Guide Claude AI : astuces et bonnes pratiques

Comparaison approfondie des deux géants du codage par IA de juillet 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 (SWE-bench Pro 69,2 % vs Sol 64,6 %) et met en avant l'honnêteté (laisse passer les défauts de son propre code environ 4 fois moins souvent ; n'omet de signaler les échecs importants que dans 3,7 % des cas). GPQA Diamond et FrontierMath, présentés comme non publiés, figurent dans le tableau d'évaluation d'OpenAI avec Sol devant (comme sur GraphWalks 1M), et sur SWE-bench Pro même le propre tableau d'OpenAI place Opus devant : sur le cœur du codage, Opus 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. Depuis septembre 2026 existe aussi une nouvelle forme de réinitialisation accordée, que vous utilisez quand vous le voulez (« Reset for free » dans Settings > Usage, sur le web ou dans Claude Desktop ; Claude Code dans le terminal n'a pas ce bouton). Lorsqu'une chose ne peut pas être affirmée, nous le disons — une enquête à jour en septembre 2026.

Le sandbox de Claude Code limite au niveau de l'OS les accès aux fichiers et au réseau des shells isolés et de leurs processus enfants. Découvrez /sandbox, les emplacements inscriptibles, les lectures refusées, les domaines autorisés et les modes regular et auto-allow. Read/Edit/Write intégrés, MCP, hooks, commandes exclues et reprises hors sandbox constituent des voies distinctes. Il ne garantit pas de bloquer toute destruction, transmission dans le périmètre autorisé ou fuite de secrets ; le guide explique le traitement des hôtes inconnus selon le mode et les réglages d'exception.

Pour ceux qui restent bloqués sur « au fond, que demander à une IA ? », voici 30 « sujets » qu'il suffit de copier-coller pour obtenir une réponse amusante. 6 genres × 5 questions : se connaître (forces cachées, valeurs, à quel animal vous ressemblez), ouvrir l'imagination · mondes du « et si » (usages inattendus d'un objet banal, la gravité réduite de moitié, inventer un jour férié), des explications qui donnent l'impression d'avoir compris (la physique quantique pour un enfant de 5 ans, les intérêts composés en 3 métaphores, Internet expliqué comme une livraison de pizza), jeux de mots (réécriture en 10 styles, micro-nouvelle en 2 phrases, création de surnoms, palindromes), jeu de rôle · conseils (coach de vie sévère, sage aux proverbes inventés, lettre de votre futur vous, extraterrestre déconcerté), et utile mais amusant (excuse changée en maxime, refus sur 5 niveaux, message fade amélioré, nom de menu dramatique, pause plaisir dans la to-do). Tout se teste avec ChatGPT, Claude ou Gemini gratuits. Avec les astuces pour rendre ça drôle (empiler les « encore », rôle & contraintes, changer d'IA), des précautions et un lien vers l'article jumeau « 15 façons amusantes d'utiliser l'IA ».

Quand on parle d'IA, c'est toujours du sérieux, mais c'est peut-être dans le jeu que l'IA brille le plus. Cet article présente 15 façons amusantes d'utiliser l'IA, chacune avec un prompt à copier-coller à essayer tout de suite. Jeux de mots & humour (① battles d'humour ② machine à raps/parodies ③ usine à noms), jeu de rôle & dialogue (④ discuter avec un personnage historique ⑤ faire débattre deux IA ⑥ s'entraîner face à un bot avocat du diable), jeux (⑦ aventure textuelle avec l'IA en maître du jeu ⑧ show de quiz sur mesure ⑨ jeu d'enquête), création (⑩ encyclopédie de créatures fictives ⑪ une histoire où vous êtes le héros ⑫ jouer avec la génération d'images), et quotidien & inattendu (⑬ chef des restes ⑭ voyages vers la Rome antique ou la Lune ⑮ voyante de divertissement). Tout fonctionne avec ChatGPT, Claude ou Gemini gratuits (sauf le n° 12, la génération d'images, que Claude ne fait pas : utilisez ChatGPT ou Gemini). Les trois clés du plaisir — donnez-lui un rôle, bridez-la avec des contraintes, empilez les « encore » — sont aussi les bases du prompt engineering pratique. Avec des précautions (vrai contre faux, données personnelles, jouer avec les enfants) et une FAQ.

Claude Fable 5 et Opus 5 sont tous deux haut de gamme, mais la réponse n'est ni « toujours Fable 5 » ni « toujours Opus 5 » — choisissez selon la tâche. Et l'arrivée d'Opus 5 le 24 juillet 2026 a fait bouger cette réponse en profondeur : la génération précédente, Opus 4.8, occupait le créneau « un cran en dessous de Fable 5, mais moitié prix », alors qu'Opus 5 conserve le même tarif de 5 $ / 25 $ tout en égalant ou dépassant Fable 5 sur les benchmarks agentiques (Frontier-Bench 43,3 % contre 33,7 % et OSWorld 2.0 70,6 % contre 66,1 %, d'après le tableau comparatif d'Anthropic ; sur CursorBench 3.2, Anthropic indique qu'il se situe à moins de 0,5 % de Fable 5 pour environ la moitié du coût). Là où l'écart est faible, l'ordre dépend du tableau : sur DeepSWE v1.1, Fable 5 l'emporte 69,7 % contre 68,8 % chez Anthropic, Opus 5 l'emporte 73,7 % contre 69,9 % chez OpenAI. Les specs se rejoignent sur la fenêtre de contexte de 1M et la sortie maximale de 128K ; le mode rapide (environ 2,5×) est réservé à Opus 5 mais coûte 2× et n'existe que sur l'API Claude, et Opus 5 porte la date de coupure des connaissances la plus récente, mai 2026. L'arbre de décision : essayez d'abord Opus 5 et n'escaladez vers Fable 5 que là où il plafonne. En pratique, « Opus 5 en socle, Fable 5 pour les passages difficiles » est optimal, appuyé par la bascule automatique de l'application en cas de blocage de sécurité et par le nouveau mode de repli « default » de l'API. Couvre la disponibilité (suspension en juin, redéploiement en juillet), comment éviter la dépendance à un seul modèle, le réglage de l'effort pour maîtriser le coût et une FAQ — reliant le cluster Fable 5 au guide de sortie d'Opus 5.

