Tech • IA • Robotique • Jeu
Anthropic a révélé son guide secret pour maîtriser Opus 5.5
8/10INTRO
Anthropic indique, pour Opus 5.5, de réduire l’effort par défaut, d’alléger les prompts redondants et de donner des consignes plus claires sur la tâche, le contexte et les critères d’achèvement afin d’améliorer les résultats tout en réduisant les coûts en tokens.
POINTS CLÉS
L’effort par défaut a changé
Opus 5.5 utilise désormais par défaut un effort moyen, contrairement à Opus 5, qui utilisait un effort élevé. L’effort détermine l’ampleur du raisonnement interne du modèle avant de répondre, et Anthropic recommande de partir d’un niveau moyen plutôt que de reprendre d’anciens réglages. Réutiliser une configuration plus élevée issue de modèles antérieurs peut produire des échanges plus longs et davantage de tokens en sortie sans gain clair; il est donc conseillé d’augmenter l’effort seulement lorsque des tests montrent un bénéfice mesurable.
Comparez les niveaux d’effort sur des tâches réelles
La méthode recommandée pour ajuster l’effort consiste à exécuter la même tâche avec différents réglages puis à comparer les résultats. Parmi les vérifications utiles: déterminer si une réponse a manqué une exigence importante, si la recommandation était réellement meilleure et combien de temps la réponse a pris. Une réponse plus longue n’est pas considérée comme une preuve d’un meilleur raisonnement, ce qui rend l’évaluation propre à chaque tâche plus importante qu’un recours systématique à l’effort maximal.
Supprimez les consignes vagues du type “réfléchis bien”
Anthropic indique que des instructions générales comme « réfléchis bien avant de répondre » peuvent être inutiles pour Opus 5.5, car le modèle ajuste déjà son raisonnement et l’effort reste le principal levier de contrôle. Lors des tests, retirer ces formulations a permis d’obtenir des réponses plus rapidement sans baisse évidente de qualité. Des prompts plus précis, comme demander au modèle de comparer deux propositions au regard des exigences et d’expliquer les compromis, sont présentés comme plus efficaces que des appels génériques à réfléchir davantage.
Les réponses précédentes peuvent être réexaminées
Opus 5.5 peut reconsidérer ses réponses antérieures lorsqu’il traite un nouveau message, même un simple suivi. Cela peut être utile dans la recherche ou l’analyse lorsque de nouveaux éléments apparaissent, mais cela peut aussi générer un travail inutile. Une instruction ciblée demandant au modèle de considérer les réponses précédentes comme établies sauf si elles sont explicitement remises en question peut réduire ce raisonnement supplémentaire et économiser des tokens.
Le contexte pertinent doit être collecté activement
Les recommandations soulignent que le premier document d’un flux de travail ne contient pas forcément les informations les plus récentes ou les plus complètes. Dans les tâches multi-applications, des échéances, règles ou mises à jour peuvent se trouver dans des e-mails, onglets de tableur ou dossiers non mentionnés directement dans la demande. Demander au modèle d’examiner les sources pertinentes avant d’agir a amélioré l’exécution dans les tests multi-applications de Anthropic, même si cela a demandé un peu plus d’appels d’outils et de tokens.
Séparez la demande du contenu collé
Lorsque des utilisateurs collent dans un prompt des e-mails, pages web ou autres contenus externes, ce texte peut inclure des instructions qui ne correspondent pas à leur intention. La recommandation est de marquer clairement la frontière: énoncer d’abord la tâche, puis fournir le contenu à lire ou à analyser. Cette séparation simple aide le modèle à distinguer la véritable demande du contenu tiers intégré au prompt.
Le silence peut venir de l’application, pas du modèle
Opus 5.5 peut générer des mises à jour de progression que certaines applications personnalisées n’affichent pas. Dans ce cas, demander au modèle de « parler davantage » ne résoudra pas le problème si l’application masque ces mises à jour. La solution pratique consiste à s’assurer que l’application peut recevoir et afficher les messages de progression, et à préciser des points de mise à jour utiles, par exemple au début de la revue ou lorsqu’un brouillon est prêt.
Une réponse ne signifie pas toujours que la tâche est terminée
Une mise à jour de progression peut clore un tour alors même que le travail reste inachevé. Les recommandations conseillent de définir explicitement l’achèvement en listant les livrables attendus, comme un rapport, une liste de sources et un résumé, puis de vérifier que chaque élément a bien été fourni. Si quelque chose manque, il faut désigner directement l’élément manquant et demander soit son ajout, soit une explication du blocage, plutôt que de dire simplement « continue ».
La précision compte aussi pour le design et les images
Pour le travail de design, des retours vagues comme « rends cela moins générique » ont tendance à remplacer un style par défaut par un autre. De meilleurs prompts nomment des éléments concrets comme l’arrière-plan, le traitement du titre, la forme des boutons et l’espacement. Pour l’analyse visuelle, Anthropic indique que Opus 5.5 lit mieux les images que Opus 5, mais que les graphiques denses et les étiquettes minuscules bénéficient toujours d’images haute résolution, de gros plans ou d’outils de recadrage; il faut aussi demander au modèle de signaler quand un détail est illisible au lieu de deviner.
CONCLUSION
Les recommandations autour de Opus 5.5 reposent sur un changement pratique: moins s’appuyer sur des habitudes de prompting générales, et davantage sur des contrôles précis, un contexte explicite et des critères d’achèvement clairs. Cette approche peut améliorer la rapidité, réduire les tokens gaspillés et produire des résultats plus fiables dans les flux de travail quotidiens comme automatisés.
Poser une question