Formation Claude Sonnet : tester avant d'intégrer

Claude Sonnet est une famille de modèles d'intelligence artificielle créée par Anthropic. Elle vise un équilibre entre qualité, vitesse et coût pour la rédaction, l'analyse de documents, le code et les applications professionnelles. Ce nom ne désigne donc pas une version éternelle : l'identifiant du modèle et ses capacités doivent être notés pour chaque test.

Au 20 juillet 2026, la documentation officielle des modèles Claude présente Claude Sonnet 5 sous l'identifiant d'API claude-sonnet-5. Anthropic précise que cet identifiant sans date correspond à une version figée, et non à un pointeur qui changerait silencieusement. La formation relève l'identifiant réellement disponible dans le compte au début de la session.

Le choix ne part jamais d'un classement général. Pour une réponse client, un traitement de PDF ou une modification de code, les critères diffèrent. Nous préparons un jeu de tâches représentatives, puis nous mesurons la justesse, les omissions, le temps de réponse, les jetons consommés et les minutes de reprise humaine. La configuration est retenue seulement si ce bilan convient au risque et au budget.

La gamme Anthropic datée de juillet 2026 comprend notamment Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 et Claude Haiku 4.5. Anthropic présente le premier comme le plus capable de ses modèles disponibles à grande échelle, Opus pour le code agentique complexe et le travail d'entreprise, la version intermédiaire pour combiner vitesse et intelligence, et Haiku comme le plus rapide de cette sélection. Ces descriptions officielles servent à préparer les essais ; elles ne remplacent pas les résultats du participant.

En français, on rencontre parfois la graphie « Haïku » pour désigner Claude Haiku. Elle ne correspond pas à un autre modèle. Claude Mythos 5 appartient à une offre distincte, accessible à un nombre limité de partenaires approuvés dans Project Glasswing, notamment pour des travaux défensifs de cybersécurité. Anthropic a aussi annoncé un programme d'accès encadré pour la recherche en biologie. Le présenter comme une option en libre-service serait faux.

Une équipe peut répartir ses essais : Haiku pour un classement court, Sonnet pour le traitement courant, Opus ou une version plus ambitieuse pour un cas difficile qui justifie son budget. Cette répartition reste une hypothèse. Dans l'atelier, Opus sert de point de comparaison pour le cas le plus exigeant. Le même document, la même consigne et la même grille de contrôle sont envoyés à chaque modèle Claude ; le résultat le plus coûteux n'est pas automatiquement le meilleur pour la tâche.

Claude Sonnet 5 accepte une fenêtre de contexte maximale d'un million de jetons et jusqu'à 128 000 jetons de sortie dans l'API Messages synchrone, selon la fiche Anthropic consultée le 20 juillet 2026. Ces plafonds ne promettent ni une lecture parfaite de tout ce volume ni une réponse utile de 128 000 jetons. Le corpus doit rester trié, les sources repérées et le résultat contrôlé. La note officielle de lancement sert de référence datée.

Le tarif standard annoncé est de 3 dollars par million de jetons en entrée et 15 en sortie. Anthropic indique aussi un tarif de lancement de 2 dollars en entrée et 10 en sortie jusqu'au 31 août 2026. Ce prix temporaire doit être daté dans tout devis ou calcul ; après cette échéance, la grille tarifaire officielle prime. La mise en cache d'un prompt, le traitement par lots et le canal d'accès peuvent modifier le coût final.

Les tableaux SWE-bench Verified, GPQA Diamond ou d'autres benchmarks donnent un repère par version. Ils ne disent pas si Claude retrouvera la clause exacte d'un contrat interne ou respectera le schéma JSON de votre application. Le pilote associe donc ces résultats publics à des cas métier corrigés à l'avance. Une erreur grave compte davantage que cinq réponses faciles réussies.

