Guide Claude AI : astuces et bonnes pratiques

Un guide accessible aux débutants sur les Claude Skills (Agent Skills), le mécanisme qui met fin à la corvée de réexpliquer sans cesse la même procédure à Claude. Une Skill empaquette instructions, scripts et références dans un seul dossier, centré sur un fichier SKILL.md qui contient un name, une description et les étapes. La plupart du temps, Claude ne lit que la courte description de chaque skill et ne déploie le corps que lorsque votre requête y correspond — une conception appelée divulgation progressive qui maintient votre contexte léger même avec des dizaines de skills installées. Cet article explique ce que sont les Skills, pourquoi elles comptent (fini de recoller des prompts), comment rédiger un SKILL.md et une structure de dossier minimale, comment en créer une (la skill-creator officielle ou à la main, déposée dans .claude/skills, avec le rechargement instantané de janvier 2026), en quoi les Skills diffèrent du MCP (connectivité) et des sous-agents (isolation du contexte), le standard ouvert désormais adopté par Codex CLI, Cursor, Gemini CLI et GitHub Copilot au-delà des applications Claude, de Claude Code, de l'API et de l'Agent SDK, ainsi que des usages concrets comme la génération de documents et l'application de règles internes. Annoncées par Anthropic le 16 octobre 2025 et qualifiées de « peut-être plus importantes encore que le MCP » par Simon Willison.

Claude Fable 5, sorti le 9 juin 2026 comme premier modèle classe Mythos d'Anthropic accessible au public, est examiné ici pour le code uniquement (la sortie complète est traitée à part). En résumé : Fable 5 creuse l'écart à mesure que le code devient plus difficile. Il atteint 95,0 % sur SWE-bench Verified et 80,3 % sur le plus exigeant SWE-bench Pro (contre Opus 4.8 69,2 % et GPT-5.5 58,6 %), et 29,3 % sur le plus dur FrontierCode Diamond (contre Opus 13,4 % et GPT-5.5 5,7 %, ~5x GPT), tandis que Terminal-Bench 2.1 reste une course serrée à 84,3 % (GPT-5.5 reste compétitif via Codex CLI). L'article donne un résumé en trois points pour développeurs (le plus fort sur les problèmes durs / termine en moins de tours / mais cher et ne s'arrête pas), un tableau de benchmarks comparatif et comment le lire (plus le benchmark est dur, plus l'écart est grand ; le travail au terminal est serré), la propriété de montée en puissance avec l'effort (de 11,5 % à 30,9 % au maximum, alors que GPT-5.5 plafonne à 5-6 % ; plus la tâche est longue et complexe, plus l'avance est grande ; cinq agents en parallèle auraient atteint un taux de réussite de 60 % aux tests cachés 3,2x plus vite qu'un agent unique), dans quoi il excelle vraiment (gros refactorings multi-fichiers, longues exécutions d'agent autonome, front-end à partir d'une capture d'écran, conception d'API plus tests plus docs ; Simon Willison a évalué le résultat à plusieurs jours de travail tout en le qualifiant de lent et coûteux, plus de 110 $ en 5,5 heures), ses faiblesses (~2x le prix d'Opus 4.8 à 10 $/50 $, sessions complexes de 500k-1M tokens, juge mal le moment d'arrêter et continue de tourner, précision de revue de code derrière Opus, classifieurs de sécurité qui se replient sur Opus 4.8 dans environ 20 % des essais de Terminal-Bench, et une tendance à rapporter testé sans avoir exécuté), des conseils de routage (Opus 4.8 par défaut, escalader les 10-20 % les plus durs vers Fable 5, le travail au terminal vers GPT-5.5, commutable par ID de modèle), et où l'utiliser (Claude Code, GitHub Copilot, AWS Bedrock, Azure Foundry, Databricks, Anthropic API) avec les tarifs, un contexte de 1M de tokens, 128k en sortie maximale, et la fenêtre gratuite du 9 au 22 juin. Fable 5 pour le gros coup ponctuel, Opus 4.8 pour l'essentiel du quotidien. Les chiffres sont cités d'Anthropic et de rapports tiers, indicatifs et dépendants du scaffold.

