Oui, Claude Fable 5.2 existe : Anthropic l'a lancé le 9 novembre 2026 (identifiant claude-fable-5-2), avec un contexte de 1M tokens et un tarif de 8 $ / 40 $ le million de tokens. Pour le prompter, trois leviers comptent : le niveau d'effort, un critère de fin de tâche vérifiable et une règle d'approbation écrite. Voici comment les régler, d'après la documentation officielle. Pour les bases du prompt, passe d'abord par notre guide pour apprendre Claude de zéro.
En bref :
- Fable 5.2 a été lancé le 9 novembre 2026 : 1M tokens de contexte, 128K tokens de sortie, 8 $ en entrée et 40 $ en sortie par million de tokens.
- L'effort par défaut de l'API est
high: tu le baisses pour les demandes simples, tu ne l'alourdis pas dans le prompt. - Sur les tâches longues, il peut s'arrêter avant la fin, surtout à
lowetmedium: une consigne de persistance corrige la plupart des cas. - Une règle d'approbation doit nommer les actions exactes, et ne remplace jamais une permission technique sur l'outil.
- Les chiffres de ce guide viennent des tests d'Anthropic, pas d'Ottho : rejoue-les sur tes propres cas.
Claude Fable 5.2 existe-t-il vraiment ? Ce qu'on peut vérifier
Oui. Anthropic l'a lancé le 9 novembre 2026 avec un identifiant API claude-fable-5-2. Un nom entendu en réunion ou sur un réseau social ne suffit pas : on le vérifie toujours sur la liste officielle des modèles de la documentation Anthropic sur les modèles, qui reste la seule référence pour l'identifiant exact.
Voici ce qui est confirmé par la documentation officielle, et ce qui ne l'est pas.
| Point | Statut | Détail |
|---|---|---|
| Identifiant API | Confirmé | claude-fable-5-2 |
| Contexte et sortie | Confirmé | 1M tokens de contexte, 128K tokens de sortie maximum |
| Prix API | Confirmé | 8 $ en entrée, 40 $ en sortie par million de tokens (Fable 5.1 : 10 $ / 50 $) |
| Réflexion adaptative | Confirmé | Toujours active, impossible à désactiver |
| Mythos 5.2 | Confirmé | Mêmes capacités, réservé aux organisations vérifiées |
| Gain "X fois meilleur" sur ta tâche | Non confirmé | À mesurer toi-même |
Anthropic recommande de commencer par Claude Opus 5.5 pour la plupart des charges de travail, et de passer à Fable 5.2 pour le raisonnement exigeant et le travail agentique de longue durée, ou quand les tests sur Opus 5.5 à effort élevé ne suffisent pas. Si tu hésites, lis le comparatif sur Claude Opus 5.5 avant de payer plus cher par token.
Comment régler l'effort de raisonnement de Claude ?
L'effort se règle par requête et décide de la profondeur de réflexion du modèle. Sur Fable 5.2 le défaut de l'API est high : tu pars de là, puis tu testes d'autres niveaux sur tes propres cas. Plus l'effort monte, plus le modèle consomme de tokens de réflexion, donc de coût et de latence.
Les niveaux et leurs usages d'après la documentation Anthropic :
| Niveau | Pour quoi faire |
|---|---|
low | Échanges rapides, tâches bien spécifiées, volume élevé, sous-agents rapides |
medium | Codage interactif, chat, travail de connaissance courant |
high | Codage difficile, recherche, travail agentique, longues exécutions sans surveillance |
xhigh | Les tâches longues les plus difficiles (score un peu plus haut, beaucoup plus de tokens) |
max | Mesurer le plafond du modèle, recherche ouverte : tours lents et très coûteux |
En pratique : un tri d'emails entrants tourne très bien à low, l'analyse d'un contrat se fait à high, et une refonte de code sur plusieurs fichiers mérite d'essayer xhigh seulement si high échoue.
Deux pièges documentés. D'abord, à high et au-dessus, le modèle réfléchit avant presque chaque réponse, y compris un simple bonjour. Une consigne du type "réponds sans réfléchir" n'y change rien à medium et au-dessus : pour accélérer les demandes simples, baisse le niveau d'effort. Ensuite, l'effort change à peine la longueur des réponses : pour la longueur et le ton, c'est le prompt qui décide.
{
"model": "claude-fable-5-2",
"max_tokens": 4096,
"output_config": { "effort": "medium" },
"messages": [{ "role": "user", "content": "Classe ces 30 emails par urgence." }]
}Le paramètre se règle dans output_config.effort de la requête (sans en-tête bêta) ; vérifie-le dans la documentation du paramètre d'effort avant de l'utiliser en production. Pour le tarifaire et l'intégration, voir aussi notre page sur l'API Anthropic.
