Bonnes pratiques d'ingénierie de requêtes pour 2026

Obtenez de meilleurs résultats de l’IA grâce aux techniques d’ingénierie de requêtes développées par l'équipe à l'origine de Claude.

  • ProduitClaude apps
  • Date10 novembre 2025
  • Temps de lecture24 min
  • Partager

Qu'est-ce que l'ingénierie de requêtes ?

L'ingénierie de requêtes est l’art de structurer des instructions pour obtenir de meilleurs résultats à partir des modèles d’IA. Elle consiste à formuler les requêtes, spécifier le style, fournir le contexte et orienter le comportement du modèle pour atteindre vos objectifs.

Une instruction vague peut produire des résultats génériques, tandis qu’une requête bien conçue permet d’obtenir exactement ce dont vous avez besoin. Une requête mal structurée peut nécessiter plusieurs échanges pour clarifier l’intention, alors qu’une requête bien conçue vous permet d’y parvenir d’un seul coup.

C'est également une composante essentielle de l'ingénierie contextuelle, devenue un aspect de plus en plus important du travail avec les LLM. Une requête mal structurée peut nécessiter plusieurs échanges pour clarifier l’intention, alors qu’une requête bien conçue vous permet d’y parvenir d’un seul coup. Cependant, pour les modèles Claude de 5e génération, l'ingénierie de requêtes converge avec l'ingénierie contextuelle, en privilégiant la sélection et l'organisation du contexte plutôt que les structures d'instructions complexes.

Pour vous aider à démarrer, nous avons rassemblé les meilleures pratiques de notre équipe, ainsi que des méthodes pratiques conçues pour améliorer vos résultats dès le début. Nous commençons par des habitudes simples et faciles à mettre en pratique dès aujourd'hui, puis évoluons vers des méthodes avancées pour les projets complexes.

Utilisation de l’ingénierie de requêtes

Au niveau le plus élémentaire, l'ingénierie de requêtes consiste à modifier les requêtes envoyées à votre LLM. Il suffit souvent d'ajouter des informations à la requête avant de formuler sa demande proprement dite. Il est essentiel de savoir quelles sont les bonnes informations à partager pour créer une requête efficace.

Techniques de base

Ces techniques d'ingénierie de requêtes constituent la base d’interactions efficaces avec les IA. Utilisez-les régulièrement pour améliorer immédiatement la qualité des réponses.

Soyez clair et explicite

Les modèles d'IA modernes répondent exceptionnellement bien aux instructions claires et explicites. Ne partez pas du principe que le modèle va déduire ce que vous voulez, dites-le clairement. Utilisez un langage simple, expliquant exactement ce que vous voulez, sans ambiguïté.

Principe clé : indiquez exactement au modèle ce que vous attendez. Si vous souhaitez un résultat exhaustif, demandez-le. Si vous souhaitez des fonctionnalités précises, indiquez-les. Les modèles modernes comme Claude bénéficient particulièrement d’une instruction explicite.

Exemple : création d'un tableau de bord d’analyse

Vague : « Créez un tableau de bord d’analyse »

Explicite : « Créez un tableau de bord d’analyse. Incluez autant de fonctionnalités et d'interactions pertinentes que possible. Allez au-delà des bases pour créer une implémentation complète, dotée de toutes les fonctionnalités nécessaires. »

La deuxième version demande explicitement des fonctionnalités complètes et indique que vous souhaitez que le modèle aille au-delà du minimum.

Bonnes pratiques :

  • Commencez par des verbes d'action directs : « Écrire », « Analyser », « Générer », « Créer »
  • Évitez les préambules et passez directement à la requête
  • Indiquez ce que vous souhaitez inclure dans le résultat, pas seulement ce qui doit être traité
  • Spécifiez les attentes en matière de qualité et de détail

Fournissez le contexte et la motivation

Expliquer pourquoi un élément est important aide les modèles d'IA à mieux comprendre vos objectifs et à fournir des réponses plus ciblées. Cette méthode est particulièrement efficace avec les modèles plus récents capables de raisonner en fonction de vos objectifs.

Exemple : préférences de mise en forme

Moins efficace : « N'utilisez JAMAIS de listes à puces »

Plus efficace : « Je préfère les réponses sous forme de paragraphes naturels plutôt que de listes à puces, car je les trouve plus faciles à lire et elles donnent davantage l'impression d'une conversation. Les listes à puces me semblent trop formelles et trop schématiques pour ma façon d'apprendre, plutôt décontractée. »

La deuxième version aide le modèle à comprendre le raisonnement derrière la règle, ce qui lui permet de prendre de meilleures décisions concernant les choix de mise en forme.

