Guide Claude AI : astuces et bonnes pratiques

Vous essayez d'ouvrir Claude Desktop sous Windows et ce qui apparaît est une boîte de dialogue intitulée « Impossible d'ouvrir cette application », qui vous demande d'aller dans les options avancées de Claude et de choisir Réparer — et faire exactement ce qu'elle dit fonctionne. Sans désinstaller quoi que ce soit, et sans passer par Réinitialiser, qui, lui, jette vos données. Il y a toutefois une marche au milieu du chemin, et c'est le cœur de cet article. Un clic sur Réparer peut vous renvoyer un message vous disant que l'application est encore en cours d'exécution, alors qu'aucune fenêtre Claude n'est ouverte nulle part. La cause est que Claude Desktop continue de tourner dans la zone de notification après la fermeture de sa fenêtre : tant que ce processus résident tient ouverts les fichiers du paquet, la réparation ne peut pas aboutir. La solution est simple : fermez explicitement les processus, puis cliquez sur Réparer. Et ce fait désigne la cause même de la panne, le même processus ayant cassé la mise à jour avant de bloquer la réparation. L'article répond aussi à la question que tout le monde pose en premier : vos sessions sont-elles effacées ? La réponse se divise en trois. Votre historique de conversations claude.ai est sur les serveurs d'Anthropic et reste intact. Les sessions Claude Code vivent dans %USERPROFILE%\.claude\projects\, hors du paquet de l'application : elles survivent à une réparation, à une réinitialisation et même à une désinstallation (une machine réelle en contenait 2 977 fichiers, environ 3,0 Go, répartis sur 52 projets). La seule chose exposée, ce sont les réglages côté application dans %APPDATA%\Claude, et Réparer les conserve même — Windows écrit la différence sur l'écran lui-même, en indiquant à côté de Réparer que les données de l'application ne seront pas affectées, et à côté de Réinitialiser qu'elles seront supprimées. Suivent la vérification d'état en PowerShell en lecture seule, une routine de sauvegarde, une escalade par paliers quand l'application refuse toujours de s'ouvrir (contrôle de vmcompute et hns, réinstallation avec -PreserveApplicationData), la cause déduite d'un MSIX à moitié enregistré appuyée sur les tickets GitHub (#55465, où l'installation a réussi sans qu'aucun point d'entrée soit créé, plus #50285 et #48437 — tous clos en closed as not planned, sans correctif officiel), les moyens de réduire les risques de récidive, et une comparaison avec l'ancienne version installeur, où la dernière version MSIX et une machine en ancien format affichaient toutes deux 1.24012.9.

Claude Code s'arrête au milieu d'une réponse sur « API Error: Connection closed mid-response. The response above may be incomplete. » Ce n'est pas un problème de prompt : la connexion qui transportait la réponse en streaming s'est fermée alors que la réponse arrivait encore. Cet article s'appuie uniquement sur la référence des erreurs officielle, le changelog officiel et des tickets étayés par des captures réseau. Il part des définitions officielles — Connection closed signifie que le lien a été coupé, Response stalled qu'il est devenu silencieux, Server error qu'une 5xx est survenue en cours de flux — et explique pourquoi la sortie partielle est délibérément conservée (renvoyer risquerait d'exécuter deux fois les mêmes appels d'outils) et que l'étape de reprise documentée est de répondre continue. Il sépare ensuite les trois couches d'où la fermeture peut provenir (votre machine et la veille, une coupure d'inactivité dans un proxy ou un VPN, ou une fermeture initiée par le serveur) et présente les mesures publiées par l'auteur du ticket #67766 : les dix incidents étaient des fermetures propres côté serveur, l'erreur apparaissait 3 à 105 ms après le FIN, 7 à 20 Ko de réponse avaient déjà été reçus, le corps de requête pesait 1 à 2,5 Mo, une nouvelle connexion aboutissait en 20 ms environ, et 200 erreurs réparties sur 171 incidents figuraient dans 23 jours de transcriptions, dont 87 moins de cinq secondes après l'appel précédent. Le cœur pratique est une chronologie d'entrées réelles du changelog — 2.1.179 conserve le partiel, 2.1.185 fait passer l'indication de blocage de 10 à 20 secondes, 2.1.198 relance les coupures transitoires avec backoff, 2.1.199 conserve le partiel sur erreur serveur en cours de flux, 2.1.214 désactive le pool keep-alive après une erreur de connexion périmée — confrontée aux versions des signalements (2.1.173, 2.1.181, 2.1.183), toutes antérieures à la 2.1.198. Il se termine par les conditions aggravantes, une check-list en huit points, six repères pour les développeurs, la distinction avec Unable to connect et Prompt is too long, et un partage net entre ce qui est confirmé officiellement et ce qui ne l'est pas.

