Guide de prompting Claude Opus 5.5 : effort, agents, refus et modèles de prompts

Pour bien prompter Claude Opus 5.5, gardez les prompts que vous utilisiez avec Claude Opus 5, réglez le niveau d'effort avant de toucher à la formulation, puis ajoutez au prompt système une ligne ciblée pour chaque comportement que vous voulez changer. Le guide d'Anthropic indique que les prompts Claude Opus 5 existants « devraient bien fonctionner sans modification », et que l'effort est « le premier réglage à ajuster pour arbitrer entre intelligence, latence et coût ». L'essentiel des nouveaux conseils concerne les agents : faire tourner un agent autonome jusqu'au bout, obtenir des mises à jour de progression pendant les longs tours et cadencer une équipe d'agents. Tout ce qui suit provient du guide « Prompting Claude Opus 5.5 » d'Anthropic et de la référence API du modèle, vérifiés le 3 octobre 2026.

Les règles de requête communes avec Claude Fable 5.1, comme l'absence de préremplissage de la réponse de l'assistant et de temperature personnalisée, sont traitées dans le guide de prompting de Claude Fable 5.1. Cet article couvre ce qui est propre à Claude Opus 5.5.

Les prompts Claude Opus 5 fonctionnent-ils avec Claude Opus 5.5 ?

Oui. Anthropic indique qu'ils « devraient bien fonctionner sans modification », et que les méthodes de prompting de Claude Opus 5 « restent un point de départ raisonnable ». Ce qui change, c'est la façon dont le modèle répartit son effort. Claude Opus 5.5 génère les tokens de sortie plus de 30 % plus vite que Claude Opus 5 et termine généralement la même tâche avec moins de tokens.

Anthropic cite quatre domaines où le modèle a progressé, et ce sont eux qui déterminent quelles parties de ce guide vous concernent :

• Programmation agentique et revue de code. Travail en plusieurs étapes dans un vrai dépôt, longues exécutions autonomes avec des sous-agents, et revues de code qui repèrent plus de bugs avec moins de fausses alertes.
• Travail intellectuel. Il donne beaucoup moins souvent un chiffre faux ou une mauvaise source, et repère de petites incohérences dans de gros volumes, comme une date qui tombe le mauvais jour de la semaine.
• Communication. Ses mises à jour de progression et ses rapports finaux disent clairement ce qu'il a fait, ce qu'il a trouvé et ce dont il a besoin de votre part.
• Graphiques, schémas, captures d'écran et utilisation de l'ordinateur. Il lit les supports visuels plus précisément que Claude Opus 5, même au niveau d'effort le plus bas.

Si vos prompts servent surtout au chat, lisez les sections sur l'effort et le chat. Si vous faites tourner des agents, les nouveaux conseils se trouvent dans les sections sur les agents.

Quel niveau d'effort utiliser avec Claude Opus 5.5 ?

Commencez par medium, la valeur par défaut de Claude Opus 5.5 (Claude Opus 5 utilise high par défaut). Définissez-la explicitement et testez plusieurs niveaux sur vos propres tâches au lieu de reprendre la valeur utilisée avec Claude Opus 5. Les noms des niveaux d'effort ne correspondent pas à la même quantité de réflexion d'un modèle à l'autre : dans les tests d'Anthropic, Claude Opus 5.5 en medium « égale ou dépasse Claude Opus 5 en high sur les évaluations de programmation et de travail intellectuel », et sur plusieurs évaluations de programmation, low s'en approche pour un coût bien plus faible.

Définir explicitement medium revient exactement à omettre effort.

À niveau égal, Claude Opus 5.5 réfléchit généralement davantage par tour que Claude Opus 5, surtout en xhigh et max. Gardez trois points en tête :

• Prévoyez de la marge dans max_tokens. La réflexion compte dans max_tokens même quand vous ne la voyez pas, si bien qu'une limite calibrée pour Claude Opus 5 sans réflexion peut couper les réponses. Pour les longs tours de programmation agentique, Anthropic a constaté qu'un max_tokens de 128 000, le maximum du modèle, fonctionnait bien.
• Baissez l'effort avant d'écrire « réfléchis moins ». Baisser l'effort réduit la réflexion, le coût et la latence de façon plus fiable que des instructions dans le prompt.
• Gardez l'effort fixe si vous comptez sur le cache de prompt. Changer la valeur d'effort de premier niveau entre deux requêtes invalide le cache de prompt.

L'effort se règle dans output_config :

{
  "model": "claude-opus-5-5",
  "max_tokens": 128000,
  "output_config": {"effort": "medium"},
  "messages": [{"role": "user", "content": "Review this pull request for bugs and explain each one."}]
}

Peut-on désactiver la réflexion sur Claude Opus 5.5 ?