Quand fournir le contexte :

  • Expliquer l'objectif ou le public du résultat
  • Expliquer pourquoi certaines contraintes sont nécessaires
  • Décrire l’utilisation du résultat
  • Indiquer le problème que vous essayez de résoudre

Soyez précis

Spécificité de l’ingénierie de requêtes : structuration de vos instructions, avec directives et exigences explicites. Plus vous précisez ce que vous souhaitez, meilleurs sont les résultats.

Exemple : planification des repas

Vague : « Créez un plan de repas adapté à un régime méditerranéen »

Spécifique : « Concevez un plan de repas méditerranéens pour la prise en charge du prédiabète. 1 800 calories par jour, avec un accent particulier sur les aliments à faible indice glycémique. Listez le petit-déjeuner, le déjeuner, le dîner et une collation avec le détail des apports nutritionnels. »

Qu'est-ce qui rend une requête suffisamment spécifique ?

Incluez :

  • Contraintes claires (nombre de mots, format, délais)
  • Contexte pertinent (public, objectif)
  • Structure de sortie souhaitée (tableau, liste, paragraphe)
  • Exigences ou restrictions éventuelles (régime alimentaire, budget, contraintes techniques)

Exemples d’utilisation

Les exemples ne sont pas toujours nécessaires, mais ils sont excellents pour expliquer des concepts ou présenter des formats spécifiques. Cette technique, appelée one-shot ou few-shot prompting selon qu’elle repose sur un ou plusieurs exemples, permet de montrer ce qui est attendu plutôt que de simplement le décrire, et ainsi de préciser des exigences subtiles difficiles à décrire autrement.

Remarque importante pour les modèles modernes : Claude 4.x et les modèles avancés similaires accordent une attention particulière aux détails dans les exemples. Veillez à ce que vos exemples illustrent les comportements souhaités et évitez autant que possible les schémas que vous ne souhaitez pas reproduire.

Exemple : résumé d'article

Sans exemple : « Résumez cet article »

Here's an example of the summary style I want:

Article: [link to article about AI regulation]
Summary: EU passes comprehensive AI Act targeting high-risk systems. Key provisions include transparency requirements and human oversight mandates. Takes effect 2026.

Now summarize this article in the same style: [link to your new article]

Quand utiliser des exemples :

  • Le format souhaité est plus facile à montrer qu'à décrire
  • Vous avez besoin d’un ton ou d’un style spécifique
  • La tâche implique des schémas ou conventions subtils
  • Les instructions simples ne donnaient pas de résultats cohérents

Conseil de pro : commencez par un exemple (one-shot). Ajoutez quelques exemples supplémentaires (few-shot) si le résultat ne correspond toujours pas à vos besoins.

Autorisez Claude à exprimer son incertitude

Donnez explicitement à l'IA la permission d'exprimer ses incertitudes plutôt que de formuler des suppositions. Vous réduirez les hallucinations et gagnerez en fiabilité.

Exemple : « Analysez ces données financières et identifiez les tendances. Si les données sont insuffisantes pour tirer des conclusions, dites-le plutôt que de spéculer. »

Cet ajout simple rend les réponses plus fiables, puisque le modèle reconnaît ses limites.

Essayez ces conseils dans Claude.

Techniques avancées d’ingénierie de requêtes

Ces habitudes de base seront déjà suffisantes pour de nombreuses tâches, mais il se peut que vous soyez confronté à des situations nécessitant des approches plus sophistiquées. Les techniques avancées d’ingénierie de requêtes sont particulièrement utiles pour les solutions agentiques, les structures de données complexes ou la décomposition de problèmes en plusieurs étapes.

Pré-remplissez la réponse de l'IA

Le préremplissage permet d'amorcer la réponse de l'IA, en guidant le format, le ton ou la structure. Cette technique est particulièrement puissante pour imposer un format de sortie ou ignorer des préambules.