Anthropic a publié Claude Opus 5 le 24 juillet 2026, et sa propre documentation parle d'un changement de palier plutôt que d'une amélioration incrémentale par rapport à Opus 4.8 — pourtant le prix ne bouge pas : $5 en entrée / $25 en sortie par million de tokens, soit exactement la moitié du modèle phare Fable 5 ($10 / $50). Cet article recoupe l'annonce officielle et la documentation avec plusieurs articles de presse, et détaille les caractéristiques principales (claude-opus-5, une fenêtre de contexte de 1M à la fois par défaut et maximale, 128K tokens de sortie maximale, limite de connaissances en mai 2026), les tarifs y compris les taux de cache et le mode rapide (environ 2,5 fois la vitesse pour 2 fois le prix, API Claude uniquement), les benchmarks (Anthropic écrit dans son propre texte que Frontier-Bench dépasse le double d'Opus 4.8, que CursorBench 3.2 arrive à moins de 0,5 % de Fable 5, qu'ARC-AGI 3 vaut trois fois le score du deuxième et qu'OSWorld 2.0 bat Fable 5 pour environ un tiers du coût ; les chiffres relevés sur les graphiques par la presse incluent Frontier-Bench 43,3 %, ARC-AGI-3 30,2 %, GDPval-AA 1 861 et OSWorld 70,6 %), ainsi que les domaines où il perd encore (68,8 % contre 72,7 % pour GPT-5.6 Sol sur DeepSWE v1.1, la sécurité offensive et la recherche biologique de longue haleine où Mythos 5 domine, et les réglages où l'effort max obtient un score inférieur aux niveaux plus bas). Il couvre ensuite les deux ruptures de compatibilité de l'API (le thinking est actif par défaut, donc un budget max_tokens serré finit tronqué ; désactiver le thinking n'est autorisé qu'à un effort high ou inférieur, xhigh et max renvoyant une erreur 400), la façon de choisir parmi les cinq niveaux d'effort, les nouveautés comme la modification des outils en cours de conversation, le seuil de cache abaissé à 512 tokens et le mode de repli par défaut, puis le changement de caractère du modèle — réponses plus longues, plus de commentaires, plus de délégation et auto-vérification spontanée — avec la règle de migration qui consiste à retirer du texte de prompt plutôt qu'à en ajouter, et enfin qui a intérêt à migrer tout de suite, avec une checklist de migration en six étapes.

Vous ouvrez Hugging Face pour faire tourner un LLM en local et le même modèle affiche un mur de fichiers (Q4_K_M, Q5_K_S, GPTQ, AWQ, IQ3_M) et vous voilà bloqué. Cet article répond concrètement : quel fichier quantifié télécharger pour que ça marche, en laissant le concept de ce qu'est la quantification à un autre article et en se concentrant sur le choix du format. Le choix tient en deux étapes : quel format (= quel moteur pour l'exécuter), puis quelle profondeur de bits. Le fait le plus important : un fichier quantifié ne tourne que sur les moteurs qui prennent en charge son format. GGUF est le seul format local tout-terrain qui tourne sur CPU, Mac et GPU partiel (llama.cpp/Ollama) ; GPTQ/AWQ/EXL2 sont orientés GPU d'abord (vLLM/TGI) ; bitsandbytes quantifie au chargement dans Transformers sans calibration. Le nommage GGUF Q4_K_M a trois parties : Q4 (nominal 4 bits, plus élevé = meilleur et plus gros), K (K-quant sur des super-blocs ; simple/_0/_1 sont anciens), M (S/M/L = mesure du rehaussement de certains tenseurs importants ; les bits effectifs dépassent l'étiquette, Q4_K environ 4,5 bpw). La famille IQ (I-quants) va encore plus petit à bits égaux mais est plus lourde à l'inférence et exige un imatrix (une matrice d'importance issue d'une calibration qui protège les poids qui comptent). GPTQ minimise l'erreur couche par couche ; AWQ protège les poids saillants via les activations (aucun n'est universellement meilleur). Pour la profondeur de bits, en cas de doute prenez Q4_K_M (défaut Ollama pour beaucoup de modèles), montez à Q5_K_M/Q6_K avec de la VRAM en réserve, Q8_0 est quasi sans perte mais déconseillé, et IQ2/IQ3 uniquement pour caser un gros modèle. Environ 4,5 à 5 bpw est la bonne bande (une heuristique). Trouvez les fichiers via library=gguf, bartowski/mradermacher (activité variable), ou les tags Ollama model:size-variant-quant. Les chiffres sont approximatifs et varient selon le modèle et le build.

