le passage à Adaptive Thinking devient obligatoire côté API. Sur Opus 4.7, l’ancien mode thinking: {type: "enabled", budget_tokens: N} n’est plus supporté et renvoie une erreur 400. Il faut utiliser thinking: {type: "adaptive"} et contrôler la profondeur avec le paramètre effort.
• Un nouveau niveau d’effort « xhigh » entre high et max, particulièrement utile pour le code agentique, les tâches longues et les problèmes qui demandent une vraie profondeur de raisonnement.
• Un suivi des instructions plus littéral. Opus 4.7 prend au pied de la lettre ce que vous écrivez. Les prompts tunés sur les versions antérieures peuvent donner des résultats plus rigides — un re-tuning léger est souvent bénéfique. À surveiller également : le tokenizer a été revu et peut gonfler la consommation de tokens de 1,0 à 1,35× sur un même texte.

Conséquence pratique : avec les Claude récents, le prompting se simplifie. Moins de hacks, plus de clarté. Les techniques fondamentales — être précis, donner du contexte, structurer — deviennent ainsi encore plus efficaces qu’avant, parce que 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 donc pas un luxe — c’est le levier le plus puissant dont vous disposez.

Le réflexe naturel est d’écrire un prompt comme on parle à un collègue qui connaît déjà le contexte. « Fais-moi un résumé de ce document. » Résultat : un résumé générique, trop long ou trop court, dans un ton qui ne correspond pas. Comparez avec 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. Les éléments 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).

Point spécifique aux générations 4.6 et 4.7 : les modèles actuels sont plus concis et directs par défaut que les versions précédentes. Si vous voulez un développement détaillé, demandez-le explicitement. Si vous voulez un comportement « above and beyond » — des suggestions supplémentaires, des alternatives, des mises en garde — dites-le. Les Claude récents ne brodent plus par défaut : ils font ce que vous demandez, rien de plus. Opus 4.7 pousse d’ailleurs cette logique encore plus loin : il suit vos instructions de manière plus littérale, ce qui rend l’explicite encore plus payant.

Technique 2 : structurer avec les balises XML

C’est la technique 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.

# 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 est triple : elles réduisent les ambiguïtés (Claude ne confond plus une instruction avec un exemple), elles rendent vos prompts réutilisables (il suffit de changer le contenu entre les balises), et elles améliorent la cohérence des résultats sur des tâches répétées.

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. « Tu es un analyste financier senior » ne produit pas la même réponse que « Tu es un journaliste économique ». En effet, le rôle active un ensemble de comportements, de conventions et de références que Claude a intégrés pendant son entraînement.

Cependant, 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.

# 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 ainsi 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 notamment 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).

# 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 alors 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 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 — cependant, ça signifie aussi que si vous voulez un format précis, vous devez le demander explicitement.

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. »

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

# 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. Si vous écrivez avec des tirets et du markdown, Claude répondra en revanche avec des tirets et du markdown. Alignez donc le style de votre prompt avec le style de sortie souhaité.

Point spécifique à Opus 4.7 et 4.6 : ces modèles utilisent le LaTeX par défaut pour les expressions mathématiques. Si vous travaillez dans un environnement qui ne rend pas le LaTeX (un email, un document texte), ajoutez : « 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 effet 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 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 donc systématiquement de meilleurs résultats que le prompt direct, parce qu’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

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 plutôt que l’auto-évaluation — 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. Adapter vos instructions au modèle que vous utilisez est ainsi un gain de qualité immédiat que la plupart des utilisateurs ignorent.

Opus 4.7 — le modèle le plus avancé

Opus 4.7 est le modèle généralement disponible le plus avancé d’Anthropic depuis le 16 avril 2026. Il suit vos instructions de manière plus littérale que son prédécesseur : si vous écrivez « be conservative », il le sera vraiment. Conséquence pratique : relisez vos anciens prompts avant de migrer, certaines formulations héritées de la 4.6 peuvent produire des sorties trop rigides. À tester aussi : le nouveau niveau d’effort xhigh, qui offre un palier supplémentaire entre high et max. Attention enfin au tokenizer : sur un même texte, Opus 4.7 peut consommer 1,0 à 1,35× plus de tokens qu’Opus 4.6.

Opus 4.6 — encore pertinent pour les prompts existants

Opus 4.6 reste parfaitement pertinent pour les prompts déjà tunés. Il a tendance à explorer en profondeur avant de répondre, ce qui peut gonfler le temps de réponse et la consommation de tokens sur des tâches simples. Si vous constatez qu’Opus « sur-réfléchit », ajoutez une consigne de cadrage : « Choisis une approche et engage-toi. Évite de revenir sur ta décision sauf si tu rencontres une contradiction claire. » Cette instruction est tirée directement de la documentation Anthropic.

Sonnet 4.6 — le choix par défaut

Sonnet 4.6 est le choix par défaut le plus rationnel pour 90 % des usages. Ses performances sont proches d’Opus 4.6 sur le code et la rédaction, pour un coût inférieur. Vos prompts n’ont ainsi pas besoin d’être différents de ceux d’Opus — Sonnet les interprète avec la même logique, juste un peu moins de profondeur exploratoire.

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.

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 ensuite 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.

Sur-prompter les modèles récents. Si votre system prompt contient des « ALWAYS », « NEVER », « CRITICAL » à chaque paragraphe, Opus 4.7 et 4.6 vont sur-réagir. Le modèle déclenchera des outils sans raison, ajoutera des précautions inutiles, ou produira des réponses excessivement longues. Adoptez donc 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. Par exemple, « Ne dis jamais ‘je ne sais pas’ » peut être interprété comme « ne dis jamais » (instruction) ou comme un exemple de phrase interdite. Les balises XML éliminent en effet cette ambiguïté.

Donner trop d’exemples identiques. Si vos cinq exemples suivent exactement le même schéma, Claude sur-apprend ce schéma et perd en créativité. Variez plutôt les cas : un cas standard, un cas limite, un cas ambigu, un cas négatif. La diversité des exemples compte ainsi 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 notamment mesuré jusqu’à 30 % d’amélioration de la qualité des réponses quand la question vient après le document, surtout sur des inputs multi-documents complexes.

Demander à Haiku de raisonner comme Opus. Haiku 4.5 est rapide et utile sur les tâches simples, mais il n’a pas l’Adaptive Thinking d’Opus ou Sonnet. Si vous lui demandez une analyse stratégique ou un raisonnement long, vous risquez d’obtenir une réponse trop légère. Avec Haiku, soyez directif : étapes numérotées, format précis, exemples concrets.

Du prompt au système : ce qui vient ensuite

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

Vous avez les sept techniques. Testez-les. Copiez les templates. Comparez les résultats avec vos anciens prompts. La différence sera visible dès le premier essai.