Claude Opus 4.8 : ce que dit le system card d'Anthropic

Le system card de Claude Opus 4.8, publié le 28 mai 2026 par Anthropic, System Card: Claude Opus 4.8, décrit un modèle plus honnête et nettement meilleur en contexte long qu'Opus 4.7, mais moins habile en gestion commerciale simulée. Pour un dirigeant : régler l'effort, structurer ses prompts, tester avant tout gros chantier.

Le document Anthropic, System Card: Claude Opus 4.8 fait plus de 240 pages, et presque tout le monde s'est contenté du communiqué de presse. Voici ce qu'il contient, et ce que j'en fais pour piloter mon agence.

1. Opus 4.8 retient-il vraiment un million de tokens de contexte ?

Mieux qu'Opus 4.7. Sur GraphWalks, un test qui remplit le contexte d'un graphe à parcourir, Opus 4.8 obtient un score F1 de 68,1 à un million de tokens, selon Anthropic, System Card: Claude Opus 4.8, contre 40,3 pour Opus 4.7 et 16,3 pour Opus 4.6.

Un million de tokens de contexte, c'est le slogan. La bonne question reste : combien de ces tokens le modèle retrouve-t-il réellement ? Sur un autre test, MRCR v2 à huit aiguilles, le document précédent montrait une chute nette à un million de tokens : 32,2 % pour Opus 4.7 contre 78,3 % pour Opus 4.6, selon Anthropic, System Card: Claude Opus 4.7.

Le document d'Opus 4.8 ne publie plus ce test-là : il mesure le contexte long avec GraphWalks. Les deux tests ne mesurent pas la même chose, on ne peut donc pas en déduire qu'Opus 4.8 a retrouvé le niveau d'Opus 4.6 sur MRCR. Quand un éditeur change d'instrument de mesure, notez-le. Et de toute façon, savoir quand relancer Claude pour qu'il reste précis sert plus que le chiffre affiché sur la boîte.

2. Pourquoi Opus 4.8 est-il moins bon qu'Opus 4.7 en gestion commerciale ?

Sur Vending-Bench 2, un test où le modèle gère seul un distributeur automatique simulé pendant un an avec 500 dollars de départ, selon son concepteur Andon Labs, Vending-Bench 2, Opus 4.7 terminait avec un solde de 10 937 dollars en effort maximal, contre 8 018 pour le précédent record d'Opus 4.6, selon Anthropic, System Card: Claude Opus 4.7.

Ce que l'on apprend dans Anthropic, System Card: Claude Opus 4.8 : l'entraînement d'Opus 4.7 aux compétences commerciales avait involontairement favorisé des comportements mal alignés, dont la malhonnêteté. Anthropic a retiré cet entraînement pour Opus 4.8. Le prix à payer, selon Anthropic, System Card: Claude Opus 4.8 : Opus 4.8 ne termine qu'à 2 992 dollars en effort maximal, plus vulnérable aux escrocs et moins bon négociateur.

En contrepartie, c'est un modèle plus fiable. Sur quatre tests de connaissances, selon Anthropic, System Card: Claude Opus 4.8, il a le taux de réponses fausses le plus bas des six modèles comparés, surtout parce qu'il s'abstient quand il doute. Et selon Anthropic, Introducing Claude Opus 4.8, il est environ quatre fois moins enclin qu'Opus 4.7 à laisser passer sans le signaler un défaut dans le code qu'il a écrit.

Quand il dit que c'est fait, c'est plus souvent vraiment fait. Pour un dirigeant qui délègue des tâches à une machine, c'est le point qui compte : impossible d'arrêter de tout faire soi-même si l'on doit tout revérifier derrière.

3. Comment adapter vos prompts à Opus 4.8 ?

Réglez d'abord le niveau d'effort : selon Anthropic, documentation Effort, partez du niveau très élevé (xhigh) pour le code et les agents, élevé pour le reste. Ensuite, structurez vos consignes en balises XML et expliquez pourquoi chacune compte. Le détail se règle par vos propres tests.

L'effort agit sur tout ce que le modèle produit : le texte, le raisonnement et les appels d'outils. Vous ne pouvez pas régler l'un sans toucher aux autres.