Non. Claude Opus 5 acceptait "thinking": {"type": "disabled"} en effort high ou inférieur ; Claude Opus 5.5 ne l'accepte pas, et la requête renvoie une erreur 400. La réflexion est adaptative et toujours active. Si votre intégration tournait sans réflexion, Anthropic recommande quatre changements :

1. Partir de l'effort low et mesurer. En low, le modèle garde une réflexion courte. Si le temps jusqu'au premier token compte encore, une ligne de prompt système comme « Answer directly without deliberating. » peut réduire davantage la réflexion, mais vérifiez la qualité après l'avoir ajoutée.
2. Supprimer les instructions qui remplaçaient la réflexion. Si votre prompt demandait au modèle de rédiger son raisonnement dans la réponse, retirez cette ligne et lisez plutôt le raisonnement dans la réflexion résumée. Un prompt qui pousse le modèle à reproduire son raisonnement dans la réponse peut désormais être refusé (voir la section sur les refus plus bas).
3. Retester les anciens contournements. Les règles ajoutées pour éviter les artefacts d'un fonctionnement sans réflexion ne sont peut-être plus utiles. Supprimez toute règle qui interdit au modèle de réfléchir.
4. Lire la réponse par type de bloc. Une réponse peut commencer ou non par un bloc thinking ; vérifiez donc le type de chaque bloc au lieu de supposer que le premier est du texte.

Pour voir le raisonnement, demandez la réflexion résumée :

{
  "model": "claude-opus-5-5",
  "max_tokens": 16000,
  "thinking": {"type": "adaptive", "display": "summarized"},
  "output_config": {"effort": "low"},
  "messages": [{"role": "user", "content": "Which of these three invoices has a total that does not match its line items?"}]
}

Comment empêcher un agent Claude Opus 5.5 autonome de s'arrêter trop tôt ?

Sur les longues tâches, Claude Opus 5.5 tient l'utilisateur informé pendant qu'il travaille, et certaines de ces mises à jour terminent le tour par du texte plutôt que par un appel d'outil (stop_reason: "end_turn"). Une boucle d'agent qui traite chacun de ces tours comme « tâche terminée » s'arrête à mi-chemin. La solution d'Anthropic comporte une partie côté harnais et une partie côté prompt.

Dans le harnais, traitez un tour qui se termine par du texte seul comme un compte rendu, pas comme la preuve que le travail est fini. Tenez les parties de la tâche dans une liste de contrôle que le modèle met à jour, par exemple un outil de to-do ou un fichier. Si un tour se termine avec des éléments encore ouverts et sans blocage signalé, envoyez un court message utilisateur qui les énumère :

Your task list still has open items: migrate the remaining two endpoints and update their tests. Continue with them. If one is blocked, say what is blocking it.

Arrêtez-vous après deux ou trois relances automatiques sur la même tâche, afin qu'une exécution réellement bloquée se termine et puisse être examinée. Si une commande en arrière-plan ou un sous-agent tourne encore, attendez la fin et renvoyez sa sortie comme prochain message utilisateur.

Dans le prompt système, nommez les types d'arrêt prématuré que vous ne voulez pas. L'exemple d'Anthropic, écrit pour des agents qui tournent de façon entièrement autonome, se place à la fin du prompt système dès la première requête de la session. L'ajouter en cours de route modifie le prompt système et invalide les blocs de réflexion antérieurs de la conversation.

A standing instruction from the user, the person you are working for. It is about how your turns end. A message with no tool call in it ends your turn, and the work stops there until you are asked to continue. The user has seen you end turns in four ways while work they asked for was still owed, and does not want any of them. One: a long summary of what was done that closes by announcing the next step and has no tool call, so the next thing never starts. Two: an offer to carry on with something unless the user would prefer otherwise, which stops to wait for an answer the user was not going to give. Three: a list of decisions for the user when, by your own account, none of them blocks the rest of the work. Four: deciding that this is a good place to report, because the turn has been long or a milestone is done. Status notes are welcome, and so are your recommendations on open decisions, but put them in the same message as your next tool call and carry on with whatever does not depend on the user's answer. If you notice yourself inviting the user to redirect you or offering to wait, delete it and do the next thing. The stops the user does want are the ones where nothing can move without them, or where the thing blocking you is deliberately protected from you. This does not override the need for confirmation on risky or destructive actions.

N'ajoutez pas ce texte aux applications avec un humain dans la boucle, où quelqu'un est là pour répondre, et gardez votre propre étape de confirmation pour les actions risquées ou irréversibles. Comptez un peu plus d'appels d'outils et de tokens de sortie par tâche.

Comment obtenir des mises à jour de progression d'un agent Claude Opus 5.5 sur de longues exécutions ?

