Prompter Fable 5 : six habitudes, et ce que j'ai vraiment changé dans mon setup

Fable 5 est le premier modèle que j'utilise qui donne l'impression de comprendre la tâche avant que j'aie fini de la décrire. C'est aussi le premier dont le prix pique assez pour qu'on se pose la question du prompting sérieusement : à 10 dollars le million de tokens en entrée et 50 dollars en sortie — le double d'Opus —, chaque instruction inutile a un coût. Nate Herk a condensé dans une vidéo les bonnes pratiques officielles d'Anthropic en six habitudes. Je les ai prises au pied de la lettre : j'ai audité mon propre setup — CLAUDE.md global, une douzaine de skills maison — et appliqué ce qui méritait de l'être. Voilà ce que ça donne en vrai.

Les six habitudes, sans le remplissage

1. Donner le pourquoi. Fable connecte ta demande au bon contexte quand il comprend l'intention, au lieu de deviner. « Écris un mail au client sur le retard » devient « voilà le projet, voilà ce que le client attend, avec ça écris le mail ».

2. Dire quoi ne pas faire. Le prompting négatif marchait moyennement sur les anciens modèles ; sur Fable, il mord. Les docs Anthropic elles-mêmes en sont truffées — « do not do this », « don't add features », « do the simplest thing that works ».

3. Le laisser agir dès qu'il en sait assez. Fini le plan mode systématique. « Quand tu as assez d'infos pour agir, agis » suffit. Et surtout : adapter le niveau d'effort à la tâche — high par défaut, xhigh pour le critique, low pour le routinier. D'après la doc officielle, Fable en low dépasse souvent les anciens modèles en xhigh.

4. Exiger la preuve. « Avant de dire que c'est fini, montre le résultat qui le prouve. Pas de preuve = dis-le. » À câbler une fois dans les fichiers de config, pas à répéter à chaque prompt.

5. Ne jamais lui demander d'exposer son raisonnement — le seul point vraiment spécifique à Fable. Une consigne permanente « explain your reasoning » peut déclencher un refus, voire une bascule vers Opus 4.8. Fable est la version grand public de Mythos 5, avec des garde-fous en plus ; demander à voir sa chaîne de pensée privée fait partie des déclencheurs.

6. En dire moins. Le modèle est assez bon pour qu'une instruction courte portée par l'intention pilote aussi bien que quinze règles numérotées. Pas contradictoire avec le pourquoi de l'habitude un : du contexte, oui ; du bloat, non.

L'audit de mon setup : moins de travail que prévu

J'ai passé mes treize skills au peigne fin, à la recherche de consignes « explique ton raisonnement » permanentes. Résultat : une seule vraie occurrence, planquée dans le prompt d'un agent juge de mon skill de création de skills — « Explain your reasoning » en toutes lettres, exactement la phrase à risque. Reformulée en « justifie le verdict » : même sémantique, plus de phrase déclencheuse. Le deuxième résultat était un faux positif : un conseil d'auteur qui dit d'expliquer le pourquoi des instructions dans une doc — c'est l'habitude un, pas le piège cinq.

Pour l'habitude quatre, j'ai failli tomber dans le panneau : coller un paragraphe « exige la preuve » dans chacun de mes skills. C'est exactement ce que l'habitude six interdit. La bonne réponse tenait en quatre lignes ajoutées une seule fois dans le CLAUDE.md global — montre la preuve avant d'annoncer « fait », agis quand tu en sais assez, diagnostic d'abord si je décris un problème, et consignes courtes quand tu rédiges des prompts. Chargé dans chaque session, applicable partout, zéro duplication.

Restait la verbosité. Mon skill le plus utilisé faisait 4 300 mots ; il en a perdu un bon tiers sans perdre une seule règle métier — uniquement des répétitions, des exemples en doublon et des justifications qui paraphrasaient la consigne. Le test de non-régression, c'est la relecture adversariale du diff : chaque coupe doit être une redondance prouvée, pas un raccourci.

Le vrai piège : la bascule vers Opus — et ce que la vidéo rate

C'est là que j'ai eu raison de vérifier avant de recopier. La vidéo décrit un reroutage « silencieux », visible seulement via l'API. La doc officielle dit à peu près l'inverse. Le mécanisme réel : Fable passe chaque requête dans des classifieurs de sécurité — quatre catégories : cyber, biologie, extraction de raisonnement interne, et entraînement de LLM frontière — et quand ça déclenche (moins de 5 % des sessions d'après Anthropic), la réponse vient d'Opus 4.8 en te le disant. Sur l'API, c'est encore plus explicite : le fallback est opt-in ; sans lui, tu reçois un stop_reason: "refusal" et la requête s'arrête là.

La leçon pratique tient toujours, elle est juste plus propre : une vieille consigne « show your reasoning » qui traîne dans un template peut te coûter un refus sec ou une réponse d'un modèle moins capable. Mais tu le verras — pas besoin de paranoïa sur des dégradations invisibles. Et accessoirement : vingt minutes de vérification contre les sources primaires ont suffi à corriger le point central d'une vidéo à plusieurs centaines de milliers de vues. Le réflexe vaut pour les vidéos IA comme pour le reste.

La chute

L'ironie de l'exercice : sur six habitudes, quatre étaient déjà câblées dans mon setup — par les garde-fous que je me suis construits ces derniers mois (harnais de déploiement, tests E2E boîte noire, revue adversariale). La leçon n'est pas « ajoute des règles pour Fable », c'est l'inverse : le modèle a rattrapé les règles. Ce qui reste à faire, c'est de la soustraction — enlever la phrase qui déclenche un reroutage, enlever les mille mots qui diluent le signal, enlever le plan mode réflexe. Prompter un bon modèle, en 2026, ça ressemble de plus en plus à débroussailler.

Et puisque chaque token compte double sur un modèle à ce prix : les six leviers pour contenir la facture sont détaillés dans FinOps de l'IA : diviser votre facture LLM — et si la question est plutôt « faut-il vraiment envoyer nos données à un modèle américain ? », la réponse chiffrée est dans le guide IA souveraine et RGPD.