Si vous prompter Claude ou ChatGPT comme il y a 6 mois, vous laissez beaucoup de valeur sur la table. Et surtout, vous brûlez vos tokens beaucoup plus vite que nécessaire.
Les modèles ont évolué (Opus 4.7, GPT-5.5, Gemini 3.5), les fonctionnalités aussi : skills, connecteurs, mode de raisonnement, mémoire, projets…
→ Résultat : les bonnes pratiques d’hier ne sont plus celles d’aujourd’hui.
J’avais fait une édition en janvier 2025 sur comment générer des prompts optimisés en 1 clic.
Générer des prompts optimisés en 1 clic (et gratuitement !)
À l’époque, on parlait de structures détaillées (rôle, contexte, tâche, format, exemples…) et d’outils comme les méta-prompts du Playground pour faire le travail à notre place. 18 mois plus tard, le sujet a complètement basculé !
Et il y a un nouveau sujet qui nous concernent tous : la frugalité en tokens. J’ai parlé ces derniers temps de Claude chat, Cowork et Claude Code, en vous incitant à tester / utiliser Claude Code qui permet d’aller encore plus loin. Sauf qu’au bout de quelques sessions, on tombe sur le même mur “limite atteinte”. Comprendre comment fonctionne la boîte noire derrière, ça change vraiment la donne. C’est tout l’objet de cette édition !
Ce qui a vraiment changé dans la manière de prompter
Anthropic partage les bonnes pratiques pour prompter les nouveaux modèles comme Opus 4.7.
Je vous fais le résumé des 4 vraies bascules par rapport à ce qu’on faisait avant :
1️⃣ Soyez littéral, pas verbeux
Les nouveaux modèles interprètent vos instructions au pied de la lettre. Plus besoin de la section Rôle = “Tu es un consultant senior, fais un audit complet et détaillé de ce contrat en analysant tous les angles…” sur 10 lignes.
Maintenant, on peut être plus direct = “Audite ce contrat. Liste les risques par clause. Note la sévérité de 1 à 5. Propose une reformulation par clause risquée. Format : tableau.”
Plus précis, moins de tokens, meilleur résultat. C’est exactement l’inverse de ce qu’on conseillait il y a un an, où il fallait bourrer le prompt de contexte pour compenser les limites des modèles.
2️⃣ Cadrer la longueur explicitement
Dans le passé, Claude calibrait à peu près la même longueur de réponse, peu importe ce que vous avez partagé en entrée. Maintenant, il dimensionne sa réponse à ce qu’il pense être la complexité de la tâche. Un long document + “résume” = un long résumé.
Si vous voulez court, il faut l’expliciter : “Résume en exactement 5 puces. Chaque puce moins de 15 mots. Premier mot = verbe d’action.”
3️⃣ Donner des instructions positives uniquement
Les instructions négatives (”ne fais pas X”) ne fonctionnent pas bien. Le modèle interprète littéralement la phrase mais ne généralise pas.
Pas très pertinent d’expliciter avec “N’utilise pas de jargon. N’utilise pas de buzzwords. Ne sonne pas comme un marketeur.”
Il vaut mieux écrire “Écris en français simple, lisible par un ado de 16 ans. Mots courts et concrets. Remplace ‘leverage’ par ‘utiliser’.”
4️⃣ Demander à Claude de poser des questions
Probablement le réflexe qui change le plus de choses. Plutôt qu’un prompt de 500 mots avec tout le contexte, écrivez :
“Je veux [tâche] pour [objectif]. Pose-moi des questions avant de commencer. Utilise l’outil ask_user_question.”
Claude vous demande exactement les infos nécessaires, avec des choix tappables. C’est moins de tokens dans votre prompt, moins de risque qu’il parte dans la mauvaise direction, une réponse mieux ciblée du premier coup.
Petit détour : c’est quoi un token ?
J’ai beaucoup parlé de tokens jusqu’ici, rapide point si ce n’est pas clair.
Quand vous envoyez un message à Claude, votre texte est découpé en petits morceaux : ce sont les tokens. Il y a des tokens en entrée (votre message + tout le contexte) et des tokens en sortie (la réponse du modèle). Les deux comptent dans votre limite quotidienne. En gros, 100 tokens ≈ 75 mots en français.
Vous pouvez même voir sur ce site le découpage en tokens de vos prompts.
Le deuxième concept à avoir en tête, c’est la fenêtre de contexte. C’est tout ce que Claude “voit” quand il vous répond : votre message actuel, l’historique de la conversation, les fichiers uploadés, les instructions des skills activés, les outils des connecteurs. Elle peut aller jusqu’à 1 million de tokens.
Le problème : plus cette fenêtre se remplit, plus chaque message coûte cher (car tout est relu à chaque fois) ET plus les performances de Claude se dégradent. À partir de 40 à 60% de contexte rempli, vous commencez à perdre en qualité de réponse. C’est précisément ce qui va nous amener au prochain piège.
Le piège caché : l’effet boule de neige des tokens
C’est ce que personne ne vous dit avant que vous payiez le plan Max à 100€ ou 200€/mois.
À chaque message, Claude relit toute la conversation depuis le début. Concrètement :
- Message 1 : 500 tokens
- Message 30 : 15 500 tokens (31 fois plus cher pour un message équivalent)
- Total cumulé sur 30 messages : 232 000 tokens
Sur une longue session, 98% de vos tokens servent juste à relire l’historique. Vous payez pour de la mémoire, pas pour du travail. C’est exponentiel, pas linéaire.