Pourquoi Claude s'arrête-t-il avant la fin de la tâche ?
Sur les tâches longues en plusieurs étapes, Fable 5.2 termine parfois son tour avant la fin du travail : il liste ce qui reste, propose de continuer, ou s'arrête devant un obstacle ordinaire. Anthropic note que c'est plus fréquent à low et medium. Trois causes reviennent : un effort trop bas, aucun critère de fin vérifiable, et une règle d'approbation trop vague qui le pousse à demander confirmation.
Cas concret : un agent doit traiter 40 fiches clients et en rend 12 avec un "je continue si vous voulez". Voici le avant/après.
AVANT
Traite les fiches clients du dossier et mets-les à jour.
APRÈS
Traite les 40 fiches clients du dossier /fiches. Tu as fini quand les 40
fiches portent le statut "à jour" dans le tableau de suivi. Ne t'arrête pas
tant qu'il reste une fiche à traiter. Si un fichier est verrouillé ou un
résultat vide, diagnostique, réessaie une fois, puis note l'anomalie et
passe à la fiche suivante.Anthropic fournit une formulation pour le prompt système : "Please avoid stopping while you still owe work the user asked for. Be persistent and do not stop unless needed.", suivie de consignes pour diagnostiquer les erreurs ordinaires (délais, fichiers verrouillés, résultats vides) et laisser tranquilles les blocages volontaires. Selon les tests d'Anthropic sur des sessions de codage rejouées à medium, environ deux fois moins de sessions finissaient avec du travail faisable restant, au prix d'environ 30 % de tokens de sortie en plus. Le taux varie selon la tâche.
Distingue enfin ce qui vient du modèle et ce qui vient de ta boucle d'agent : si ton code coupe l'exécution à un nombre de tours ou de tokens, aucun prompt n'y fera rien. Les architectures d'agent sont détaillées dans notre dossier pour construire des agents autonomes.
Comment écrire une consigne de fin de tâche qui tienne ?
Une fin de tâche se définit par un critère vérifiable, pas par "termine le travail" : une liste de livrables que quelqu'un peut cocher, une condition d'arrêt, et un format de compte rendu. Sans cela, le modèle juge lui-même qu'il a fini, et son jugement varie d'une exécution à l'autre.
Gabarit à coller dans le prompt système, ici pour un agent de traitement de factures :
Mission : traiter les factures fournisseurs du dossier /factures-novembre.
Tu as terminé quand TOUTES ces conditions sont vraies :
1. Chaque facture a une ligne dans le tableau (fournisseur, date, montant HT, TVA, total).
2. Chaque ligne a un statut : "ok", ou "à vérifier" avec le motif en une phrase.
3. Le total général du tableau est calculé.
Tant que la liste n'est pas épuisée, ne demande pas "voulez-vous que je continue".
Si une facture est illisible, marque-la "à vérifier" et passe à la suivante.
Compte rendu final, lisible par quelqu'un qui n'a pas vu ton travail :
- Première phrase : combien de factures traitées sur combien, et le total.
- Ensuite : la liste des factures "à vérifier" avec le motif.
- Pas de jargon, pas de termes inventés pendant le travail.Anthropic fournit un texte de prompt dédié aux rapports finaux (points clés dans les premières phrases, mots simples), que tu peux adapter. Pour les tâches de plusieurs heures, il propose aussi de demander un point d'étape : "Every few tool calls, give the user a one-line update on where things stand." Fable 5.2 écrit parfois peu de texte entre les appels d'outils, et cette phrase règle le silence quand tu ne peux pas modifier le harnais.
Approbations : quand Claude doit-il demander, quand doit-il agir ?
Sépare les actions réversibles (lire, brouillonner, classer) des irréversibles (envoyer, payer, supprimer, publier), et écris la règle dans le prompt système en nommant les actions exactes. Anthropic a constaté qu'une règle trop large, citant "envoyer des messages à des personnes extérieures à la conversation", a fait retenir environ la moitié des demandes courantes aux collègues.
| Action (exemple dirigeant) | Règle à écrire |
|---|---|
| Lire les emails, classer, résumer | Agir sans demander |
| Rédiger un brouillon de devis | Agir sans demander |
| Envoyer un devis à un client | S'arrêter et demander |
| Rembourser un client | S'arrêter et demander |
| Modifier ou supprimer un fichier partagé | S'arrêter et demander |
Quand tu veux que le modèle continue après une demande d'accord, réponds précisément ("Oui, lance la migration sur la base de test") plutôt qu'un "go" ambigu. Attention aussi à la prudence cumulée : les notes, mémoires et fichiers d'instructions accumulent des interdictions que Fable 5.2 suit de près. Supprime les notes obsolètes et écris l'exception dans la règle elle-même.