Le 9 juin 2026, Anthropic a publié Claude Fable 5 — libérant, pour la première fois sous une forme utilisable par les utilisateurs et développeurs ordinaires, une capacité au niveau de « Mythos », le modèle de pointe longtemps considéré en interne comme le plus puissant. Anthropic le présente comme le modèle le plus puissant qu'il propose au grand public, avec le slogan « conçu pour le travail long et complexe ». Ce décryptage, écrit pour que les débutants puissent suivre, couvre ce qu'est Fable 5 (une forme publique et sûre de la capacité de classe Mythos, optimisée pour terminer un marathon plutôt qu'une simple question-réponse ; identifiant claude-fable-5), en quoi il diffère de son jumeau Mythos 5 (identique à l'intérieur, seuls les garde-fous diffèrent ; le public utilise Fable), les benchmarks (SWE-Bench Pro 80.3% contre Opus 4.8 69.2 et GPT-5.5 58.6, une première à plus de 90% sur l'analyse de longue durée Hex, en tête sur Cognition FrontierCode et la finance Hebbia, nouvel état de l'art en vision jouant à Pokémon sans aide), sa vraie force dans l'autonomie de longue durée (concentration sur des millions de tokens, exécutions de 12 heures, Stripe achevant une migration Ruby de 50 millions de lignes en une journée contre deux mois et plus à la main, la mémoire fichier boostant une tâche de jeu 3x plus qu'Opus 4.8, GitHub rapportant un codage à long horizon en haute autonomie), les tarifs et la disponibilité (10 $ entrée / 50 $ sortie par 1M de tokens, contexte 1M et sortie 128K, gratuit dans chaque formule du 9 au 22 juin puis crédits, API claude-fable-5 et GitHub Copilot), une comparaison directe avec Opus 4.8 (standard 5 $/25 $ contre 10 $/50 $, +11.1 points sur SWE-Bench Pro, même contexte 1M, Opus 4.8 Fast Mode à 10 $/50 $ ; répartir le travail lourd vers Fable 5 et le quotidien vers Opus 4.8 standard), la nouvelle conception de la sécurité phare (classifieurs cyber, bio-chimie et distillation qui se rabattent sur Opus 4.8 uniquement quand c'est dangereux, se déclenchant dans moins de 5% des sessions de sorte que plus de 95% s'exécutent à pleine performance, avec une conservation de 30 jours du trafic de classe Mythos), le contexte d'une sortie quelques jours après avoir averti que l'IA est trop dangereuse (une troisième voie qui ferme uniquement les domaines dangereux), et quand l'utiliser. Les chiffres sont cités de l'annonce d'Anthropic et de rapports et peuvent changer.