Entre deux appels d'outils, Claude Opus 5.5 écrit de courtes notes de progression : ce qu'il vient de trouver et ce qu'il va faire ensuite. Sur ce modèle, ces notes reviennent sous forme de blocs thinking et non de blocs text, et leur texte est vide par défaut ; un client qui n'affiche que les blocs text peut donc sembler muet pendant un long tour. Anthropic documente un mode d'affichage en bêta qui renvoie un résumé de chaque note ; la référence API de Claude Opus 5.5 liste les valeurs de thinking.display documentées pour l'endpoint.

Trois leviers côté prompt et harnais fonctionnent sans réglage particulier :

• Donnez au modèle un outil pour le contenu à transmettre tel quel. S'il peut avoir besoin de remettre quelque chose d'exact à l'utilisateur en plein tour, comme un extrait de code, donnez-lui un outil simple « envoyer un message à l'utilisateur » et dites-lui de le réserver à cet usage. Déclarez l'outil dès la première requête ; l'ajouter plus tard invalide les blocs de réflexion antérieurs.
• Demandez des points d'étape à des moments fixes. Par exemple, une phrase d'intention avant le premier appel d'outil et un court récapitulatif à la fin. Le modèle suit ce genre d'instructions de près, ce qui aide surtout quand quelqu'un suit le travail.
• Relancez un tour silencieux depuis le harnais. Comptez les étapes d'appel d'outil consécutives qui ne donnent rien à lire à l'utilisateur. Après plusieurs, cinq par exemple, ajoutez un rappel après les derniers résultats d'outils, et arrêtez-vous après deux ou trois rappels. La formulation d'Anthropic :

The user hasn't heard from you in a while — say in a few words what you're doing, then continue.

Dans les tests d'Anthropic sur des tâches de programmation agentique, ce rappel a réduit environ de moitié la part des tâches avec une longue période silencieuse, sans changement mesurable du coût.

Comment faire vérifier le contexte à un agent Claude Opus 5.5 avant qu'il agisse ?

Claude Opus 5.5 a tendance à se mettre vite au travail. Dans les automatisations qui couvrent e-mails, documents, tableurs et fiches CRM, l'information dont dépend une tâche se trouve souvent là où la demande n'en parle pas, comme une règle dans un ancien fil d'e-mails ou sur un autre onglet de tableur. Une phrase dans le prompt système pousse le modèle à regarder autour de lui d'abord :

Before taking any action, explore broadly with tool calls: list and open the emails, documents, spreadsheet tabs and records across the available apps that could be relevant to this task, including ones the task does not explicitly mention, and use what you find.

Dans les tests d'Anthropic sur des tâches impliquant plusieurs applications, le modèle en a réussi nettement plus avec cette ligne, en effort medium comme en max, au prix d'un peu plus d'appels d'outils. Comme cette ligne demande au modèle d'agir selon ce qu'il trouve, gardez les contenus non fiables hors des fiches qu'il consulte.

Comment faire finir plus vite une équipe d'agents Claude Opus 5.5 ?

Claude Opus 5.5 prête une grande attention au temps écoulé. Dans une architecture où un agent principal confie du travail à des sous-agents, donnez-lui un budget de temps : faites ajouter par votre harnais une courte ligne à la fin de chaque message renvoyé au modèle, comme elapsed 340s / 1200s. Le modèle règle son rythme pour finir dans le budget et termine généralement bien avant ; fixez donc le budget un peu au-dessus du temps que vous voulez vraiment y consacrer. Si vous ne pouvez pas estimer de budget, affichez seulement le temps écoulé et ajoutez cette phrase au prompt système :

Time matters here: do not spend time that can be avoided, and the earlier a correct result is obtained, the better.

Le budget est indicatif et rien n'arrête le modèle à la limite ; gardez votre propre délai d'expiration si vous avez besoin d'un arrêt ferme. Un budget plus serré n'équivaut pas à un effort plus bas : baisser l'effort réduit le travail lui-même, alors qu'un budget fait surtout travailler plus d'agents en parallèle. Sous pression, le modèle peut chercher et vérifier un peu moins ; contrôlez donc la qualité des réponses sur vos propres tâches.

Un prompt système de chat doit-il demander à Claude Opus 5.5 de bien réfléchir ?

Non. Anthropic conseille de retirer des prompts système de chat les lignes du type « think carefully before answering » (réfléchis bien avant de répondre) : le modèle décide lui-même de la quantité de réflexion, et le réglage pour cela, c'est l'effort. Dans les tests d'Anthropic sur un produit de chat, retirer une telle ligne a fait démarrer les réponses plus tôt, sans baisse de qualité nette.

Deux autres lignes pour le chat sont utiles à connaître. L'une demande au modèle de considérer ses réponses précédentes comme réglées, pour que les tours suivants démarrent plus vite. L'autre marque le texte collé par l'utilisateur, pour que le modèle ne suive pas des instructions cachées dans un e-mail ou une page web. Les deux lignes figurent mot pour mot dans la section Claude Opus 5.5 du guide Fable 5.1. N'utilisez pas la ligne sur les « réponses réglées » pour de longues analyses ou des tâches agentiques, où une étape ultérieure peut révéler une erreur dans une étape précédente.