Maintenant que « demande à l'IA » et « laisse l'IA tout écrire » sont la norme, c'est la question inverse qui fait la différence : est-ce vraiment une situation où je devrais utiliser l'IA ? Cet article n'est pas anti-IA ; il s'agit de garder le « ne pas l'utiliser » comme une option, justement pour tirer le meilleur parti de l'IA. L'IA n'est pas quelque chose qu'on utilise par défaut mais un outil qu'on choisit volontairement, et bien l'utiliser et choisir de ne pas l'utiliser vont de pair. Six situations où y renoncer l'emporte : 1. l'apprentissage qui bâtit les fondamentaux (le processus « écrire pour penser » est le but), 2. la saisie de données confidentielles ou personnelles (ne collez rien sans vérifier conditions et conservation), 3. les décisions finales fatales en cas d'erreur (médecine, droit, sécurité, argent ne se délèguent pas sans vérification), 4. les tâches légères dont le coût n'en vaut pas la peine, 5. le travail où la confiance ou la créativité humaine est au cœur (excuses, recrutement, paternité de l'œuvre), 6. quand vous ne voulez pas ajouter un point de défaillance unique (continuité d'activité). Décidez vite avec trois questions : pouvez-vous vérifier vous-même le résultat, s'agit-il uniquement de données partageables, et le processus est-il à entraîner en ce moment. Si vous pouvez le vérifier, que les données sont partageables et que vous n'avez pas besoin de vous entraîner, utilisez l'IA ; sinon, renoncez-y ou insérez un contrôle humain. Les inconvénients de l'usage excessif (délestage cognitif, acceptation d'erreurs plausibles, dépendance) sont présentés comme des points de discussion, non comme des chiffres établis. Renoncer délibérément à l'IA n'est pas un frein mais la compétence-envers qui vous permet de miser à fond là où elle convient, et une protection contre une dépendance excessive à l'IA.

Juste après avoir mis à jour Claude Desktop (Windows), lancer l'application fait apparaître « Un autre programme utilise actuellement ce fichier » et elle refuse de démarrer — et reste bloquée jusqu'au redémarrage du PC. C'est un bug connu de la version Microsoft Store (MSIX) (GitHub #53247 et d'autres). Le point clé : un redémarrage complet du PC n'est pas forcément nécessaire — dans bien des cas, il suffit de se déconnecter de Windows puis de se reconnecter pour récupérer (pas un redémarrage du PC, ni une déconnexion de Claude), car le handle orphelin sous-jacent persiste par session utilisateur Windows. Arrêter CoworkVMService ou réenregistrer le package est rapporté comme inefficace. Malgré le libellé de la boîte de dialogue, il est vérifié qu'il n'y a aucun verrou de fichier en espace utilisateur (handle.exe / Process Explorer) : le vrai échec se situe dans la couche conteneur AppX/Desktop Bridge, à la conversion Job Object → Silo (0x80070020 = ERROR_SHARING_VIOLATION, événements 215/208). Le déclencheur a deux explications non tranchées — le service retenant le Job Object (#57221) vs. un plantage au démarrage laissant le nettoyage inachevé (#53247) — et aucun correctif officiel n'a été publié. La solution de contournement permanente est de passer à la version Squirrel (installeur). D'après une seule machine (Windows 11 Home 10.0.26200) recoupée avec des issues GitHub ; avec labels de confiance tout du long.

Après un long travail dans Claude Code, la réponse se met parfois à répéter « court court court… » des dizaines à des centaines de fois avant de s'arrêter sur « Response stalled mid-stream ». Ce n'est pas une erreur de votre prompt : deux dysfonctionnements connus s'enchaînent — une boucle de répétition (dégénérescence) côté modèle et un arrêt du flux côté transfert. Cet article explique la nature de chaque couche, les conditions déclenchantes, comment l'arrêter tout de suite (Esc → nouvelle session, /clear), comment le prévenir côté développeur (timeout de lecture, détection de répétition, max_tokens) et comment le distinguer du bug de fuite de balise court/invoke, en s'appuyant sur la documentation officielle et les issues réelles.

Le fleuron d'OpenAI GPT-5.6 « Sol » face au haut de gamme d'Anthropic Claude Fable 5 : un arbitrage entre coût et performance. Fable 5 domine le codage de niveau production (SWE-Bench Pro 80,3 %) et l'autonomie jusqu'à 12 h, avec la migration Stripe de 50 millions de lignes en un jour. Sol l'emporte sur TerminalBench (88,8 %), l'Agents' Last Exam et la polyvalence d'agent, tout en coûtant moitié moins ($5/$30 vs $10/$50). À l'appui des annonces officielles et de benchmarks indépendants, comment répartir l'usage de ces deux poids lourds asymétriques.