Quand utiliser le préremplissage :

  • Vous avez besoin d’une IA capable de produire du JSON, du XML ou d'autres formats structurés
  • Vous souhaitez passer directement au contenu, en sautant les préambules
  • Vous devez maintenir un ton ou un personnage spécifique
  • Vous souhaitez contrôler la manière dont l’IA commence sa réponse

Exemple : obligation du format JSON

Sans pré-remplissage, Claude pourrait dire : « Voici le JSON que vous avez demandé : {...}»

Avec pré-remplissage (utilisation de l'API) :

messages=[
    {"role": "user", "content": "Extract the name and price from this product description into JSON."},
    {"role": "assistant", "content": "{"}
]

L'IA poursuivra sa réponse à partir de l'accolade ouvrante et ne produira que du JSON valide.

Remarque : dans les interfaces de chat, vous pouvez obtenir un résultat similaire en formulant une instruction très explicite : « JSON valide uniquement, sans préambule. Commencez votre réponse par une accolade. »

Requête par chaîne de pensée

Les requêtes par chaînes de pensée impliquent un raisonnement étape par étape avant la réponse. Cette technique est utile pour les tâches d'analyse complexes qui nécessitent un raisonnement structuré.

Approche moderne : Claude offre une fonctionnalité de réflexion étendue qui automatise le raisonnement structuré. Lorsqu’elle est disponible, la réflexion étendue est généralement préférable aux requêtes par chaîne de pensée manuelle. Cependant, la compréhension de la chaîne de pensée manuelle reste précieuse dans les situations où la réflexion étendue n'est pas disponible ou lorsque vous avez besoin d'un raisonnement explicite que vous pouvez examiner.

Quand utiliser la chaîne de pensée :

  • En l'absence de réflexion étendue (par exemple, dans le plan Claude.ai gratuit)
  • Vous avez besoin d’un raisonnement transparent, que vous pourrez réviser
  • La tâche nécessite plusieurs étapes d'analyse
  • Vous voulez vous assurer que l'IA prend en compte des facteurs spécifiques

Il existe trois mises en œuvre courantes de la chaîne de pensée :

Chaîne de pensée de base

Il suffit d'ajouter « Réfléchir étape par étape » à vos instructions.

Draft personalized emails to donors asking for contributions to this year's Care for Kids program.

Program information:
<program>
{{PROGRAM_DETAILS}}
</program>

Donor information:
<donor>
{{DONOR_DETAILS}}
</donor>

Think step-by-step before you write the email.

Chaîne de pensée guidée

Structurez votre requête en donnant des étapes de raisonnement spécifiques.

Think before you write the email. First, think through what messaging might appeal to this donor given their donation history. Then, consider which aspects of the Care for Kids program would resonate with them. Finally, write the personalized donor email using your analysis.

Chaîne de pensée structurée

Utilisez des balises pour séparer le raisonnement de la réponse finale.

Think before you write the email in <thinking> tags. First, analyze what messaging would appeal to this donor. Then, identify relevant program aspects. Finally, write the personalized donor email in <email> tags, using your analysis.

Remarque : même lorsque la réflexion étendue est disponible, les requêtes par chaîne de pensée explicite peuvent être utiles pour les tâches complexes. Les deux approches sont complémentaires, mais ne s’excluent pas.

Contrôle du format de sortie

Les modèles d'IA modernes disposent de plusieurs méthodes efficaces pour contrôler la mise en forme des réponses :

1. Indiquez à l'IA ce qu’elle doit faire et non pas ce qu’elle ne doit PAS faire

Plutôt que « N'utilisez pas de Markdown dans votre réponse. », essayez plutôt : « Votre réponse doit être composée de paragraphes fluides en prose »

2. Adaptez le style de votre requête au résultat souhaité

Le style de mise en forme de votre requête peut influencer le style de réponse de l'IA. Si vous souhaitez que la réponse intègre le moins de markdown possible, utilisez-en dans votre requête.

3. Précisez vos préférences de mise en forme

Pour un contrôle détaillé de la mise en forme :

When writing reports or analyses, write in clear, flowing prose using complete paragraphs. Use standard paragraph breaks for organization. Reserve markdown primarily for inline code, code blocks, and simple headings.

DO NOT use ordered lists or unordered lists unless you're presenting truly discrete items where a list format is the best option, or the user explicitly requests a list.

Instead of listing items with bullets, incorporate them naturally into sentences. Your goal is readable, flowing text that guides the reader naturally through ideas.

Chaîne de requêtes

Contrairement aux techniques précédentes, la chaîne de requêtes ne peut pas être mise en œuvre dans une seule requête. Les chaînes décomposent les tâches complexes en étapes séquentielles plus petites, grâce à des requêtes distinctes. Chaque requête traite une étape, et son résultat est transmis à la requête suivante..

