Chaîner les prompts

Cette leçon, première annexe du tutoriel, montre que Claude améliore souvent sa réponse quand on la lui fait relire : corriger une liste de mots, améliorer une histoire, puis réutiliser la sortie d’un appel dans le suivant. Elle situe ensuite le chaînage dans le paysage de 2026, où la réflexion adaptative absorbe une partie de ce travail.

Écrire, c’est réécrire

Claude peut souvent améliorer l’exactitude de sa réponse quand on le lui demande ; les façons naturelles de demander à un humain de vérifier son travail marchent aussi avec Claude. L’exemple : « nomme dix mots qui finissent exactement par les lettres ab » ; Claude 3 Haiku glissait un ou deux faux mots. Un second tour, « remplace tous les mots qui ne sont pas de vrais mots », corrigeait l’erreur. Mais corrige-t-il seulement parce qu’on le lui dit ? En plaçant une liste déjà correcte dans le tour assistant et en demandant la même vérification, Claude changeait parfois des mots corrects. La parade est celle de la leçon 8, une porte de sortie : « si tous les mots sont de vrais mots, renvoie la liste d’origine » ; Claude tient alors sa position.

def get_completion(messages, system_prompt=""):
    message = client.messages.create(model="claude-opus-5-5", max_tokens=2000, system=system_prompt, messages=messages)
    return next(block.text for block in message.content if block.type == "text")

first_user = "Name ten words that all end with the exact letters 'ab'."
first_response = get_completion([{"role": "user", "content": first_user}])
second_user = "Please find replacements for all 'words' that are not real words. If all the words are real words, return the original list."
print(get_completion([
    {"role": "user", "content": first_user},
    {"role": "assistant", "content": first_response},
    {"role": "user", "content": second_user},
]))

Le chaînage sert aussi à faire mieux : une histoire en trois phrases sur une fille qui aime courir, puis « améliore l’histoire » ; beaucoup trouveront la seconde version meilleure. Et il sert à réutiliser : extraire tous les prénoms d’un message vocal (Jesse, Erin, Joey, Keisha, Mel), puis passer la liste à un second appel qui les trie par ordre alphabétique. Le tutoriel amorçait l’extraction avec une balise dans le tour assistant ; une consigne « réponds uniquement par la liste dans des balises names » fait le même travail sans préremplissage.

Le chaînage en 2026

La documentation actuelle remet la technique à sa place : avec la réflexion adaptative et l’orchestration de sous-agents, Claude gère en interne la plupart des raisonnements à plusieurs étapes ; le chaînage explicite, une tâche découpée en appels séquentiels, reste utile quand vous devez inspecter des sorties intermédiaires ou imposer la structure d’un pipeline. Le motif le plus courant est l’auto-correction : produire un brouillon, le faire relire contre des critères, le faire affiner ; chaque étape est un appel distinct, que l’on peut journaliser, évaluer ou dévier. Réflexes de production : baliser les entrées et sorties de chaque étape, valider la sortie intermédiaire avant de continuer, choisir le modèle par étape (Claude Haiku 5.5 pour une extraction mécanique, Opus 5.5 pour le jugement), garder l’historique des sorties.

À vous de jouer

Relire contre des critères. Faites écrire un courriel de relance à un client, puis un second appel qui le relit contre trois critères (moins de 120 mots, aucune promesse de délai, une question de clôture) et renvoie soit « conforme », soit la version corrigée. Comparez avec un seul appel qui contient les trois critères d’emblée : quand le second appel vaut-il son coût ?

Extraire puis trier. Reproduisez la chaîne prénoms → tri alphabétique, avec des balises et une vérification entre les deux : si la liste extraite est vide, n’appelez pas le second prompt.

Sources officielles : 10.1_Appendix_Chaining Prompts.ipynb (anthropics/prompt-eng-interactive-tutorial) · Prompting best practices (documentation Claude : « Chain complex prompts »)

Points clés à retenir

• Demander à Claude de vérifier ou d’améliorer sa réponse améliore souvent l’exactitude ; donnez-lui la possibilité de la garder si elle est juste.
• Le chaînage réutilise une sortie comme entrée du prompt suivant ; les balises rendent le passage fiable.
• En 2026, la réflexion adaptative absorbe une partie du travail ; chaînez quand vous devez inspecter les étapes ou imposer un pipeline.
• Motif courant : brouillon, relecture contre des critères, affinage, chacun journalisable.
• Validez la sortie intermédiaire et choisissez le modèle étape par étape.