80% d'instructions de prompting en moins, mêmes résultats

La semaine dernière, Boris Cherny — membre du technical staff chez Anthropic — a publié un article qui a fait trembler un dogme silencieux de l'industrie de l'IA. Son équipe a supprimé plus de 80% des instructions du system prompt de Claude Code pour les modèles Opus 5 et Fable 5. Aucune perte mesurable de performance sur les évaluations de code.

Le modèle s'en est sorti aussi bien, voire mieux, avec cinq fois moins d'instructions.

Si vous avez passé les deux dernières années à construire des system prompts de plusieurs milliers de tokens, à empiler les règles, les contraintes, les formats de sortie imposés, les exemples few-shot et les garde-fous comportementaux… cet article devrait vous donner un vertige salutaire.

Parce que ce que l'équipe Claude Code a découvert, c'est ce que beaucoup soupçonnaient sur le terrain : l'ingénierie de contexte, telle qu'elle est pratiquée aujourd'hui, est largement surdimensionnée.

Le réflexe de contrôle

Quand une entreprise déploie un agent IA pour la première fois, la réaction naturelle est d'essayer de tout contrôler. On écrit des instructions détaillées pour chaque scénario. On ajoute des règles pour chaque cas limite. On empile les contraintes de format, de ton, de structure.

Un modèle capable de comprendre le contexte, d'inférer des intentions, et de raisonner sur plusieurs étapes n'a pas besoin qu'on lui explique comment se comporter dans 47 scénarios différents. Il a besoin d'un cadre clair, d'un objectif précis, et de la latitude pour trouver la meilleure façon d'y arriver.

Les tokens du system prompt ne sont pas neutres, ils consomment de la fenêtre de contexte, et chaque token occupé par une règle superflue est un token retiré au raisonnement.

Ce que dit la recherche

L'article d'Anthropic, publié le 24 juillet 2026 sous le titre « The new rules of context engineering for Claude 5 generation models », documente quelque chose de remarquable. L'équipe Claude Code a progressivement éliminé les couches d'instructions qu'elle avait elle-même accumulées au fil des itérations. Chaque suppression a été testée, mesurée, validée. Résultat : 80% des instructions supprimées, sans perte de performance.

Cette observation n'est pas propre à Claude. C'est un signal plus large : les modèles frontières atteignent un niveau de compréhension qui rend le « sur-guidage » non seulement inutile, mais contre-productif.

Le parallèle avec le management

Quand un manager débute, sa tendance naturelle est de tout micro-manager. Il écrit des procédures pour chaque tâche. Il définit des processus pour chaque décision.

Avec l'expérience, il apprend que les bons professionnels n'ont pas besoin de procédures pour chaque situation. Ils ont besoin d'un cadre, d'un objectif, et de la confiance pour trouver le chemin.

Les agents IA, c'est la même chose. Sauf qu'on est encore dans la phase où tout le monde micro-manage.

Ce qui reste indispensable

Ce qu'il faut garder :

• L'objectif principal de l'agent

• Les contraintes de sécurité et de conformité

• Les conventions de sortie pour les interactions avec d'autres systèmes

Ce qu'on peut supprimer :

• Les exemples few-shot excessifs

• Les règles comportementales détaillées

• Les instructions défensives pour des cas limites improbables

• Les répétitions

Le test est simple : si vous retirez une instruction et que le modèle continue de faire ce qu'il faut, c'est que cette instruction ne servait à rien.

La leçon pour les entreprises

Combien de vos instructions de contexte servent vraiment, et combien sont là pour vous rassurer ?

Prenez le system prompt de votre agent le plus critique. Identifiez chaque instruction. Demandez-vous : « Si je retire ça, qu'est-ce qui change ? » Testez. Mesurez. Gardez ce qui compte. Supprimez le reste.

Notre position

Chez AIdoption, nous défendons une approche que l'article d'Anthropic valide : la transformation IA commence par la clarté, pas par la complexité.

Les 4 niveaux de maturité que nous accompagnons (Officialiser & Sécuriser, Connecter aux Données, Automatiser par des Agents, Orchestrer la Synergie) commencent tous par une question simple : qu'est-ce qui est vraiment nécessaire ?

Pas qu'est-ce qu'on peut ajouter. Qu'est-ce qu'on peut retirer.

Parce que dans l'IA comme dans le management, la sophistication n'est pas une preuve de maturité. La clarté au contraire l'est.