Lexique

Chaque terme ci-dessous apparaît dans au moins un des quatre examens. Chaque entrée donne la définition, pourquoi elle compte à l’examen, et quels cours s’appuient le plus dessus : A = CCAO-F, D = CCDV-F, F = CCAR-F, P = CCAR-P.

---

A

A/B testing (pairwise) – Comparer deux prompts/modèles face à face sur les mêmes entrées et tester si le taux de victoire diffère de 50 % avec une significativité statistique. Juger à l’œil quelques sorties est le distracteur. P

ADR (Architecture Decision Record) – Un court document capturant une décision, son contexte, les options envisagées et les conséquences. L’artefact correct à l’examen pour communiquer un compromis à un sponsor non technique, aux côtés d’une matrice de décision, d’un modèle de coûts et d’un registre des risques. P

Adaptive thinking (raisonnement adaptatif) – thinking: {"type": "adaptive"}. Le modèle décide de la quantité de raisonnement à dépenser par requête. Le comportement par défaut actuel sur Fable 5.1, Opus 5 et Sonnet 5 ; remplace le budget_tokens fixe (qui renvoie désormais 400 sur ces modèles et ne subsiste que sur Haiku 4.5). D F P

Agent – Un système où le modèle dirige dynamiquement son propre processus et l’usage de ses outils, décidant de l’étape suivante à partir du retour de l’environnement, dans une boucle qui s’arrête lorsque stop_reason vaut end_turn. À opposer à Workflow. D F P

Agent SDK (Claude Agent SDK) – La bibliothèque d’Anthropic (pip install claude-agent-sdk, npm install @anthropic-ai/claude-agent-sdk) qui expose de manière programmatique le harnais d’agent de Claude Code : outils, hooks, permissions, subagents, serveurs MCP. Renommée depuis « Claude Code SDK ». C’est vous qui l’hébergez. D F P

Agent teams – Fonctionnalité de Claude Code pour coordonner plusieurs agents aux rôles nommés collaborant sur une même tâche partagée. Positionnée au-dessus des subagents (quelques tâches déléguées) et en dessous des dynamic workflows (orchestration scriptée de dizaines à centaines). À choisir quand le travail bénéficie de personas distincts travaillant ensemble sur le même problème, et non d’un fan-out indépendant. F

Agentic loop (boucle agentique) – send → inspect stop_reason → if tool_use: execute tools, append tool_result, repeat → else stop. La terminaison est pilotée par stop_reason, jamais par l’analyse de la prose ni par un plafond d’itérations arbitraire. D F

Agentic RAG – Récupération réalisée sous forme d’appel d’outil au sein d’une boucle d’agent, de sorte que le modèle puisse reformuler les requêtes, récupérer de façon itérative et décider quand il en a assez. P

Aggregate metric masking (masquage par métrique agrégée) – Anti-pattern 10. Une précision globale élevée masque un segment défaillant (par exemple, un type de document). Toujours reporter les métriques par segment. D F P

Allowlist (tools, commands, domains) – Liste explicite d’actions autorisées ; par défaut, tout est refusé. Dans Claude Code : permissions.allow ; dans le SDK : allowed_tools. Contrôle central du moindre privilège. D F P

Amazon Bedrock – Accès à Claude hébergé par AWS. Choisi pour la résidence des données, l’intégration IAM, les engagements AWS existants et FedRAMP High. D P

Anti-pattern – Une conception plausible qui échoue de façon fiable. Les examens Architect en listent dix ; ils apparaissent comme distracteurs. Voir la page Anti-Patterns de CCAR-F. D F P

Answer relevance (pertinence de la réponse) – Métrique de génération RAG : la réponse traite-t-elle réellement la question posée ? Distincte de la faithfulness (est-elle ancrée dans le contexte ?) et du recall de récupération. P

Append-only history (historique en ajout seul) – Exigence de Fable 5.1 : ne jamais éditer, réordonner ni supprimer les tours antérieurs, car cela invalide les thinking blocks ultérieurs. Figez system et tools ; livrez les changements en cours de session sous forme de messages role: "system" ; élaguez côté serveur (context editing / compaction). D F P