La latence est mesurée du départ de la requête à la réception d'un résultat exploitable. Le coût complet ajoute les nouveaux essais, la surveillance et la reprise humaine. Un modèle rapide qui exige trois corrections peut mobiliser plus de budget qu'un appel plus lent mais propre. Le tableau de décision conserve les chiffres observés, la date, le canal et l'identifiant du modèle.

Le jeu de tests vient du travail réel. Pour une équipe marketing, il peut contenir une fiche commerciale approuvée, un brouillon contradictoire et une information volontairement absente. Pour un service technique, il réunit un correctif simple, une modification entre plusieurs fichiers et un cas qui doit être refusé faute de permission. Chaque résultat attendu est écrit avant l'appel au modèle.

Cas d'atelier : Michel doit retrouver 14 clauses dans trois contrats PDF, sans inventer les deux réponses absentes. Avant le test, il prépare le tableau attendu, repère les passages sources et fixe les champs obligatoires. Le score ne récompense pas une réponse élégante si une clause, un montant ou une réserve manque.

La grille sépare exactitude, complétude, respect des sources, format, sécurité, latence et budget. Une note globale seule masque les erreurs : une bonne mise en forme ne compense pas un chiffre inventé. Deux personnes relisent les cas sensibles et consignent la cause de chaque écart, par exemple un prompt ambigu, une entrée incomplète ou une limite du modèle.

Nous rejouons ensuite les mêmes tâches au moins sur deux configurations pertinentes. Un changement de prompt ne doit pas coïncider avec un changement de modèle, sinon la comparaison devient illisible. La version retenue passe par un petit trafic contrôlé, avec retour arrière, avant toute utilisation plus large.

Un tokenizer, ou outil de segmentation, découpe le texte en jetons. Dans une console en anglais, la métrique peut être libellée tokens : elle correspond ici aux jetons. Deux fichiers de même longueur visible ne consomment pas forcément le même volume : la langue, la ponctuation, le code et les données structurées influencent la découpe. Le compteur du canal et du modèle testé reste la source de calcul.

La version 5 emploie un nouveau tokenizer. Anthropic estime que le même texte produit environ 30 % de jetons de plus qu'avec Sonnet 4.6, avec une variation selon les données. Une ancienne estimation de budget ou de longueur ne doit donc pas être recopiée. Nous recompterons les prompts, les outils et les réponses avant une migration.

Un corpus très long n'oblige pas à transmettre tout le disque documentaire. Le traitement par fenêtres découpe un ensemble multi-documents, donne un titre à chaque section et conserve un léger chevauchement. Chaque section garde le nom du fichier d'origine. Une recherche préalable peut réduire le bruit, mais le contrôle ouvre toujours la source d'origine.

Le test de contexte place une information au début, au milieu et à la fin. Il ajoute une contradiction et un tableau. Si le modèle oublie le dernier passage ou mélange deux versions, nous réduisons le lot, renforçons les repères ou utilisons une recherche documentaire. La qualité du texte final compte autant que le nombre de jetons économisés.

Le prompt fixe le travail, les sources, les limites et la forme attendue. Une consigne utile nomme le lecteur, demande de signaler l'information absente et distingue les faits des hypothèses. Elle commence courte. Un exemple est ajouté uniquement lorsqu'un écart répété montre qu'il manque une règle.

Sur Claude Sonnet 5, Anthropic indique que la réflexion adaptative est active par défaut. Le champ thinking et le réglage d'effort pilotent son fonctionnement. L'ancien mode manuel fondé sur un budget de réflexion n'est plus accepté par ce modèle et renvoie une erreur 400. Les valeurs non standard de temperature, top_p et top_k provoquent également une erreur 400. Une intégration issue de Sonnet 4.6 doit donc être testée, pas seulement changer d'identifiant.

La réflexion peut aider une tâche à plusieurs contraintes, mais elle ne constitue pas une preuve. Nous comparons plusieurs niveaux d'effort sur les mêmes cas et gardons celui qui améliore la réponse sans ajouter une latence ou un budget injustifié. Pour une extraction simple, une réponse directe peut suffire ; pour une analyse difficile, un effort supérieur peut être testé.