À ça s’ajoute ce qui pèse silencieusement dans votre contexte à chaque message : 13% partent dans les connecteurs MCP, 6% dans les apps connectées (Drive, Calendar, Gmail), sans compter les skills activés, la recherche web, les artefacts. Tout est lu à chaque fois.
5 réflexes sur Claude chat pour diviser votre conso par 3
Bonne nouvelle, sur le chat classique, on peut beaucoup mieux gérer ça avec quelques habitudes :
- Désactivez ce que vous n’utilisez pas. Chaque skill, chaque connecteur activé est lu à chaque message. Activez à la demande, coupez après usage. C’est 2 clics dans le menu en bas à gauche.
- Choisissez le bon modèle. Opus consomme jusqu’à 60 fois plus de tokens que Haiku pour la même tâche. Sonnet suffit pour 90% du travail courant (écrire, analyser, structurer). Réservez Opus aux vrais problèmes complexes. Et désactivez la pensée adaptative par défaut, activez-la uniquement quand c’est utile.
- Éditez plutôt que répondre. Quand Claude part dans la mauvaise direction, votre instinct est de taper “non, essaie plutôt ça”. Mauvais réflexe : la tentative ratée reste dans le contexte et pollue la suite. Le bon réflexe : remonter au message d’origine, l’éditer avec ce que vous avez appris, regénérer. L’échec disparaît, le contexte reste propre.
- Uploadez une fois, réutilisez partout. Le pire réflexe est d’uploader le même PDF dans 5 chats différents. Avec les Projets sur Claude, vous uploadez une seule fois, accessible dans tous les chats du projet. Claude utilise du RAG en arrière-plan : il ne lit que 8 à 12% du document, juste ce qui est pertinent pour votre question.
Sur Claude Code, c’est encore plus critique (et un peu différent)
Claude Code consomme beaucoup plus vite que le chat. Une session équivaut à 20+ chats classiques. C’est là que la majorité des utilisateurs Pro et Max se cassent les dents.
Et il y a un concept un peu technique mais super important à comprendre : le prompt caching. En gros, à chaque message, Claude met en cache le début de votre conversation (instructions système, outils, contexte projet…) pour ne pas avoir à tout retraiter. Tant que le début ne bouge pas, ça coûte beaucoup moins cher. Dès qu’on change quelque chose au milieu, le cache “casse” et tout est retraité from scratch.
Ensuite, il y a d’autres réflexes à avoir en tête sur Claude Code :
- Ne pas continuez par défaut : après chaque réponse de Claude, vous avez 5 options. Et toutes ne coûtent pas pareil :Continue : tout l’historique reste (l’option la plus chère, et celle qu’on prend 99% du temps sans réfléchir)Rewind : retour à un message précédent, tout ce qui vient après est suppriméCompact : résumer la conversation pour la condenser (on en parle plus bas)Sub-agent : déléguer une sous-tâche dans un contexte séparéFresh session : repartir dans un nouveau chat avec juste le brief
- Repartez propre au bon moment. Quand vous arrivez à 60% de contexte, deux options : faire un résumé et continuer sur la même session(Claude condense la conversation, vous repartez dessus)repartir de zéro (vous écrivez vous-même un brief synthétique dans un nouveau chat). Le nouveau chat est plus précis : c’est vous qui décidez de ce qui compte.
- Ne changez pas de modèle en cours de session. Si vous êtes 100k tokens dans une conversation avec Opus et que vous switchez sur Haiku pour “économiser”, c’est l’inverse : Haiku doit reconstruire tout le cache. Ça vous coûte plus cher que de laisser Opus finir.
- N’ajoutez ou ne retirez pas de tools (MCP, skills) en cours de session. L’instinct est de dire “je vais activer ce skill juste pour cette tâche”. Mauvaise idée : ça casse le cache de toute la conversation. Décidez vos outils en début de session et n’y touchez plus.
- Gardez votre CLAUDE.md stable. Ce fichier est lu à chaque message. Si vous le modifiez en cours de session, le cache casse aussi. Faites vos updates entre les sessions, à la fin, pas pendant.
- Déléguez les tâches lourdes à des sous-agents : Certaines tâches font beaucoup de “bruit” : lire 20 fichiers, lancer 10 recherches, explorer un sujet en profondeur. Si vous les faites dans votre session principale, tout ce bruit s’accumule dans votre contexte et pèse sur la suite.Le mieux est de déléguer à un sous-agent. Il travaille dans son propre contexte, fait tout le travail brut, et vous renvoie uniquement la conclusion utile. Votre session principale reste légère.⚠️ Attention quand même : un sous-agent ne sert que pour des tâches isolées (une recherche, l’analyse d’un seul fichier). Si vous lui demandez quelque chose qui nécessite de relire tout votre projet pour comprendre le contexte, vous payez la lecture du projet deux fois.
L’avenir du prompting : moins de prompt, plus de contexte
Beaucoup de choses ont changé sur le prompting où tout se joue maintenant dans l’organisation de son environnement.
Les skills, les projets, les connecteurs, la mémoire… tout pousse dans la même direction : structurer une fois, et laisser le modèle aller chercher ce qu’il lui faut au bon moment, plutôt que tout réinjecter dans chaque prompt.
C’est aussi ce qui justifie les énormes investissements compute en cours (Anthropic vient de signer un deal avec SpaceX). Les éditeurs ont compris que la frugalité tokens devient un sujet business critique, autant pour eux que pour vous.
Il y a de grandes chances que dans 6 à 12 mois, le bon prompt fera 3 lignes, et la qualité de la réponse dépendra à 80% de comment vous avez structuré votre dossier de travail, vos skills et vos connecteurs en amont.
