Prompter en 2026 : ce qui a changé (et comment ne plus exploser votre limite)

Hello à tous,

Bienvenue dans cette 80ᵉ édition ! Vous êtes +18 000 à suivre la newsletter, un grand merci à vous 🙏

Vous pouvez cliquer sur le ❤️ au-dessus ou en fin de newsletter si vous appréciez le contenu, ça m’aide beaucoup ! 🙏

Voici le sommaire de la semaine :

💼 Prompter en 2026 : ce qui a changé (et comment ne plus exploser votre limite)

🗞️ 3 actus importantes : Google I/O, Anthropic vs OpenAI et croissance de Mistral

⏳ Temps de lecture : 9 min

Me retrouver ailleurs :

🧑‍💻 Mes réseaux : Linkedin, Youtube

📞 Des besoins en IA : Prendre RDV

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.

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 !

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 :

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.

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.”

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’.”

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.

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.

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.

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.

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 supprimé

  • Compact : résumer la conversation pour la condenser (on en parle plus bas)

  • Sub-agent : déléguer une sous-tâche dans un contexte séparé

  • Fresh 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.

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.

Prompter en 2026, ce n’est plus écrire des pavés bourrés de contexte comme on le faisait il y a 18 mois. C’est être direct, littéral, et laisser le modèle vous poser les bonnes questions.

Sur Claude (le chat), désactivez ce qui ne sert pas, choisissez le bon modèle, repartez propre régulièrement, éditez plutôt que répondre.

Sur Claude Code, c’est plus serré : ne changez pas de modèle ni d’outils en cours de session, gardez votre CLAUDE.md stable. Le cache est votre meilleur ami :)

Mon conseil pratique : ce week-end, prenez 15 minutes pour faire le tri dans vos connecteurs et skills, et testez le réflexe “pose-moi des questions” sur votre prochaine tâche complexe. Vous allez voir la différence sur la qualité ET sur votre limite hebdo.

Google a frappé fort avec sa keynote 100% IA. Trois chiffres pour planter le décor :

1. 900 millions d’utilisateurs actifs mensuels sur l’app Gemini (contre 400 millions il y a un an)

2. 3,2 quadrillions de tokens traités par mois sur l’ensemble des surfaces Google (x7 en un an)

3. 180 à 190 milliards de dollars de CAPEX prévus en 2026

C’est l’annonce qui change la donne côté modèles. Gemini 3.5 Flash dépasse Gemini 3.1 Pro sur la quasi-totalité des benchmarks (76,2% sur Terminal-Bench 2.1, 1656 Elo sur GDPval-AA, 83,6% sur MCP Atlas), tout en étant 4x plus rapide que les autres modèles frontière en tokens/seconde. Sur Antigravity 2.0, Google pousse une version optimisée à 12x la vitesse.

Le pricing est agressif : moins de la moitié du coût des modèles frontière concurrents.

Spark n’est plus un assistant qui répond aux questions, c’est un agent qui exécute des tâches longues en arrière-plan sur des VM Google Cloud, même PC éteint. Connecté nativement à Gmail, Docs, Workspace, puis aux outils tiers (Canva, OpenTable, Instacart) via MCP. Beta dispo la semaine prochaine pour les abonnés Google AI Ultra US.

AI Mode (1 milliard d’utilisateurs mensuels) tourne désormais sur 3.5 Flash. Surtout, Google introduit deux nouveautés majeures : les information agents qui surveillent le web 24/7 sur un sujet donné, et la possibilité pour Search de coder des mini-apps personnalisées (dashboards, trackers) à la volée via Antigravity

• Gemini Omni, nouveau modèle multimodal qui génère de la vidéo cinématique à partir de texte, image ou audio.

• Universal Cart, panier d’achat agentique unifié entre Search, Gemini, YouTube et Gmail, avec détection automatique des promos et compatibilités produits.

• Android XR audio glasses (Samsung + Qualcomm, design Gentle Monster et Warby Parker) attendues cet automne, compatibles iPhone

Google fait un pari clair : l’IA n’est plus une destination où l’on va, c’est l’infrastructure dans laquelle on vit. Les agents tournent en permanence, Search code des applications à la volée, l’app Gemini double d’utilisateurs chaque année. Et avec 3.5 Flash qui démolit le rapport qualité/prix/vitesse, la pression sur OpenAI et Anthropic monte d’un cran.

Basé sur les données de dépenses des entreprises américaines via Ramp, Anthropic a pour la première fois dépassé OpenAI en termes d’adoption B2B en avril 2026 : Anthropic atteint 34,4% d’adoption en entreprise (+3,8% sur le mois) et OpenAI recule à 32,3% (-2,9%).

L’adoption globale de l’IA en entreprise s’élève à 50,6% (aux US) → Sur un an, Anthropic a quadruplé son adoption en entreprise quand OpenAI n’a progressé que de 0,3%

Mais plusieurs vents contraires pèsent sur Anthropic :

• Des incitations économiques mal alignées avec les clients (plus de tokens consommés = plus de revenus), alors qu’Uber a déjà épuisé son budget IA 2026 à cause de Claude Code

• Une dégradation perçue de Claude ces dernières semaines (pannes, limites de taux, insatisfaction utilisateurs), même si Anthropic a réagi vite avec un reset des limites en avril et un deal avec SpaceX pour résoudre les contraintes de compute

• Une mise à jour récente qui triple le coût en tokens pour les prompts incluant des images

Le marché des modèles d’IA reste extrêmement dynamique, avec des renversements de position en quelques mois. C’est surtout un signal de vigilance sur les coûts : les plateformes d’inférence proposant des modèles open-source moins chers font partie des vendeurs qui croissent le plus vite (cf Mistral plus bas), et le coût de switch entre modèles reste minimal.

👉 Source : Econ Lab

Pendant que tout le monde se demande qui d’OpenAI ou Anthropic atteindra 30 milliards de dollars de revenus en premier, Mistral AI a multiplié son ARR par 20 en un an et vise désormais 1,1 à 1,2 milliard de dollars de revenus en 2026.

Le pari de la startup française repose sur un positionnement différent des géants américains :

• Souveraineté : un labo basé à Paris qui s’inscrit dans la narrative d’indépendance européenne, rassurant les régulateurs et les acheteurs publics

• Modèles en open-weight : les clients peuvent télécharger, fine-tuner et héberger les modèles eux-mêmes, là où OpenAI ne propose qu’un accès API en boîte noire

• Efficience : grâce à une architecture mixture-of-experts, des performances proches des leaders pour un coût d’infrastructure significativement plus faible

Cette approche séduit les clients régulés (type grandes banques et assureurs européens).

Mistral ne cherche pas à battre OpenAI sur tous les terrains, mais à devenir le choix par défaut pour les entreprises et gouvernements qui veulent de l’IA puissante sans dépendance totale aux acteurs américains. Un bon rappel que dans l’IA, choisir un angle précis peut peser plus lourd que viser le marché entier.

👉 Source : Productify

Partager

D’avoir lu cette édition jusqu’au bout.

Si ça vous a plu, pensez à cliquer sur le ❤️ juste en dessous et partagez votre point de vue en commentaire👇🏼

Vous pouvez aussi partager la newsletter à votre entourage (ça me booste beaucoup 🙏) et gagner des cadeaux 🎁

• 1 parrainage = 1 hack personnalisé

• 3 parrainages = +400 outils IA triés par thématique et vertical métier

• 5 parrainages = 30 min de coaching sur votre problématique

Référez un ami

À très vite !