Artifact – Un livrable autonome et itérable rendu à côté du chat dans claude.ai (document, code, graphique, maquette). À choisir pour les livrables itératifs ; inline pour la conversation ; données structurées pour la consommation machine. A

Augmented LLM (LLM augmenté) – Le bloc de base : un modèle plus récupération, outils et mémoire. Les workflows et les agents sont des compositions de LLM augmentés. F P

Auto memory – Fonctionnalité de Claude Code où l’agent enregistre automatiquement des faits durables sur un projet dans sa mémoire à mesure qu’il travaille ; activez et inspectez via /memory. Distincte du memory tool de l’API et de la fonctionnalité Memory du produit claude.ai. F

Authentication vs authorisation (authn/authz) (authentification vs autorisation) – Qui vous êtes vs ce que vous avez le droit de faire. Analyse d’écart à l’examen Professional : la couche d’outils propage-t-elle l’identité de l’utilisateur final et applique-t-elle ses permissions, ou bien l’agent s’exécute-t-il avec un identifiant super-utilisateur partagé ? D P

B

Backoff (exponential, with jitter) (temporisation exponentielle, avec gigue) – Stratégie de nouvelle tentative pour les erreurs 429, 500, 529 et réseau : attendre base × 2^n plus une part d’aléatoire ; respecter retry-after. Ne pas réessayer les 400/401/403/404. D F P

Batch (Message Batches API) – Soumettre jusqu’à des milliers de requêtes de façon asynchrone ; réduction de prix de 50 % ; résultats sous 24 h (souvent bien plus vite). Mots-signaux : « du jour au lendemain », « le coût compte, la latence non », « 10 000 documents ». D F P

Bias (biais) – Déviation systématique dans le cadrage, les exemples ou le traitement. Atténué par des prompts neutres, des structures symétriques et une revue humaine ; jamais totalement éliminé par le seul prompting. A P

Baseline (référence) – Une référence mesurée (précision, latence p95, coût par 1 k) captée avant un changement, afin que les régressions soient détectables. Les SLO et les affirmations d’A/B doivent être ancrés à une baseline, non à une attente. D P

Blast radius (rayon d’impact) – L’étendue des dégâts qu’une action peut causer. À minimiser : outils au moindre privilège, sandboxes, portes humaines sur les actions irréversibles et motifs de permission étroits. D F P

BM25 / sparse retrieval (récupération éparse) – Classement fondé sur les mots-clés. Fort sur les termes exacts, les identifiants et les mots rares ; faible sur la paraphrase. À combiner avec la récupération dense dans la hybrid search. P

Bi-encoder (bi-encodeur) – Modèle de récupération qui plonge les requêtes et les documents séparément (vecteurs de documents précalculés), permettant une recherche rapide au moment de l’indexation. Rappel élevé, précision plus faible qu’un reranker cross-encoder ; les deux forment le pipeline retrieve-then-rerank. P

budget_tokens – Budget de raisonnement fixe hérité. Seul Haiku 4.5 l’utilise encore ; renvoie 400 sur Fable 5.x, Opus 5, Sonnet 5, Opus 4.7/4.8. D F P

C

cache_control – Marque un bloc de contenu comme point de rupture de cache : {"type": "ephemeral"} (TTL de 5 minutes ; option d’1 heure). Placez le contenu stable en premier. D F P

Cache read / cache write (lecture/écriture de cache) – Lecture ≈ 0,1× le prix d’entrée de base ; écriture ≈ 1,25× (5 min) ou 2× (1 heure). Rentabilité après environ deux lectures. Préfixe cachable minimum ≈ 1024 tokens (2048 sur Haiku). D F P

Canary release (déploiement canari) – Déployer un changement d’abord sur une petite tranche du trafic réel, surveiller les métriques, puis élargir. Le pendant en ligne d’une évaluation hors ligne sur golden set ; attrape les régressions que le golden set a manquées. P

Capability negotiation (négociation des capacités) – Poignée de main MCP initialize où client et serveur déclarent les fonctionnalités prises en charge (tools, resources, prompts, sampling, logging). D F