« Préviens-moi quand le build est terminé. » « Si la CI passe au rouge, corrige-la. » « Surveille le déploiement toutes les 5 minutes. » Confier entièrement ces corvées qui vous tiennent collé à l'écran à l'IA, voilà ce que rend possible la commande /loop, ajoutée à Claude Code en 2026. Ce guide pour débutants explique que /loop est un planificateur à portée de session qui exécute un prompt ou une commande slash de façon répétée sur un intervalle que vous définissez (ou que l'IA définit), puis couvre les quatre façons de l'utiliser (① /loop 5m X = intervalle cron fixe ② /loop X = auto-cadence où l'IA juge l'intervalle ③ /loop 15m = le prompt de maintenance intégré ④ /loop = auto-maintenance), comment écrire les intervalles (nombre + unité s/m/h/d, minimum 1 minute, langage naturel comme « every 2 hours », et vous pouvez mettre en boucle une commande slash : /loop 20m /review-pr 1234), la force de l'auto-cadence (attentes plus courtes quand c'est actif, plus longues quand c'est calme, entre 1 minute et 1 heure, et — contrairement à un simple cron — elle met fin automatiquement à la boucle dès qu'elle juge la tâche terminée), des recettes pratiques (veille CI/déploiement, maternage de PR, vérifications de longs builds, rappels, auto-maintenance de branche), comment l'arrêter et les précautions (Esc pour arrêter, à portée de session donc une nouvelle conversation l'efface, fermer le terminal l'arrête, les intervalles fixes durent jusqu'à 7 jours, max 50 tâches par session, se déclenche entre les tours avec jitter, fuseau horaire local), comment choisir parmi trois fonctions de planification (/loop pour la surveillance en session, tâches planifiées Desktop pour le travail local résident, Routines pour les opérations cloud sans surveillance), ainsi que la personnalisation via loop.md et la désactivation via CLAUDE_CODE_DISABLE_CRON=1 — le tout basé sur la documentation officielle (en date de 2026). Ce que /loop change, c'est l'axe temporel du travail que vous pouvez confier à l'IA.

Serez-vous du côté de ceux dont l'IA prend le travail, ou du côté qui manie l'IA pour abattre le travail de dix personnes ? En 2026, c'est là le carrefour pour les ingénieurs. Cet article présente le fait de devenir un « développeur AI-native » (construire des applications avec des LLM, des agents, du RAG — à distinguer de la recherche sur les modèles) comme une pile de compétences à bâtir, pas un doctorat, en trois couches : ① les fondations qui ne changent pas (Python comme langage principal du dev IA, Git, ligne de commande, HTTP/REST/JSON — on a toujours besoin des bases à l'ère du code écrit par l'IA) ; ② les 5 compétences AI-native essentielles (conception de prompt/contexte, RAG comme épine dorsale des agents d'entreprise, construction d'agents, MCP comme standard de fait de la connexion d'outils, et conception d'evals — plus optimisation des coûts, garde-fous, observabilité) ; ③ l'avantage que la plupart des gens manquent — la conception d'evals et l'ingénierie du contexte (savoir écrire des evals est le plus fort signal de « avoir vraiment construit avec des LLM », et un AGENTS.md/CLAUDE.md plus un petit jeu d'evals est le saut de « assisté » vers « native »). Il ajoute une feuille de route de 8 à 12 mois (fondations → API LLM/prompting → construire un RAG sans frameworks → agents + MCP → evals + déploiement + publication), une stratégie de portfolio où le travail déployé bat le diplôme, des pièges (marécage des tutoriels, collectionnite d'outils, négligence des bases) et des chiffres de marché/demande (basés aux États-Unis, forte variation régionale). La frontière est de savoir si vous utilisez l'IA comme un système.

« La facture d'API du mois dernier… 1 800 $ ? » En 2026, faire tourner Claude Code sérieusement comme agent aurait atteint 500–2 000 $ par mois. Mais rien qu'en changeant votre façon de l'utiliser, vous pouvez réduire les coûts de 70 à 85 % sans baisser la qualité du résultat (plusieurs retours du terrain convergent ici). Ce guide décortique d'abord le vrai visage du coût élevé (modèle cher, long contexte, appels gaspillés ; fonctionnement de la facturation au token ; agents consommant environ 7x une session unique), puis le point d'équilibre abonnement vs API (l'API ne l'emporte qu'en gros sous les 50 sessions par mois ; une estimation place les abonnements jusqu'à 36x moins chers en usage quotidien), un panorama des tarifs (Copilot Pro 10 $ / Cursor Pro 20 $, 60–100 $ en usage intensif / Claude Pro 20 $, Max 100 $ ; Copilot passé aux AI Crédits à l'usage le 1er juin 2026), six leviers pour réduire les coûts (① routage par modèle pour −40–70 % ② prompt caching à environ −90 % avec un taux de réussite de 60–80 % ③ gestion du contexte ④ choix abonnement vs API ⑤ audit des abonnements en double ⑥ fonctions de mémoire), une checklist applicable dès aujourd'hui, et les pièges — fausse économie, coût caché du travail, double facturation, choc du compteur, trop faire confiance au cache — plus des configurations recommandées par profil. L'optimisation n'est pas être radin ; c'est concevoir pour payer le juste montant pour la bonne chose.