Cette approche améliore la précision au prix d'une latence accrue, en rendant chaque tâche individuelle plus simple. Généralement, cette technique est implémentée à l'aide de flux de travail ou de manière programmatique, mais vous pouvez fournir les requêtes manuellement après avoir reçu les réponses.

Exemple : résumé de recherche

  1. Première requête : « Résumez cet article médical en expliquant la méthodologie, les résultats et les implications cliniques. »
  2. Deuxième requête : « Vérifiez que le résumé ci-dessus est exact, clair et complet. Fournissez une évaluation notée. »
  3. Troisième requête : « Améliorez le résumé en fonction de ces commentaires : [retours de l'étape 2] »

Chaque étape permet d'affiner le résultat grâce à une instruction ciblée.

Quand utiliser les chaînes de requêtes :

  • Vous avez une requête complexe qui doit être décomposée en étapes
  • Vous avez besoin d’un affinage progressif
  • Vous effectuez une analyse en plusieurs étapes
  • Une validation intermédiaire améliore le résultat
  • Une seule requête produit des résultats incohérents

Compromis : le chaînage augmente la latence (appels API multiples), mais améliore souvent considérablement la précision et la fiabilité pour les tâches complexes.

Techniques dont vous avez peut-être entendu parler

Certaines techniques d'ingénierie de requêtes, populaires à l'époque des premiers modèles d'IA, sont moins nécessaires avec des modèles comme Claude. Elles peuvent toutefois être utilisées dans d'anciennes documentations ou être utiles dans des situations spécifiques.

Balises XML pour la structure

Les balises XML étaient autrefois recommandées pour structurer et clarifier les requêtes, notamment pour l’intégration de grandes quantités de données. Les modèles modernes comprennent mieux les structures sans balises XML, mais ces dernières peuvent néanmoins être utiles dans des situations spécifiques.

Exemple :

<athlete_information>
- Height: 6'2"
- Weight: 180 lbs
- Goal: Build muscle
- Dietary restrictions: Vegetarian
</athlete_information>

Generate a meal plan based on the athlete information above.

Quand des balises XML peuvent toujours être utiles :

  • Vous travaillez avec des requêtes extrêmement complexes associant plusieurs types de contenu
  • Vous devez être absolument certain des limites de contenu
  • Vous travaillez avec des versions de modèles plus anciennes

Alternative moderne : dans la plupart des cas d'usage, des titres clairs, des espaces blancs et un langage explicite (« À partir des informations sur l'athlète ci-dessous… ») fonctionnent aussi bien, tout en évitant la surcharge.

Requêtes basées sur les rôles

Les requêtes basées sur des rôles permettent de cadrer la requête en assignant à l'IA un rôle d’expert et une perspective précise. Même si elles peuvent être efficaces, les modèles modernes sont suffisamment performants pour que ces instructions de rôle trop insistantes soient souvent superflues.

Exemple : « Vous êtes conseiller financier. Analysez ce portefeuille de placements… »

Mise en garde importante : évitez de définir le rôle de manière trop restrictive. « Vous êtes un assistant serviable » est souvent préférable à « Vous êtes un expert de renommée mondiale, qui s'exprime toujours en jargon technique et ne commet jamais d’erreurs. » Des rôles trop spécifiques peuvent limiter l'utilité de l'IA.

Situations dans lesquelles les requêtes basées sur des rôles peuvent être utiles :

  • Vous avez besoin d’un ton cohérent pour de nombreux résultats
  • Vous développez une application nécessitant un personnage ou un profil particulier
  • Vous souhaitez aborder des sujets complexes sous l'angle d'une expertise métier

Alternative moderne : il est souvent plus efficace de préciser le point de vue que vous souhaitez voir adopter : « Analysez ce portefeuille d’investissements, en vous concentrant sur la tolérance au risque et le potentiel de croissance à long terme » plutôt que d’attribuer un rôle.

Essayez dans Claude.

Synthèse

Nous avons passé en revue les différentes techniques, mais elles révèlent tout leur potentiel lorsqu'on les combine judicieusement. L'ingénierie de requêtes ne fait pas appel à toutes les techniques disponibles : elle sélectionne la combinaison adaptée à vos besoins spécifiques.

Exemple combinant plusieurs techniques :

xtract key financial metrics from this quarterly report and present them in JSON format.