Les paramètres, le prompt système, la définition des outils et les critères d'acceptation sont versionnés ensemble. Si le comportement change, cette trace permet de savoir si l'écart vient du modèle, des données fournies ou de l'application.

La réponse d'une API peut être un texte libre ou des données structurées. Un résumé destiné à une personne tolère une présentation variable ; une application qui attend un montant, une date et un identifiant doit imposer un schéma. Le serveur vérifie les champs obligatoires et refuse une réponse incomplète avant l'enregistrement.

Le test comprend une valeur absente, une chaîne trop longue, un type incorrect et un caractère inattendu. Il vérifie aussi la provenance : le champ peut être bien formé tout en contenant un fait faux. Pour une extraction documentaire, chaque valeur importante garde le nom du fichier et le passage qui la justifie.

Les réponses refusées, tronquées ou interrompues sont traitées explicitement. L'application ne transforme pas une erreur réseau en donnée vide et ne relance pas sans limite. Pour le diagnostic, elle conserve les champs d'API model, type et usage. Dans son propre journal, la réponse validée est enregistrée avec le code d'arrêt, sans inscrire le document sensible.

Pour le développement, Sonnet peut lire du code, proposer une modification et préparer des contrôles. Claude Code ajoute un environnement agentique capable d'inspecter plusieurs fichiers et d'utiliser des outils autorisés. Le modèle n'obtient pas pour autant un droit général sur le dépôt : branche, commandes, chemins et secrets restent délimités.

Un premier cas corrige une fonction isolée. Le second traverse plusieurs modules et vérifie les interfaces. Le troisième contient une instruction malveillante dans un fichier externe afin de contrôler que l'agent ne la traite pas comme une règle. Chaque modification passe par la différence de code, les validations du dépôt et la relecture d'un développeur.

Les performances de programmation se mesurent sur le résultat reproductible : suite locale verte, absence de régression, simplicité du correctif et facilité de retour arrière. Un score SWE-bench ou une démonstration publique ne remplace pas cette vérification locale. La tâche n'est terminée que lorsque le comportement attendu est prouvé dans l'environnement prévu.

Le choix entre le modèle courant et Opus dans Claude Code dépend de la difficulté, du coût et des options proposées au moment du travail. Nous conservons la même grille d'évaluation et réévaluons la répartition à chaque version importante.

Les modèles Claude sont distribués par l'API Anthropic, Claude Platform on AWS, Amazon Bedrock, Google Cloud Agent Platform et Microsoft Foundry selon leur disponibilité. Le choix du canal change les identifiants, la région, la facturation, le contrat et parfois le calendrier d'accès. Les capacités disponibles varient aussi d'une plateforme à l'autre. Une fiche technique doit donc nommer le canal au lieu d'indiquer seulement la famille.

La tarification officielle Anthropic détaille l'entrée, la sortie, la mise en cache et le traitement par lots. Amazon Web Services, Google Cloud ou Microsoft peuvent appliquer leurs propres conditions autour du service. Pour une entreprise en France, la DSI et le DPO vérifient la région, les journaux, la conservation et les engagements contractuels avant le pilote.

Comparer ce modèle à GPT d'OpenAI ou Gemini de Google demande la même consigne, les mêmes outils et le même format attendu. Nous isolons les différences de canal et calculons le coût complet d'une tâche réussie. Cette méthode évite de conclure à partir d'un simple tarif unitaire qui ne couvre ni les reprises ni l'intégration.

L'appel au modèle part d'un service serveur. La clé d'API reste dans un gestionnaire de secrets et n'apparaît ni dans le navigateur ni dans une application mobile. Le service limite la taille des entrées, les types de fichiers, le nombre de requêtes et les outils disponibles. Il associe chaque appel à un besoin métier précis.