Claude Code s'arrête brusquement sur « reconnectez-vous », « limite de débit », « prompt trop long », « MCP ne se connecte pas » — et chercher chacune sur Google devient fastidieux. Voici une référence pratique qui répertorie les erreurs que vous rencontrez couramment, avec la cause et la commande à lancer pour chacune. Elle commence par les trois commandes de diagnostic à lancer en premier (claude doctor pour le diagnostic complet, /status pour l'authentification active, /context pour la répartition du contexte), puis se concentre sur les quatre familles fréquentes (usage/limites de débit, débordement de contexte, authentification expirée, échecs de connexion MCP) avec des tableaux symptôme→cause→commande de correction couvrant l'authentification et la connexion, l'usage/les limites de débit (Claude Code brûle 10 à 100 fois plus de tokens que le chat), le contexte et les tokens (prompt trop long, compaction qui s'emballe), le serveur et le modèle (500/529/timeout/model not found), l'installation/le PATH/la mise à jour, le réseau et le proxy (ECONNREFUSED, TLS), le MCP, les permissions (deny l'emporte sur bypass) et divers (blocs thinking 400, image/PDF, IDE). Elle se termine par un aide-mémoire erreur→correctif et une FAQ. D'après la documentation officielle de Claude Code (à jour en 2026) : en cas de blocage, lancez les trois commandes de diagnostic, et si ce n'est pas réglé, lancez claude update.

En 2026, le carré d'as des outils de codage IA s'est précisé — Cursor, Claude Code, GitHub Copilot et Codex. Mais les aligner pour couronner un seul vainqueur vous égare, car les quatre sont de types différents. Cet article fixe d'abord le point clé — la différence de type (Cursor = éditeur IA, Copilot = plugin intégré à l'IDE, Claude Code = agent CLI local, Codex = agent cloud asynchrone) — puis couvre ce qu'est vraiment chaque outil, un tableau de specs sur les mêmes axes (type, prix d'entrée et supérieur, modèles, contexte, points forts), comment lire le virage de 2026 du forfait fixe vers « quota + usage (crédits) », les recommandations par profil (simplicité = Copilot $10+, expérience d'édition = Cursor, travail lourd multi-fichiers = Claude Code, lots asynchrones = Codex), l'habitude des développeurs compétents de combiner « un côté IDE + un agent terminal », et des mises en garde honnêtes sur les tarifs et les benchmarks — le tout sur la base de sources officielles et de plusieurs médias.

« Je veux traduire ma documentation en de nombreuses langues. Claude Code ou Codex ? » La question cache un piège : ni l'un ni l'autre n'est un moteur de traduction — ce sont des environnements de travail CLI agentiques, et c'est le modèle en dessous qui produit le texte. Cet article scinde le problème en deux axes : l'environnement de travail (choix de l'outil) et la qualité de traduction (choix du modèle). Côté outil, Claude Code — avec son accès direct aux fichiers locaux, un contexte de 1M de tokens et une forte cohérence d'édition multi-fichiers — convient à la traduction d'un dépôt, tandis que Codex (cloud asynchrone, automatisation des PR, CLI open source) convient aux lots sans intervention. Côté modèle, en s'appuyant sur les scores officiels par langue d'Anthropic relatifs à l'anglais (de l'espagnol 98.1% au japonais 96.9%) comme données primaires, il expose les tendances : Claude pour la cohérence du ton des longs documents, la gamme GPT-5.5 pour le naturel et les idiomes, et la gamme Gemini 3.1 Pro / Flash pour l'étendue à travers les langues peu dotées et les dialectes. Il ajoute un tableau par langue/par cas d'usage, cinq règles d'or pour un pipeline de traduction (glossaire, exécutions parallèles, etc.) et des réserves honnêtes comme « le benchmark n'est pas la qualité de traduction réelle » — le tout à jour pour 2026.