I need this data for automated processing, so it's critical that your response contains ONLY valid JSON with no preamble or explanation.

Use this structure:
{
  "revenue": "value with units",
  "profit_margin": "percentage",
  "growth_rate": "percentage"
}

If any metric is not clearly stated in the report, use null rather than guessing.

Begin your response with an opening brace: {

Cette requête combine les éléments suivants :

  • Instructions explicites (exactement ce qu’il faut extraire)
  • Contexte (pourquoi le format est important)
  • Exemple de structure (présentant le format)
  • Autorisation d’exprimer l’incertitude (utiliser null en cas d'incertitude)
  • Contrôle de format (commencez par une accolade ouvrante)

Choisir les bonnes techniques

Toutes les techniques ne sont pas nécessaires dans toutes les requêtes. Voici un cadre de décision :

Commencez ici :

  1. Votre requête est-elle claire et explicite ? Sinon, commencez par améliorer la clarté
  2. La tâche est-elle simple ? Utilisez uniquement les techniques de base (précision, clarté, contexte)
  3. La tâche nécessite-t-elle une mise en forme spécifique ? Utilisez des exemples ou le préremplissage
  4. La tâche est-elle complexe ? Envisagez de la décomposer (chaînes)
  5. La tâche nécessite-t-elle un raisonnement ? Utilisez la réflexion étendue (si disponible) ou la chaîne de pensée

‍Guide pour choisir la technique :

Si vous avez besoin...Utilisez..
Format de sortie spécifiqueExemples, préremplissage ou instructions explicites sur le format
Raisonnement étape par étapeRéflexion étendue (Claude 4.x) ou chaîne de pensée
Tâche complexe en plusieurs étapesChaîne de requêtes
Raisonnement transparentChaîne de pensée avec résultats structurés
Pour prévenir les hallucinationsAutorisation d'indiquer « Je ne sais pas »

Résolution des problèmes courants liés aux requêtes

Même les requêtes bien intentionnées peuvent produire des résultats inattendus. Problèmes courants et mode de résolution :

  • Problème : réponse trop générique → Solution : spécificité, exemples ou demandes explicites pour obtenir un résultat complet. Demandez à l'IA d'aller au-delà de l’essentiel.
  • Problème : réponse hors sujet ou qui ne répond pas à la question → Solution : précisez votre objectif réel. Expliquez pourquoi vous formulez cette demande.
  • Problème : format de réponse incohérent → Solution : ajoutez plusieurs exemples (few-shot) ou utilisez le préremplissage pour contrôler le début de la réponse.
  • Problème : la tâche est trop complexe, les résultats ne sont pas fiables → Solution : plusieurs requêtes (chaîne). Chaque requête doit correspondre à une seule action.
  • Problème : l'IA inclut des préambules inutiles → Solution : préremplissage ou demande explicite : « Évitez le préambule et passez directement à la réponse. »
  • Problème : l'IA invente des informations → Solution : donnez explicitement la permission de dire « Je ne sais pas » en cas d’incertitude.
  • Problème : l'IA propose des modifications alors que vous souhaitiez qu'elle les applique → Solution : précisez l’action : « Modifiez cette fonction » plutôt que « Pouvez-vous suggérer des modifications ? »

Conseil pro : commencez simplement et ajoutez de la complexité si nécessaire. Testez chaque ajout pour voir s'il améliore les résultats.

Erreurs courantes à éviter

Ces pièges courants vous aideront à gagner du temps et à améliorer vos requêtes :

  • Évitez de compliquer inutilement vos requêtes : les requêtes longues et complexes ne sont PAS toujours meilleures.
  • Ne négligez pas les bases : les techniques avancées ne vous aideront pas si votre requête de base n’est pas claire ou vague.
  • Ne pensez pas que l'IA lit dans les pensées : précisez ce que vous attendez. Toute ambiguïté laisse place aux malentendus.
  • N’utilisez pas toutes les techniques à la fois : choisissez des techniques adaptées à votre problématique.
  • N'oubliez pas d'affiner vos requêtes par itérations : la première requête fonctionne rarement parfaitement. Testez et affinez.
  • Plus besoin de techniques dépassées : les balises XML et les instructions de rôle trop détaillées sont moins nécessaires avec les modèles modernes. Commencez par des instructions claires et explicites.

