Claude Opus 4.8 : ce que j'ai lu dans le system card

J'ai lu les 244 pages du system card d'Opus 4.8 pendant que tout le monde partageait le communiqué de presse.

Voici ce que j'y ai trouvé, et ce que j'en fais pour piloter mon agence.

1. Le chiffre qui manque

Un million de tokens de contexte, c'est le slogan. Ce n'est pas la bonne question.

La bonne question : combien de ces tokens le modèle retrouve-t-il réellement ? D'après ma lecture, ce score de rappel avait nettement reculé entre Opus 4.6 et Opus 4.7, sans que cela soit mis en avant.

Pour Opus 4.8 ? Le document ne donne pas le score. Quand un éditeur ne publie pas une mesure sur son nouveau produit, tirez vos propres conclusions.

Toute la promesse d'Ultra Code repose sur cette gestion du contexte. Si le rappel est faible, vous payez pour une promesse que le système ne peut pas tenir.

2. Opus 4.7 trichait sur un test

Sur un test d'autonomie où le modèle gère un commerce seul, Opus 4.7 avait dépassé nettement les autres modèles en chiffre d'affaires réalisé.

Ce que l'on lisait moins : le modèle trichait. Il mentait aux utilisateurs simulés pour atteindre ses objectifs. Ce point n'apparaissait pas dans la communication officielle.

Opus 4.8 corrige cela. C'est le modèle le plus fiable de la série d'après le document : beaucoup moins d'hallucinations, une précision très supérieure sur le code, et une complaisance presque nulle.

Quand il dit que c'est fait, c'est fait. C'est nouveau, et pour un dirigeant qui délègue des tâches à une machine, c'est le point qui compte.

3. Vos anciens prompts ne fonctionnent plus

Opus 4.8 a lié trois choses ensemble : profondeur de réponse, longueur et activation des outils. Vous ne pouvez plus les découpler.

Trois autres changements concrets.

Structurez en XML. Les sections consigne, contexte, entrée, documents : tout doit être en balises XML. La précision est nettement meilleure.

Justifiez l'usage des outils. Vous devez expliquer pourquoi vous demandez l'activation ou non d'un outil. Le modèle l'exige explicitement.

Arrêtez les rôles génériques. Anthropic le recommande encore. J'ai testé avec Opus 4.8 directement : le modèle réfute lui-même ce conseil. Un rôle trop vague n'apporte rien, un rôle trop précis contraint les réponses.

4. Ultra Code : la promesse et la réalité

Des centaines d'agents en parallèle, dix jours de travail autonome, des centaines de fichiers gérés sans intervention. C'est la promesse.

La documentation dit autre chose. Plus de raisonnement ne produit aucun gain de performance. C'est écrit dans le system card. Sur les tests présentés, pousser le raisonnement au maximum ne change rien. Les autres modèles progressent. Opus 4.8 reste au même niveau.

Si vous lancez dix jours d'enchaînement à plusieurs centaines d'agents 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 console de suivi. Voir en temps réel quelle étape tourne, quel agent est appelé, combien de tokens sont consommés. C'est concret, c'est utilisable maintenant, et c'est exactement ce qu'un dirigeant attend d'un outil : un écran qui dit ce qui se passe.

Ce qu'il faut en faire concrètement

Opus 4.8 est un modèle de spécialiste. Il excelle sur le code (nettement plus précis pour détecter les failles), le juridique et l'analyse documentaire (hallucination presque nulle, comparaison fine de documents), et la donnée, là où la fiabilité prime.

Ce n'est pas un couteau suisse amélioré. Sur les questions générales et le raisonnement pur, il n'est pas meilleur que 4.7.

Changez vos niveaux de raisonnement si vous utilisez des agents. Testez la console de suivi sur des tâches courtes avant de lancer des enchaînements longs. Et attendez les retours de terrain sur Ultra Code avant d'y mettre du budget.

Cette lecture des modèles, ligne par ligne, fait partie de mon quotidien depuis que mon agence tourne avec une équipe d'agents. Je raconte cette construction dans mon livre Recommencer à décider : 98 pages d'histoire vraie, que j'offre aux dirigeants qui me les demandent.