Trois autres changements concrets, tous tirés du guide Anthropic, Prompting best practices. Un mot avant : si ces notions d'agents et d'outils vous sont encore floues, j'ai expliqué les briques de Claude : agents, skills et MCP.

Structurez en XML. Les sections consigne, contexte, entrée, documents : chacune dans sa balise. Anthropic explique que cela réduit les erreurs d'interprétation quand un prompt mélange instructions, contexte et données.

Expliquez le pourquoi. Donner le contexte ou la motivation d'une consigne aide Claude à mieux cibler sa réponse. Je le fais aussi pour chaque outil : pourquoi l'utiliser, pourquoi ne pas l'utiliser.

Donnez un rôle précis. Le guide recommande d'attribuer un rôle dans le prompt système : même une seule phrase oriente le ton et le comportement. Testez sur vos propres cas.

4. Que valent vraiment les workflows dynamiques de Claude Code ?

La grande nouveauté lancée avec Opus 4.8 s'appelle les workflows dynamiques de Claude Code, avec un réglage nommé ultracode qui laisse Claude décider seul quand y recourir. D'après Anthropic, Introducing dynamic workflows in Claude Code, Claude y planifie le travail puis lance des dizaines à des centaines de sous-agents en parallèle dans une même session. Le cas phare qu'il met en avant : le portage de Bun de Zig vers Rust, environ 750 000 lignes, onze jours du premier commit à la fusion.

Selon Anthropic, System Card: Claude Opus 4.8, le raisonnement maximal a pourtant ses limites. Sur SWE-Bench Pro, Opus 4.8 atteint son meilleur score au niveau d'effort très élevé, et le niveau maximal n'apporte rien de plus. Au niveau minimal, il égale déjà le meilleur score d'Opus 4.7 au maximum. Autrement dit : pousser le raisonnement au maximum par réflexe, c'est souvent payer pour rien. Anthropic prévient d'ailleurs, dans Anthropic, Introducing dynamic workflows in Claude Code, que ces workflows consomment nettement plus qu'une session classique et conseille de commencer par une tâche bornée.

Si vous lancez plusieurs centaines d'agents pendant des jours et que vous n'obtenez pas le résultat attendu, c'est vous qui avez payé la facture. Pas Anthropic.

Ce qui est utile dans cette mise à jour : la visibilité. Au premier déclenchement, Claude Code montre ce qui va tourner et demande confirmation ; la progression est sauvegardée en cours de route, et un travail interrompu reprend là où il s'était arrêté. C'est concret, et c'est exactement ce qu'un dirigeant attend d'un outil : savoir ce qui se passe.

Que faire concrètement d'Opus 4.8 dans une PME ?

Opus 4.8 est un modèle de fiabilité. Il est à l'aise sur le code (il signale plus volontiers ses propres erreurs), le juridique et l'analyse documentaire (un client testeur cité par Anthropic, Introducing Claude Opus 4.8 y annonce le meilleur score jamais obtenu sur son banc d'essai juridique interne, une mesure propriétaire que je n'ai pas pu vérifier), et la donnée.

Ce n'est pas une révolution : selon Anthropic, Introducing Claude Opus 4.8, l'amélioration est « modeste mais tangible » ; le system card le donne supérieur à Opus 4.7 sur presque toutes les évaluations, mais sur les questions de connaissances sans outils, son score net reste comparable.

Changez vos niveaux d'effort si vous utilisez des agents. Testez les workflows dynamiques sur des tâches courtes avant de lancer des enchaînements longs. Et attendez les retours de terrain avant d'y mettre du budget. Si vous préférez arbitrer ces réglages sur vos propres cas plutôt que sur un benchmark, c'est l'objet de mon coaching et conseil de dirigeants.

Mise à jour : Anthropic annonçait dans le même communiqué un modèle de classe supérieure pour les semaines suivantes ; il est arrivé en juin, et j'ai détaillé ce que Claude Fable 5 change pour les dirigeants.

Faire tourner mon agence avec une équipe d'agents, c'est ce que je raconte dans mon livre Recommencer à décider : 98 pages d'histoire vraie. Je l'offre aux dirigeants qui me le demandent.

Questions fréquentes