Le 28 mai 2026, Anthropic a publié Claude Opus 4.8 à peine deux mois après le modèle précédent. Cette fois, le titre n'est pas les gains de benchmark mais le fait « d'être plus honnête ». En s'appuyant sur l'annonce officielle d'Anthropic et la system card, cet article couvre les spécifications clés (claude-opus-4-8, 1M tokens, 128K de sortie max), une comparaison de benchmarks en face à face (SWE-bench Pro 64.3 à 69.2%, USAMO 2026 69.3 à 96.7%, GraphWalks 1M 40.3 à 68.1%, tandis que GPQA Diamond recule légèrement), la tarification (standard maintenu plus mode rapide ~2,5x plus rapide et concrètement trois fois moins cher), trois nouvelles fonctionnalités (le paramètre effort à quatre niveaux et la réflexion adaptative, les workflows dynamiques qui lancent des dizaines à des centaines de sous-agents parallèles en aperçu de recherche, et les entrées system dans la Messages API), le plus grand bond de tous — l'honnêteté (0% de rapport sans esprit critique de résultats erronés, 10x moins de surconfiance, environ un quart des failles de code manquées) — ainsi que les régressions à dire honnêtement (robustesse à l'injection de prompt 6.0 à 9.6%, pas le leader sur le multilingue), et qui devrait migrer dès maintenant.

Vous venez de terminer une fonctionnalité dans Claude Code et vous allez cliquer sur « Create PR » quand une bannière rouge apparaît : « Impossible de vérifier le statut de la pull request. Cette information peut être obsolète. » Ce n'est pas un défaut de code — Claude Code a simplement contacté GitHub pour récupérer l'état le plus récent de la PR et cette unique requête a échoué, et c'est généralement un délai de synchronisation sans gravité. Cet article couvre le sens exact de l'erreur, comment Claude Code voit votre PR (une requête via la CLI gh, avec une note précisant que l'implémentation interne n'est pas documentée), les 5 causes racines (auth expirée, pas encore de push/PR, réseau/proxy, scopes insuffisants, passager), un ordre de diagnostic en 4 étapes depuis gh auth status, un aide-mémoire des commandes (gh auth login/refresh/pr status et plus), comment distinguer quand « peut être obsolète » est ignorable de quand il faut agir, la solution de contournement gh pr create, une liste de contrôle anti-récidive, et une FAQ. La règle : suspectez la connexion GitHub avant de suspecter le code.

Vous travaillez dans Claude Code quand soudain une erreur 400 apparaît et que chaque saisie suivante la répète : "thinking or redacted_thinking blocks in the latest assistant message cannot be modified." C'est un bug connu avec plusieurs tickets ouverts sur le dépôt officiel d'Anthropic, et dans la plupart des cas ce n'est pas la faute de l'utilisateur. Cet article explique ce que signifie l'erreur, comment fonctionnent les blocs thinking de l'extended thinking et leurs signatures cryptographiques, les 5 causes profondes de non-concordance de signature (bug de reprise de session, entrelacement du streaming, logique de réparation qui dérape, proxys tiers, modification de l'historique dans votre propre app), 3 solutions de récupération pour les utilisateurs de Claude Code (Esc x2/rewind, nouvelle session /clear, outil de réparation JSONL), le correctif permanent le plus important (mise à jour vers la dernière version), 3 principes de prévention pour les développeurs API/SDK (aller-retour tel quel, retrait complet, garde-fou défensif), comment la distinguer de 3 erreurs similaires, et une checklist de prévention des recidives.