Anthropic a supprimé 80 % de ses instructions de prompt système et a déployé Opus 5, un nouveau modèle Claude Code capable de fonctionner de manière autonome pendant des jours ou des semaines et qui obtient un score de 30 % au benchmark Arc AGI. La refonte par « suppression directe » (press-delete), que l'entreprise appelle une stratégie de « débridage » (unhobbling), permet aux capacités brutes de l'IA de s'exprimer sans les entraves logicielles qui maintiennent normalement les grands modèles de langage en mode exclusivement conversationnel.

Pourquoi ce changement est important

Les ingénieurs d'Anthropic avaient l'habitude de garnir Claude d'un ensemble dense de garde-fous — des prompts explicites qui indiquent au modèle quoi dire, quoi ne pas dire et comment rester concentré sur sa tâche. Ces prompts agissent comme une laisse, empêchant le modèle de dériver vers des comportements non testés, mais limitant également ce qu'il peut accomplir. Lorsque Opus 5 est arrivé, l'équipe a supprimé toute la pile de prompts, puis a réajouté les instructions une par une, en mesurant l'impact de chacune. Comme le nouveau modèle est plus performant, ils ont abandonné la majeure partie de la formulation originale tout en obtenant des résultats fiables. Le système comprend désormais un objectif de haut niveau et génère des fichiers et des fonctionnalités complets.

Le gain technique

  • Bond au benchmark – Opus 5 a atteint un score de 30 % au benchmark Arc AGI, une métrique qui évalue la capacité d'un modèle à résoudre des problèmes inédits. Les versions précédentes de Claude affichaient des scores bien inférieurs, ce qui indique un bond substantiel en termes de puissance de raisonnement brut.
  • Autonomie étendue – La fonctionnalité « Auto Mode » permet au modèle de fonctionner pendant des périodes prolongées, en maintenant son propre contexte et en progressant sans incitations humaines constantes. En pratique, un développeur peut confier une spécification au modèle et le laisser itérer pendant des jours, ne vérifiant l'avancement que lorsqu'un jalon est atteint.
  • Renforcement contre l'injection de prompt – L'injection de prompt trompe un modèle pour qu'il ignore ses règles de sécurité en intégrant des instructions malveillantes dans l'entrée utilisateur. Anthropic affirme qu'Opus 5 résiste mieux à cette attaque que ses prédécesseurs, grâce à des recherches internes et des classificateurs spécialisés qui signalent les schémas suspects. Ils recommandent également de définir des critères de sortie et des garde-fous avant le lancement.

Enjeux pour les développeurs et les entreprises

Pour les startups qui construisent des outils basés sur l'IA, ce changement élargit le « product overhang » (le décalage produit) — l'écart entre ce qu'un modèle peut faire et ce que les logiciels environnants lui permettent de faire. En levant cet obstacle, Claude Code peut transformer une simple interface de chat en un assistant de développement full-stack capable d'écrire, de tester et de refactoriser du code de manière autonome. Les entreprises qui adoptent le modèle pourraient réduire le temps consacré aux tâches de codage répétitives, libérant ainsi les ingénieurs pour des travaux de conception de plus haut niveau.

Ce que le « débridage » (unhobbling) signifie réellement

Cherny a inventé le terme « unhobbling » pour décrire la libération d'un modèle performant de ses contraintes artificielles. Dans de nombreux produits d'IA, les développeurs limitent délibérément ce que le modèle peut tenter parce que l'interface utilisateur ou le cadre politique n'est pas prêt pour toute l'étendue des capacités du modèle. Le résultat est un « product overhang » où l'IA repose sur un piédestal de potentiel inexploité. Claude Code ramène ce potentiel sur le terrain, permettant au modèle d'agir comme un co-auteur de logiciels plutôt que comme un simple robot de réponse aux questions.

Conseils pour les fondateurs et les étudiants

  • Repérer le décalage – Recherchez les tâches où les outils d'IA existants trébuchent juste au-delà de leurs limites actuelles. Ce sont des opportunités faciles (« low-hanging fruits ») où une approche de « débridage » pourrait générer des rendements exceptionnels.
  • Pousser le modèle dans ses retranchements – Donnez à l'IA des missions qui semblent légèrement au-delà de ses capacités annoncées. Le raisonnement interne du modèle peut vous surprendre, surtout lorsque vous réduisez la friction des prompts.
  • Définir des garde-fous clairs – Avant de laisser le modèle fonctionner sans surveillance, établissez des conditions de sortie (par exemple, temps d'exécution maximum, limites de ressources) et des contrôles de sécurité. Cela permet à l'IA d'explorer tout en limitant les risques.

Les étudiants devraient mêler théorie et pratique. Maîtriser les algorithmes est précieux, mais coupler ce savoir à une réflexion produit et à une expérimentation basée sur les données permettra l'émergence de la prochaine vague de bâtisseurs « AI-first ».

À surveiller ensuite

À retenir : En supprimant la majeure partie de ses prompts système, Anthropic a permis à un modèle plus intelligent d'agir avec beaucoup moins d'assistance, transformant Claude Code en un codeur autonome capable de s'attaquer à des projets de plusieurs semaines.