Le 1er juillet 2026, Anthropic a redéployé son modèle phare Claude Fable 5 dans le monde entier (Mythos 5 n'est revenu que pour un groupe d'organisations américaines) — seulement 19 jours après la suspension totale des deux modèles du 12 juin en vertu d'un décret américain de contrôle des exportations. La raison directe du retour : le département du Commerce des États-Unis a levé le contrôle des exportations le 30 juin. L'élément déclencheur d'origine était un signalement de jailbreak par des chercheurs d'Amazon, mais Anthropic a toujours soutenu que « Fable 5 n'offre aucune capacité offensive spécifique », et la levée règle l'affaire dans le sens de cette position. Le modèle n'est pas revenu à l'identique : un nouveau classifieur entraîné pour détecter la technique de contournement signalée la bloque dans plus de 99 % des cas, et lorsqu'il se déclenche la requête est automatiquement redirigée vers Opus 4.8 (le bouton « changer de modèle lorsqu'un message est signalé » dans l'application). Pour l'instant un plafond temporaire s'applique — jusqu'à 50 % de la limite hebdomadaire sur les formules Pro, Max, Team et certaines Enterprise jusqu'au 7 juillet, puis via des crédits d'usage. Fable 5 consomme l'usage plus vite qu'Opus 4.8, et l'accès via le cloud (AWS, Google Cloud, Microsoft Foundry) revient par étapes (sans date pour l'instant). En suite de la suspension, cet article explique pourquoi ce retour a été possible, ce qui a changé, les précautions d'usage et la leçon d'une conception qui ne dépend pas d'un seul modèle — sur la base de l'annonce officielle et de la couverture de presse.

Les règles de permission de Claude Code contrôlent les appels d'outils via allow, ask et deny dans settings.json. Découvrez la priorité des réglages, la correspondance des commandes et des chemins et des exemples pratiques. Le guide explique aussi les variantes de commandes Bash, les scripts arbitraires, les motifs de négation Read/Edit et les changements de décision par les mods. Ces règles ne garantissent pas de bloquer les fichiers secrets ou le réseau par toutes les voies.

Le sélecteur « Mode d'autorisation » de Claude Code détermine la fréquence à laquelle Claude demande une autorisation avant de modifier un fichier ou d'exécuter une commande. Ce guide compare les 6 modes (Manuel, Accepter les modifications, Plan, Auto, Ignorer les permissions, dontAsk), explique comment basculer avec Shift+Tab et comment choisir le bon mode en toute sécurité.

Le curseur « Effort » de Claude Code, de « Plus rapide » à « Plus intelligent », règle la quantité de travail consacrée à chaque réponse. L'API compte 5 niveaux (low–max), et Ultracode est un interrupteur à part, utilisable à n'importe quel niveau. Ce guide explique chaque palier, la compatibilité des modèles et comment le configurer.

Les agent evals sont le processus consistant à mesurer systématiquement si un agent — qui utilise des outils et enchaîne plusieurs étapes pour atteindre un objectif — parvient réellement à accomplir ses tâches. Elles sont une évolution des évaluations de LLM, élargissant la cible de « une sortie » à « une séquence d'actions ». Comme un agent planifie, appelle des outils et met à jour son état, la seule sortie finale ne suffit pas ; Google note qu'il faut comprendre le « pourquoi » derrière les actions d'un agent et scinde l'évaluation en réponse finale et trajectory. Les cinq dimensions sont : résultat (réussite de la tâche, jugée par l'état final — qu'une réservation existe dans la DB, et non l'énoncé « j'ai réservé »), trajectory (étapes raisonnables, bons outils dans le bon ordre), justesse de l'usage des outils (bon outil et bons arguments, vérification des noms de fonctions et des types), efficacité (étapes, tokens, coût, latence — souvent des signaux d'observabilité ramenés dans l'évaluation) et qualité de la réponse finale (via LLM-as-judge ou une grille). Les correcteurs sont le code (rapide/peu coûteux/reproductible mais fragile), le LLM-as-judge (souple mais non déterministe et nécessitant une calibration) et l'humain (référence absolue mais coûteux — à éviter si possible). Anthropic recommande de noter le résultat, pas le chemin : la correspondance mécanique de trajectory est « trop rigide et fragile » car les agents trouvent des alternatives valides, tandis que Google et Microsoft proposent des métriques de correspondance de trajectory pour diagnostiquer les échecs. Les pièges propres à ce domaine sont le non-déterminisme (pass^k), les erreurs cumulatives (p^t), le reward hacking (le bras robotisé de DeepMind feignant une prise) et les jeux d'évaluation périmés ou contaminés. La démarche pratique, selon Anthropic : transformer 20-50 échecs de production en cas de test, exécuter une notation automatisée dans le CI, séparer évaluations de capacité et de régression, et les écrire tôt. Des benchmarks comme SWE-bench, tau-bench, WebArena, GAIA, OSWorld et BFCL sont des références utiles (les scores bougent selon la version, ne les prenez pas au pied de la lettre). Basé sur des informations officielles, incertitudes signalées.