# Optimisation des invites Claude : Réduisez 9,5 % des tokens inutiles
Des modèles comme Claude Sonnet gaspillent jusqu’à 11 % des tokens de sortie en politesses d’ouverture, commentaires meta et formules de politesse en conclusion. Des tests sur 500 invites ont montré comment trois lignes dans l’invite système ont éliminé ce gaspillage sans perdre en valeur de réponse.
L’analyse a révélé 11,3 % de « remplissage » dans les réponses : le modèle commençait par « Bien sûr ! » ou « Bonne question ! », ajoutait des explications en mode réflexion à voix haute, et concluait par « J’espère que ça aide. » Pour les intégrations backend avec parsing JSON, c’est du pur surcoût.
Méthodologie de mesure
Nous avons collecté 500 tâches typiques : classification de tickets, extraction de champs à partir de documents, résumés d’e-mails, réponses basées sur des politiques. Configuration : claude-sonnet-4-5, temperature=0.2, invite système standard.
Un script Python avec regex a analysé les sorties :
FILLER_PATTERNS = [
r"^(Bien sûr|Absolument|Évidemment|D'accord)[,!.]",
r"^(Super|Bonne question|Excellente)[!.]",
r"^(Ravi de|Heureux de)",
r"^(Allons-y|Permettez-moi)",
r"(J'espère que ça (aidera|aide)")",
r"(Si vous avez (d'autres )?questions)",
r"(Dites-moi si)",
]Vérification manuelle de 50 réponses : précision de 94 %. Le reste est une sous-estimation.
Répartition du remplissage :
- Phrases d’ouverture (« Bien sûr ! », « Super ! ») — 28 %
- Commentaires meta (« laisse-moi réfléchir… ») — 34 %
- Phrases de conclusion (« j’espère que ça aide ») — 22 %
- Reformulation de la question — 16 %
Nettoyage manuel de 100 réponses : sens principal préservé.
Optimisation de l’invite système
Invite originale :
Vous êtes un assistant pour traiter [DOMAINE]. Répondez précisément,
basé uniquement sur le contexte fourni. S’il n’y a pas de données — dites-le honnêtement.Ajouté :
Format de réponse :
- Pas d’intros, compliments sur la question ou explications du type « voilà ce que je vais faire ».
- Pas de conclusions comme « j’espère que ça aide ».
- Direct au but. Listes en premier si besoin. Numéros en premier si besoin.Relancé sur 500 invites : remplissage tombé à 1,8 %. Économies de tokens : 9,5 %.
Exemple de coût :
| Requêtes/Jour | Réponse moyenne (Tokens) | Économies mensuelles ($) |
|---------------|--------------------------|--------------------------|
| 2000 | 400 | ~50 |
| 20000 | 400 | ~500 |
Projet réel : 55 $/mois économisés. Plus de contexte réduit dans les suivis.
Limites et retours en arrière
Pas pour tous les cas d’usage :
- Chat client : Sans politesse, ça paraissait grossier. Satisfaction en baisse — annulé.
- Chaînes d’outils : Le modèle mélangeait les outils sans méta-description du plan. Annulé pour fiabilité.
Astuce : Utilisez pour tâches machine (JSON, API). Gardez pour chats utilisateurs.
Points clés
- 11,3 % de tokens en remplissage sur Claude Sonnet de base.
- 9,5 % d’économies avec trois lignes d’invite.
- Regex capture 94 % de superflu.
- Sûr pour l’essence de la réponse, risqué en chaînes d’outils et chats UX.
- Prochain : Nettoyer les tokens d’entrée des préambules utilisateurs.
— Editorial Team
Aucun commentaire pour le moment.