Une règle écrite reste une consigne, pas un verrou. Pour une vraie garantie, double-la d'une permission côté outil : le Model Context Protocol décrit comment les outils exposés à Claude sont déclarés et permissionnés, et notre page sur la connexion de Claude via MCP montre comment limiter les droits d'un serveur.
Quel prompt système complet pour un agent long ?
Assemble les trois leviers en un seul bloc réutilisable : rôle, critère de fin, règle d'approbation, format de compte rendu. Pour un agent de tâche longue, pars de l'effort high (le défaut) et teste medium si le coût t'inquiète.
Rôle : tu es l'assistant administratif de [entreprise]. Tu traites des lots de documents.
Fin de tâche : tu as terminé quand chaque élément du lot a un statut
renseigné dans le tableau de suivi. Ne t'arrête pas tant qu'il reste un élément.
Diagnostique les erreurs ordinaires (fichier verrouillé, résultat vide) avant
de les signaler. Ne contourne pas un blocage volontaire.
Approbations :
- Sans demander : lire, classer, résumer, rédiger des brouillons.
- En t'arrêtant pour demander : envoyer un email ou un devis à l'extérieur,
rembourser, payer, supprimer ou modifier un fichier partagé.
Sortie :
- Toutes les quelques actions, une ligne d'avancement.
- Rapport final : première phrase = résultat chiffré, puis anomalies.
- Mots simples, pas de termes inventés pendant le travail.Méthode de test : lance la même tâche sur 5 cas réels, compte les arrêts prématurés et les demandes d'approbation inutiles, puis modifie une seule variable à la fois (effort, fin de tâche, approbation). Applique ces consignes dans de nouvelles conversations : modifier le prompt système en cours de conversation peut déclencher une erreur 400 avec la vérification de préfixe de Fable 5.2.
À revoir si tu migres depuis un ancien prompt : les lignes qui poussent à déléguer, un budget de tokens écrit dans le prompt (le retirer a baissé le coût à performance équivalente selon Anthropic), les consignes "réfléchis moins" et les règles de style trop strictes. Pour le choix entre un agent unique et des sous-agents, notre article sur l'agent unique ou les sous-agents détaille la méthode de mesure.
Questions fréquentes
Qu'est-ce que Claude Fable 5.2 ?
C'est un modèle Claude lancé le 9 novembre 2026, avec 1M tokens de contexte et un tarif API de 8 $ / 40 $ le million de tokens. Son identifiant est claude-fable-5-2, à confirmer sur la page des modèles de la documentation Anthropic.
Pourquoi Claude arrête-t-il une tâche à mi-chemin ?
Les causes courantes sont un effort trop bas, un prompt qui ne définit pas ce que veut dire "terminé", ou une limite de tokens de sortie atteinte. Une liste de livrables explicite et une consigne de persistance règlent la plupart des cas.
Faut-il toujours mettre l'effort au maximum ?
Non. Un effort plus élevé augmente le temps de réponse et le coût en tokens. Garde un niveau bas pour le tri, la mise en forme ou l'extraction simple, et réserve les niveaux hauts aux tâches de raisonnement complexe.
Comment obliger Claude à demander mon accord avant une action sensible ?
Écris dans le prompt système la liste exacte des actions qui exigent une validation (envoi, paiement, suppression). Pour une vraie garantie, double la règle par une permission côté outil : un prompt seul reste une consigne, pas un verrou.
Un prompt système suffit-il pour fiabiliser un agent ?
Il améliore nettement la tenue de la tâche, mais ne suffit pas seul en production. Ajoute des permissions d'outils limitées, un plafond de dépense côté API et une relecture régulière des cas d'échec.
Et après : comment passer du prompt à un agent en production ?
Trois actions concrètes pour un agent qui tourne seul : tenir un journal des appels et des décisions, fixer un plafond de dépense côté API, et relire chaque semaine les cas d'échec pour corriger le prompt. Tu peux aussi t'appuyer sur notre guide pour sécuriser un agent Claude avant de lui confier des accès sensibles.
Si tu veux construire ça avec un accompagnement, la formation pour piloter tes agents autonomes de A à Z te fait déployer et sécuriser ton propre agent en cinq semaines.