Opus 4.7 a été publié hier jeudi 16 avril 2026. Avec les changements qu’apporte la release (adaptive thinking, xhigh par défaut, ton plus sec, moins de subagents), les prompts système ont besoin d’être ajustés. Voici les patterns qui marchent concrètement sur 4.7 et ceux qui sont devenus obsolètes.
Qu’est-ce qu’un bon prompt système ?
Un prompt système, c’est l’instruction qui cadre le modèle avant que tu ne commences à lui parler. Il pose qui le modèle est censé être, quelles règles il doit suivre, quelles choses il ne doit pas faire.
Un bon prompt système a plusieurs propriétés. Il est court (100-300 mots idéalement). Il est précis (pas de formules creuses). Il donne des règles vérifiables (pas des intentions). Il se concentre sur les contraintes qui comptent (pas toutes les règles possibles).
Trop long, il dilue l’attention. Trop court, il ne cadre rien. L’équilibre se trouve par itération.
Le template qui marche sur 4.7
Voici la structure que j’utilise pour la plupart de mes agents et workflows.
Rôle en une phrase. “Tu es un ingénieur backend senior spécialisé en Python qui travaille sur des pipelines de traitement de données SEO.” Précis mais pas verbeux.
3 à 5 règles immuables. Ce qui doit impérativement être respecté sur chaque réponse. Exemple : “ne jamais inventer de chiffres sans source, toujours utiliser des f-strings plutôt que .format(), ne jamais modifier l’API publique sans l’annoncer explicitement, ne jamais mettre de commentaires qui expliquent ce que le code fait quand c’est évident”.
Le ton. Sec, pro, pas de formule creuse, pas d’em dash, pas d’introduction inutile. Sur 4.7, cette section est plus importante que sur 4.6 parce que le modèle est plus malléable sur ce point.
Les comportements à éviter. “Ne commence pas les réponses par ‘Bien sûr, voici’ ou équivalent. Ne termine pas par ‘N’hésite pas si…’. Si tu n’es pas sûr, dis-le au lieu d’inventer une réponse plausible.”
Les règles spécifiques pour la rédaction
Si tu utilises 4.7 pour produire du contenu (newsletter, articles, emails, etc.), certaines règles font une grosse différence.
Pas de formules creuses. Liste explicite : “il convient de noter”, “en effet”, “dans ce contexte”, “au sein de”, “de part en part”, “à vrai dire”. À bannir.
Pas d’em dash. Le tiret cadratin est un marqueur IA visible. À remplacer par tiret simple, deux points, virgule, parenthèse ou nouvelle phrase.
Fact-checking explicite. “Aucun chiffre ou statistique n’est cité sans source vérifiée. Si tu n’as pas de source fiable, ne cite pas le chiffre ou dis que la donnée n’est pas disponible.”
Angle imposé. “Chaque paragraphe avance un argument ou une information concrète. Pas de remplissage. Si un paragraphe n’apporte rien, supprime-le.”
Les règles pour le coding
Pour les workflows de génération de code, le prompt système est un peu différent.
Conventions de code. “Respecte le style existant de la codebase. Tabs ou spaces selon ce que tu vois. Nommage camelCase ou snake_case selon la convention dominante. Imports dans l’ordre standard (builtins, tiers, locaux).”
Pas de dépendances implicites. “N’ajoute pas de nouvelle librairie sans le signaler explicitement. Si tu as besoin d’une dépendance, demande avant d’écrire.”
Tests et commentaires. “Si tu écris du code non trivial, écris les tests unitaires associés dans la même réponse. Les commentaires expliquent le pourquoi, pas le quoi.”
Sécurité par défaut. “Jamais de hardcoded secrets. Jamais de log qui exposerait des données sensibles. Toujours échapper les inputs externes avant utilisation.”
Ce qui ne marche plus sur 4.7
“Utilise X tokens de thinking pour cette tâche”. Obsolète. Adaptive thinking ignore ce genre d’instruction. Supprimer de tes prompts.
“Sois verbeux dans tes explications”. Ça marche encore, mais différemment. Sur 4.6, la verbosité était naturelle, tu la réduisais avec une règle. Sur 4.7, la sécheresse est naturelle, tu dois demander explicitement du détail si tu en veux.
“Spawn automatiquement des subagents”. Sur 4.7, le modèle spawn moins par défaut. Tu dois demander explicitement la décomposition si tu veux du parallélisme.
Le piège des prompts système trop longs
J’ai vu des équipes construire des prompts système de 2000 à 3000 mots, avec toutes les règles imaginables. Effet inverse de l’intention : le modèle dilue son attention, oublie certaines règles, et produit des sorties incohérentes.
Règle empirique : si ton prompt système dépasse 300 mots, retire 30 %. Si tu ne peux pas, c’est que tu essaies de cadrer trop de cas dans un seul prompt. Il vaut mieux avoir 3 prompts système spécialisés (coding / rédaction / debug) que 1 prompt généraliste qui couvre tout.
Tester l’efficacité de son prompt système
Méthode simple : prends 10 entrées représentatives. Lance-les avec ton prompt système et sans. Compare les sorties.
Si le prompt système fait une différence visible et positive sur 8 entrées sur 10, il est bon. Si la différence est marginale, supprime-le ou simplifie-le.
Cet exercice est rare dans les équipes. Fais-le. Tu découvriras souvent que ton prompt système fait moins que tu ne crois.
Combinaison prompt système + prompt utilisateur
Le prompt système pose le cadre général. Le prompt utilisateur pose la tâche spécifique. Les deux se complètent, ils ne se dupliquent pas.
Règle : si une information varie selon la tâche, elle va dans le prompt utilisateur. Si elle est constante pour toutes les tâches de cet agent, elle va dans le prompt système.
Exemple : “Tu es un rédacteur SEO” → prompt système. “Écris un article de 800 mots sur X avec les keywords Y et Z” → prompt utilisateur.
FAQ
Faut-il un prompt système différent entre 4.6 et 4.7 ? Marginalement. Retire les mentions au thinking budget, ajuste les règles sur le niveau de verbosité, c’est à peu près tout.
Le prompt système consomme-t-il des tokens à chaque appel ? Oui, il est envoyé à chaque appel. D’où l’intérêt de le garder court. 300 mots × N appels × tarif = potentiellement significatif.
Peut-on versionner les prompts système ? Oui, et il faut. Traite-les comme du code : en git, reviewés, avec des tests qui valident leur comportement avant merge.
Je dirige Linkuma, plateforme de netlinking low cost avec 40 000 sites au catalogue et 15 000 clients. On maintient une bibliothèque de prompts système versionnés pour nos différents workflows. Retours terrain sur linkuma.com, promos hebdo sur deals.linkuma.com.