Anthropic réduit le system prompt de Claude Code de 80 % pour Fable 5
Anthropic est témoin d'un changement de paradigme dans la manière dont les grands modèles de langage sont pilotés, s'éloignant des ensembles d'instructions lourds au profit d'un guidage plus léger et plus intuitif. Cette évolution est portée par l'émergence des nouveaux modèles Fable 5 (classe Mythos), qui s'épanouissent avec moins de contraintes et plus de contexte.
La fin des system prompts interminables
Pendant des années, la norme de l'industrie pour optimiser les performances de l'IA consistait en du « prompt engineering » via des instructions système massives et des exemples de type « few-shot » exhaustifs. Les développeurs pensaient que davantage de règles et de contraintes de type « ne faites pas ceci » étaient la clé de la fiabilité. Cependant, Anthropic inverse cette tendance.
Tariq Shihipar, membre de l'équipe technique chez Anthropic, a révélé que l'entreprise a réduit le system prompt de Claude Code de façon spectaculaire, de 80 %. Cette réduction n'est pas un signe de simplification du modèle, mais plutôt une réponse aux capacités cognitives sophistiquées des nouveaux modèles Fable 5. À mesure que les modèles deviennent plus avancés, la méthode traditionnelle de « guidage pas à pas » via de longs prompts devient contre-productive.
Pourquoi les modèles Fable 5 résistent aux contraintes
Le passage aux modèles Fable 5 (ou classe Mythos) représente un changement fondamental dans le comportement des modèles. Selon Shihipar, fournir des exemples étendus et des règles rigides à ces modèles spécifiques dégrade en réalité les performances. La raison est inattendue : ces modèles sont intrinsèquement plus « imaginatifs » que leurs prédécesseurs.
Lorsqu'un développeur fournit une longue liste d'exemples spécifiques, cela agit comme une contrainte qui limite les capacités de raisonnement du modèle. Au lieu d'explorer la solution la plus efficace ou la plus créative à un problème, le modèle se sent obligé de mimer les schémas spécifiques fournis dans le prompt. Pour libérer le véritable potentiel de la classe Mythos, Anthropic s'éloigne des règles strictes pour privilégier le « pilotage par le contexte ». Cela permet au modèle d'utiliser ses capacités de raisonnement pour accomplir des tâches sans être enfermé par une surcharge d'instructions excessive.
L'évolution cyclique du prompt engineering
Le parcours du prompt engineering a suivi un schéma cyclique distinct à mesure que les modèles évoluaient. Les conclusions internes d'Anthropic mettent en évidence trois étapes distinctes du développement des modèles :
- Modèles précoces : Nécessitaient des prompts courts et hautement spécifiques, renforcés par de nombreux exemples et des instructions extrêmement restrictives pour maintenir un minimum de cohérence.
- Modèles intermédiaires : À mesure que la compréhension s'améliorait, les prompts sont devenus nettement plus longs. Les développeurs ont exploité cette capacité accrue de « suivi d'instructions » pour créer des system prompts massifs et complexes qui régissaient chaque aspect du comportement du modèle.
- L'ère Fable 5 : Nous sommes entrés dans une phase où les prompts raccourcissent à nouveau. L'accent est passé de l'instruction du modèle sur ce qu'il doit faire (règles) à la fourniture de l'environnement nécessaire (contexte) pour que le modèle agisse de manière autonome.
Ce développement marque un jalon pour le paysage de l'IA. Il suggère qu'à mesure que nous nous dirigeons vers des modèles plus agentiques et axés sur le raisonnement, le rôle du développeur passera de « créateur de règles » à « fournisseur de contexte », privilégiant la qualité de l'information sur la quantité d'instructions.
Points clés à retenir
- Réduction de 80 % : Anthropic a réduit le system prompt de Claude Code de 80 % pour mieux s'aligner sur les capacités des modèles Fable 5 (classe Mythos).
- Les contraintes limitent la créativité : Des exemples excessifs et des règles rigides de type « ne pas faire » peuvent en réalité restreindre les capacités de raisonnement et d'imagination des modèles avancés.
- Le contexte plutôt que les règles : La nouvelle frontière du pilotage de l'IA consiste à fournir un contexte riche plutôt que de longs ensembles d'instructions restrictives.