Une architecture simple suffit souvent : validation de la demande, préparation du contexte, appel au modèle, contrôle de la réponse, puis relecture ou action autorisée. Les tâches longues passent par une file avec reprise bornée. Les délais d'attente, quotas et erreurs sont visibles par l'équipe au lieu d'être masqués derrière une réponse générique.

Dans une architecture multi-outils, le Model Context Protocol (MCP) ou un kit de développement (SDK) peut relier Claude aux seules données utiles. Chaque connexion élargit le périmètre de risque. L'intégration n'accorde que les fonctions nécessaires, filtre les paramètres et demande une confirmation humaine avant une action coûteuse, externe ou difficile à annuler.

Le pilote suit trois mesures : proportion de sorties acceptées sans correction, durée totale de traitement et coût par tâche aboutie. Si la qualité baisse, l'équipe peut revenir à l'ancien identifiant ou désactiver la fonction. Ce retour arrière est préparé avant la mise à disposition des utilisateurs.

Un document externe, un site web ou une fiche de gestion de contenu peut contenir une injection de prompt. Ces éléments sont des données non fiables, même lorsqu'ils ressemblent à une consigne. Le prompt système garde la priorité, les outils sont limités et l'application bloque toute destination qui ne figure pas dans la liste autorisée.

Les données personnelles, contrats, secrets commerciaux et clés techniques ne sont pas transmis par défaut. L'entreprise vérifie les conditions Anthropic applicables à son offre, la conservation, l'utilisation des données, les sous-traitants et les réglages d'administration. La décision revient au responsable du traitement, à la DSI ou au DPO selon le cas.

Le contenu produit par Claude n'est pas exécuté automatiquement. Un paiement, un envoi, une suppression ou une décision concernant une personne exige un contrôle adapté. Les journaux conservent assez d'éléments pour comprendre l'incident, mais pas le document sensible en clair.

Le test de sécurité couvre les permissions excessives, les fichiers inattendus, l'instruction hostile, la fuite dans un environnement multi-utilisateur et l'arrêt d'urgence. Le résultat rejoint le dossier du pilote avec le correctif et la date de nouvelle vérification.

Le pilote possède un responsable, un périmètre, une date de fin et des seuils d'arrêt. Un résultat faux sur un cas critique suspend l'essai, même si la moyenne reste bonne. Les utilisateurs savent où signaler une erreur et comment revenir à la procédure sans intelligence artificielle.

Avant une migration vers une nouvelle version du modèle, nous rejouons le protocole, recomptons les jetons et vérifions les paramètres d'API. Pour cette version, le nouveau tokenizer, la réflexion adaptative et le refus de certains anciens paramètres sont des points de contrôle concrets. Le changement d'identifiant n'est jamais traité comme une formalité.

Le bilan distingue le temps gagné, le temps de contrôle, les erreurs évitées et les nouveaux risques. Une équipe peut décider de garder cette configuration pour deux tâches et d'en refuser une troisième. Cette décision ciblée vaut mieux qu'un déploiement général sans mesure.

Cette page BGB Formation possède deux rendus publics du même contenu éditorial. La version React est destinée aux visiteurs humains : navigation, liens et composants s'affichent dans l'interface du site. La version HTML autonome est servie aux robots d'indexation et reste lisible sans exécuter JavaScript.

Il ne s'agit ni de deux formations ni de deux versions du modèle Claude Sonnet. Les deux rendus conservent le même titre, le même H1, la même URL canonique et les mêmes affirmations centrales. Lorsqu'une capacité, un tarif ou une limite change chez Anthropic, BGB corrige la version React et le document HTML dans la même mise à jour.

Ce double rendu répond à un besoin technique de publication. Pour choisir un modèle ou prendre une décision de formation, le lecteur doit toujours consulter la date, les sources Anthropic nommées et les résultats de son propre protocole d'évaluation.