Comparaison approfondie des deux géants du codage par IA de 2026, Claude Opus 4.8 (28 mai) et le modèle haut de gamme Sol de GPT-5.6 (9 juillet). Leurs forces sont quasiment opposées : Sol domine l'opération de terminal et la puissance agentique globale (TerminalBench 2.1 88,8 % vs Opus 78,9 %, Agents' Last Exam 53,6, Coding Agent Index 80), tandis qu'Opus 4.8 domine le codage de niveau production, les mathématiques et le long contexte (SWE-bench Pro 69,2 % vs Sol 64,6 %, USAMO 2026 96,7 %, GraphWalks 1M 68,1 %) et met en avant l'honnêteté (confiance excessive divisée par dix, 0 % de rapport non critique de résultats défectueux). OpenAI laisse aussi beaucoup de benchmarks de Sol non publiés (SWE-bench Pro, GPQA, AIME, MMLU) : sur le cœur du codage, l'Opus déjà divulgué a l'avantage. Nous couvrons le tableau des spécifications, le détail des benchmarks, le problème des benchmarks non publiés, le coût réel ($25 vs $30 de prix unitaire face à +54 % d'efficacité en tokens), une carte des forces et faiblesses, des choix par cas d'usage et une stratégie à double fournisseur.

L'erreur « API Error: 400 Output blocked by content filtering policy » qui surgit soudain dans Claude Code ou l'API n'est ni une limite d'usage ni un dépassement de contexte : c'est le filtre de sécurité qui a interrompu la « sortie » que Claude s'apprêtait à renvoyer. Son objet principal est d'empêcher la reproduction mot à mot d'œuvres existantes, et il produit souvent des faux positifs (false positive) sans mauvaise intention lors de la génération du texte intégral d'une licence standard comme MIT/Apache, d'un travail de « mise en correspondance » avec une source existante, ou de la duplication de documents longs. Cet article fait le point sur l'explication officielle (le filtre de sortie détecte la reproduction d'une œuvre et bloque avec un 400), les cas de faux positifs relevés dans les Issues réelles de Claude Code (mise en place d'un dépôt OSS, rapprochement de listes, diagnostic erroné en « limite de tokens » au terme d'une longue exécution d'agent), les solutions immédiates (récupérer via un outil plutôt que faire recopier, reformuler le prompt vers la génération/le résumé, arrêter la boucle de nouvelles tentatives avec Esc, découper la tâche, signaler les faux positifs au support), et la distinction avec Prompt is too long, usage limit, 529 Overloaded et max_tokens.

Vous atteignez la limite hebdomadaire de tokens de Claude Code, et pourtant votre quota s'est entièrement reconstitué avant sept jours — plus d'une fois. En ligne, il existe même des articles sur un « mécanisme caché » affirmant que la limite hebdomadaire se réinitialise toutes les 72 heures. Est-ce vrai ? Cet article remonte le phénomène jusqu'à ses sources primaires. Mais Anthropic n'a pas documenté le mécanisme interne de réinitialisation, et les limites ne cessent d'évoluer ; nous étiquetons donc clairement trois types d'information : les faits vérifiables à partir de sources officielles, les événements que plusieurs utilisateurs observent de façon reproductible mais qu'Anthropic n'a jamais commentés, et les spéculations non confirmées reposant sur une source unique. L'essentiel : la récupération anticipée complète est, dans la plupart des cas, due aux réinitialisations globales irrégulières d'Anthropic (annoncées à plusieurs reprises par @ClaudeDevs) ; l'heure de réinitialisation affichée est aussi manifestement instable ; et la « cadence de 72 heures » qui circule repose sur un observateur unique, n'a pas été reproduite, et est contredite par une autre observation (24 h), elle ne peut donc pas être considérée comme un fait. Lorsqu'une chose ne peut pas être affirmée, nous le disons — une enquête de juillet 2026.

Utilisez Claude Code assez longtemps et vous tombez sur un dilemme : une demande à chaque commande fait caler votre rythme, mais toutes les désactiver avec le contournement est dangereux. Le bac à sable casse ce binaire en délimitant au niveau de l'OS ce qui peut être touché, si bien que les commandes s'exécutent librement à l'intérieur sans demandes tandis que rien n'atteint l'extérieur. Ce guide couvre les deux isolements (système de fichiers et réseau), la prise en main avec /sandbox (macOS fonctionne d'emblée, Linux/WSL2 nécessite bubblewrap+socat, Windows natif n'est pas pris en charge), le mode auto-autorisation contre le mode normal, la configuration de settings.json (allowWrite/denyRead, credentials, allowedDomains), comment il complète les modes et règles de permission comme troisième couche imposée par l'OS, ses limites (TLS non inspecté, sockets Unix), et quand recourir aux dev containers ou aux VM. Anthropic rapporte qu'il a réduit les demandes de permission de 84 % en usage interne.