Considérations pour l’ingénierie de requêtes

Utilisation de contenus longs

L'une des difficultés de la mise en œuvre de l'ingénierie de requêtes avancée est qu'elle alourdit le contexte en consommant davantage de jetons. Exemples, requêtes multiples, instructions détaillées : tous ces éléments consomment des jetons, et la gestion du contexte constitue une compétence à part entière.

N’oubliez pas : les techniques d’ingénierie de requêtes utilisées doivent toujours être justifiées. Pour obtenir des conseils complets sur la gestion efficace du contexte, consultez notre article de blog sur l'ingénierie contextuelle.

Amélioration de la prise en compte du contexte : les modèles d'IA modernes, dont Claude 4.x, ont considérablement amélioré leurs capacités de prise en compte du contexte, permettant de résoudre les problèmes historiques de perte d'informations au milieu du contexte : les modèles avaient du mal à accorder la même attention à toutes les parties d'un contexte long.

Pourquoi le fractionnement des tâches reste utile : même avec ces améliorations, la décomposition de grandes tâches en parties distinctes reste une technique précieuse, non pas en raison de limites contextuelles, mais parce qu'elle aide le modèle à se concentrer sur le meilleur travail possible, selon des exigences et un champ d’application très spécifiques. Une tâche bien délimitée produit des résultats de meilleure qualité que si on essayait d’atteindre plusieurs objectifs en une seule requête.

Stratégie : lorsque vous travaillez avec des contextes longs, structurez clairement vos informations, avec les détails les plus critiques au début ou à la fin. Pour les tâches complexes, demandez-vous si leur division en sous-tâches ciblées améliorerait la qualité et la fiabilité de chaque composant.

Exemples d'ingénierie de requêtes : à quoi ressemble une bonne requête

L'ingénierie de requêtes est une compétence qui demande un peu de pratique. La seule façon de savoir si votre requête est correcte, c’est de la tester. La première étape consiste à l’essayer vous-même. Vous verrez immédiatement les différences entre les requêtes, qu'elles reprennent ou non les techniques de requêtes présentées ici.

Pour affiner vos compétences en ingénierie de requêtes, vous devez mesurer objectivement l'efficacité de vos requêtes. Bonne nouvelle, c'est exactement ce que couvre notre cours d’ingénierie de requêtes sur anthropic.skilljar.com.

Conseils pour une évaluation rapide :

  • Le résultat correspond-il à vos exigences spécifiques ?
  • Avez-vous obtenu le résultat en une fois ou vous a-t-il fallu plusieurs essais ?
  • Le format est-il cohérent dans toutes vos tentatives ?
  • Réussissez-vous à éviter les erreurs courantes énumérées ci-dessus ?

Derniers conseils

L'ingénierie de requêtes est avant tout une question de communication : utilisez un langage qui permet à l'IA de comprendre plus clairement vos intentions. Commencez par les techniques de base présentées au début de ce guide. Utilisez-les de manière constante jusqu'à ce qu'elles deviennent naturelles. Introduisez des techniques avancées uniquement pour résoudre un problème spécifique.

N’oubliez pas : les meilleures requêtes ne sont pas nécessairement longues ni complexes. Une bonne requête atteint vos objectifs de manière fiable, avec le minimum de structure nécessaire. La pratique vous aidera à développer une intuition pour identifier les techniques les plus adaptées à chaque situation.

Pour les instructions que vous souhaitez appliquer à chaque session plutôt qu'à chaque requête, déplacez-les dans des fichiers CLAUDE.md, des skills ou d'autres mécanismes permettant de guider le modèle. Cependant, ce passage à l'ingénierie contextuelle ne diminue pas l'importance de l'ingénierie de requêtes.

En fait, l'ingénierie de requêtes est un élément fondamental de l’ingénierie contextuelle. Chaque requête bien conçue s'inscrit dans un contexte plus large qui détermine le comportement de l'IA, aux côtés de l'historique des conversations, des pièces jointes et des instructions système pour obtenir de meilleurs résultats.

Commencez à utiliser Claude dès aujourd'hui.

Ressources supplémentaires

Transformez le fonctionnement de votre organisation avec Claude

Recevoir la newsletter développeur

Mises à jour produit, tutoriels, sélections de la communauté, et bien plus. Livrés chaque mois dans votre boîte mail.

Veuillez indiquer votre adresse e-mail si vous souhaitez recevoir notre newsletter mensuelle pour développeurs. Vous pouvez vous désabonner à tout moment.