Comment obtenir de meilleures réponses sur des graphiques, schémas et captures d'écran ?

Retestez d'abord. Sans outils supplémentaires, Claude Opus 5.5 lit les graphiques denses, les organigrammes et les captures d'écran d'agenda bien plus précisément que Claude Opus 5 ; dans les tests d'Anthropic, même à son effort le plus bas, il lisait les valeurs de graphiques denses plus précisément que Claude Opus 5 à son effort le plus élevé. Les dispositifs que vous aviez construits pour les anciens modèles ne sont peut-être plus nécessaires.

Pour les entrées les plus denses, deux choses aident encore :

• Des images de plus haute résolution, surtout pour les dessins techniques.
• Des outils d'image. Faites tourner le modèle comme agent avec un conteneur qui contient les images brutes et où PIL ou OpenCV sont installés, pour qu'il puisse recadrer, zoomer et mesurer. Si c'est trop lourd, un simple outil de recadrage aide déjà. Le modèle utilise mieux ces outils à des niveaux d'effort plus élevés.

Sans outils, augmenter l'effort améliore sa lecture des dessins techniques mais apporte peu pour les graphiques. Les images se placent dans un tour utilisateur sous forme de blocs image avec une source URL ; la référence API montre le format.

Comment éviter un rendu frontend générique avec Claude Opus 5.5 ?

Nommez les motifs dont vous ne voulez pas. Sans direction de design, Claude Opus 5.5 revient à quelques styles par défaut, et une consigne générale comme « évite le look IA générique » ne fait le plus souvent que remplacer un défaut par un autre. L'exemple d'Anthropic liste des éléments concrets à éviter :

Output a vanilla HTML/CSS personal website with placeholder data. Do not use a cream or off-white background, italic accent words in headlines, numbered "01/02/03" section labels, monospace labels, or pill-shaped buttons.

Travaillez par itérations : regardez quels styles le premier résultat a utilisés à la place, et ajoutez-les à la liste.

Pourquoi Claude Opus 5.5 renvoie-t-il stop_reason "refusal" ?

Un classifieur de sécurité a refusé la requête. Claude Opus 5.5 utilise des classifieurs pour la biologie, la cybersécurité et l'extraction du raisonnement ; un refus arrive sous forme de réponse normale avec stop_reason: "refusal" et un objet stop_details qui indique la catégorie.

Pour les refus de requêtes anodines en général, voir pourquoi Claude refuse une requête anodine dans le guide Fable 5.1.

Questions fréquentes

Existe-t-il un guide de prompting officiel pour Claude Opus 5.5 ?

Oui. Anthropic publie « Prompting Claude Opus 5.5 » dans sa documentation pour développeurs, ainsi qu'une page générale de bonnes pratiques qui s'applique à tous les modèles Claude actuels. Cet article résume le guide Opus 5.5 au 3 octobre 2026 et cite les modèles de prompts mot pour mot.

Quel est le niveau d'effort par défaut de Claude Opus 5.5 ?

medium. Claude Opus 5 utilise high par défaut. Les niveaux sont low, medium, high, xhigh et max, définis dans output_config.effort.

Combien de tokens de sortie Claude Opus 5.5 peut-il écrire ?

Jusqu'à 128 000 tokens par requête, réflexion comprise. La fenêtre de contexte est de 1M tokens.

Peut-on préremplir la réponse de Claude Opus 5.5 ou régler la temperature ?

Non. Le préremplissage de la réponse de l'assistant et toute temperature autre que la valeur par défaut renvoient une erreur 400, et forcer un outil précis n'est pas pris en charge. Décrivez plutôt le format voulu dans le prompt. Le guide de prompting de Claude Fable 5.1 explique quoi utiliser à la place dans chaque cas.

Claude Opus 5.5 ou Claude Fable 5.1 : lequel est meilleur pour les agents ?

Cela dépend de la tâche et du budget ; la comparaison des modèles Claude aide à choisir. Les conseils de prompting diffèrent surtout par les valeurs par défaut : Claude Opus 5.5 démarre en effort medium, Claude Fable 5.1 en high.

Essayer les prompts

Lancez ces modèles de prompts sur Claude Opus 5.5 avec une clé SeedRouter, via le SDK Anthropic ou les formats OpenAI Chat Completions et Responses. La référence API de Claude Opus 5.5 liste tous les paramètres, et la page du modèle affiche les prix actuels par token. SeedRouter fonctionne au paiement à l'usage : une seule recharge, des crédits qui n'expirent jamais, et les requêtes échouées ne sont pas facturées.