Opus 4.7 est sorti hier jeudi 16 avril 2026. Avec les changements de comportement que la release introduit (adaptive thinking seul mode, xhigh par défaut, moins de verbosité), les prompts qui marchaient sur 4.6 ne donnent plus exactement les mêmes résultats. Voici les patterns de prompt que j’ai validés sur mes workflows de production, et ceux qui ne fonctionnent plus.
Les patterns qui restent gagnants
Le brief structuré complet en une passe. Intention, contraintes, critères d’acceptation, fichiers concernés. Sur 4.7, ce pattern marche encore mieux que sur 4.6 parce que le modèle dépense moins de tokens en clarifications quand le brief est net d’entrée.
Les contraintes négatives explicites. Lister ce que le modèle ne doit PAS faire marche toujours aussi bien. “Ne modifie pas l’API publique”, “n’ajoute pas de dépendance externe”, “ne change pas les signatures de fonction”. Un simple énoncé positif laisse toujours une marge d’interprétation.
Les exemples few-shot. Montrer un exemple d’entrée et de sortie souhaitée reste la technique la plus puissante pour contraindre le format. Sur 4.7, deux exemples suffisent généralement là où 4.6 en demandait parfois trois.
Les rôles explicites. “Tu es un senior SRE qui audite une configuration Kubernetes” cadre le registre et le niveau de détail. 4.7 s’adapte bien à ces rôles, et même mieux que 4.6 sur les rôles spécialisés.
Les patterns qui ne marchent plus
Les budgets de thinking fixés manuellement. Sur 4.6, tu pouvais dire “utilise jusqu’à 32000 tokens pour raisonner”. Sur 4.7, l’adaptive thinking ignore ces budgets. Les instructions dans ce sens sont mortes.
Les instructions sur le style verbeux. “Explique chaque étape en détail” fonctionne encore, mais 4.7 par défaut est plus sec. Il faut être plus explicite sur le niveau de détail voulu qu’avec 4.6 qui était verbeux par nature.
Les prompts qui forçaient plus de subagents. Sur 4.7, le modèle spawn moins de subagents par défaut. Si ton prompt comptait sur un spawn implicite, il faut maintenant demander explicitement “décompose cette tâche en N subagents qui travaillent en parallèle sur X, Y, Z”.
Les nouveaux patterns spécifiques à 4.7
La double passe explicite. Au lieu de faire confiance au modèle pour choisir sa profondeur de raisonnement, tu peux demander deux passes : “fais une première passe pour esquisser la solution, puis une seconde passe pour vérifier les edge cases”. Cette structure donne au modèle un cadre où l’adaptive thinking s’épanouit.
Le critère d’arrêt négocié. “Continue à raffiner jusqu’à ce que X soit vrai” ou “tu peux t’arrêter quand Y est vérifié”. 4.7 respecte mieux ces conditions d’arrêt que 4.6, qui avait tendance à sur-livrer.
L’auto-vérification finale. “À la fin, fais une passe de vérification sur ta propre sortie et corrige les erreurs que tu détectes.” Ce pattern seul améliore la qualité finale sans demander de compétence particulière côté prompt.
Les anti-patterns à éviter
Enchaîner des instructions qui se contredisent. Sur 4.6, le modèle essayait de satisfaire tout le monde et produisait des compromis bancals. Sur 4.7, il détecte mieux les contradictions et peut bloquer sur clarification. Un prompt propre n’a pas de contradictions.
Utiliser trop de balises structurelles. Un prompt bardé de <context>, <task>, <constraint>, <format> devient illisible pour le modèle autant que pour l’humain. Deux à trois sections structurantes suffisent.
Demander un format précis sans exemple. “Format ta réponse en JSON conforme à ce schéma” sans schema en exemple produit des réponses proches mais pas exactes. Toujours accompagner d’un exemple complet.
Les prompts système efficaces
Un prompt système bien calibré fait plus pour la qualité qu’un effort manuel élevé. Éléments qui marchent particulièrement bien sur 4.7 :
Le rôle + les contraintes immuables en ouverture. 50 à 150 mots. Doit poser qui tu es (le rôle attendu du modèle) et quelles règles ne peuvent pas être cassées (pas d’em dash, pas de statistiques inventées, etc.).
Les règles de ton explicites. “Réponds sec, sans formule creuse, sans transition vide”. 4.7 est plus sec par défaut mais un rappel dans le prompt système cimente le cadre.
Le reset automatique en fin de session longue. “Si le contexte dépasse X tours, produis un résumé condensé et recommence avec ce résumé”. Ça aide à gérer les sessions marathon sans dégradation.
Tester ses prompts sur 4.7
Une méthode simple pour valider qu’un prompt porté de 4.6 à 4.7 fonctionne encore. Prends 5 entrées représentatives, lance le prompt sur les deux versions, compare les sorties sur trois critères : justesse, richesse, conformité au format demandé.
Si 4.7 est équivalent ou meilleur sur les trois, bascule sans modification. Sinon, identifie le critère qui régresse et ajuste le prompt. Les régressions les plus communes : sorties trop courtes (il faut demander explicitement du détail), oubli de certaines consignes (les remettre en début ET fin du prompt).
FAQ
Les prompts chaînés via LangChain ou équivalents marchent-ils ? Oui, sans changement structurel. Les frameworks ne voient pas la différence entre 4.6 et 4.7 dans leur logique de chaînage. Tu peux migrer la version du modèle sans toucher au framework.
Faut-il ajuster le system prompt quand on passe à 4.7 ?
Marginalement. Les règles que tu imposais restent pertinentes. Tu peux supprimer les mentions au thinking_budget si tu en avais. Tu peux ajouter une règle explicite sur le niveau de verbosité voulu.
Les prompts en anglais sont-ils plus efficaces que les prompts en français ? Sur 4.7 comme sur 4.6, les deux langues fonctionnent bien. L’anglais garde un léger avantage sur les tâches techniques très spécialisées parce que la doc source est majoritairement en anglais.
Je dirige Linkuma, plateforme de netlinking low cost avec 40 000 sites au catalogue et 15 000 clients. On teste les patterns de prompt en continu pour optimiser notre production. Retours terrain sur linkuma.com, promos hebdo sur deals.linkuma.com.