Cascade routing (routage en cascade) – Envoyer le trafic d’abord vers un modèle bon marché et n’escalader que les cas difficiles (signalés par un validateur externe, non par auto-déclaration) vers un modèle coûteux. Rentable tant que le taux d’escalade reste sous le point de rentabilité ; au-dessus, routez tout vers le modèle coûteux. D F P

Cohen’s κ (kappa) – Statistique d’accord (corrigée du hasard) utilisée pour calibrer un LLM-as-judge par rapport à des étiquettes humaines ; κ ≥ 0,6 est un seuil courant de « on lui fait confiance ». P

Confidence (self-reported) (confiance auto-déclarée) – La certitude affichée par un modèle. Peu fiable comme signal de contrôle ; router/escalader dessus est l’anti-pattern 4. Utilisez plutôt un validateur externe ou une vérification en aval. D F P

Context precision (précision du contexte) – Métrique RAG : quelle fraction des chunks récupérés étaient réellement pertinents/utilisés. Une faible précision du contexte signifie que le récupérateur alimente le modèle en bruit. P

Chain-of-thought (CoT) – Demander au modèle de raisonner étape par étape dans la sortie visible. Distinct du extended/adaptive thinking, qui raisonne dans des thinking blocks dédiés. A D F P

Chunking (découpage) – Segmenter les documents pour l’indexation. Stratégies : taille fixe, récursif, sémantique, structurel/conscient du document, parent-enfant (small-to-big), late chunking. À adapter à la forme des données et au motif de requête. P

Citations – Fonctionnalité d’API et pratique RAG consistant à rattacher des extraits de source aux affirmations. Rend possible le provenance test. A D P

claude.ai / Claude Desktop / Claude Code – Produit de chat grand public et d’équipe ; application de bureau avec intégration MCP locale ; outil de codage agentique dans le terminal. Les instructions sont interprétées différemment selon les surfaces – l’examen Developer teste ce point. A D

CLAUDE.md – Le fichier de mémoire de projet de Claude Code. Hiérarchie : politique gérée → utilisateur ~/.claude/CLAUDE.md → projet ./CLAUDE.md → sous-répertoire. CLAUDE.local.md est une mémoire personnelle ignorée par git ; @path importe d’autres fichiers. À garder concis ; il est chargé à chaque session. D F P

Compaction – Résumé côté serveur d’une longue conversation qui préserve le récit tout en réduisant les tokens. À utiliser pour les longues sessions qui ont besoin de leur historique ; utilisez le context editing pour supprimer les résultats d’outils verbeux. Dans Claude Code : /compact ; événement de hook PreCompact. D F P

Computer use – Famille d’outils côté serveur permettant à Claude de piloter une interface graphique via captures d’écran et actions. À exécuter en sandbox. D F

Connector (connecteur) – Intégration permettant à Claude de lire/agir sur des données externes (Google Drive, Gmail, Calendar, Slack, GitHub…). Question de gouvernance : quelles données deviennent accessibles et sous quelles permissions. A

Context editing (édition de contexte) – Capacité d’API permettant d’effacer ou d’élaguer les résultats d’outils/contenus antérieurs côté serveur, en gardant la conversation valide (et compatible Fable 5.1). D F P

Context window (fenêtre de contexte) – Nombre maximal de tokens (entrée + sortie) auxquels le modèle peut prêter attention. 1M sur Fable 5.1 / Opus 5 / Sonnet 5 ; 200k sur Haiku 4.5. Consommée par le system prompt, les outils, l’historique, les résultats d’outils et le thinking. A D F P

Correlation ID (identifiant de corrélation) – Un identifiant unique tissé à travers les logs, traces et appels d’outils d’une requête afin qu’un incident ou un bug puisse être reconstitué de bout en bout. D F P

Credly – Émetteur du badge numérique que vous recevez en réussissant. A D F P

Criterion-referenced (référencé à un critère) – Notation par rapport à un standard fixe (720/1000) défini par une étude de standard-setting, non à une courbe. A D F P

Cross-encoder (cross-encodeur) – Un modèle qui lit la requête et un document candidat ensemble pour noter la pertinence, offrant une précision supérieure au bi-encoder utilisé pour la récupération de premier étage, à un coût plus élevé. L’architecture reranker standard : récupérer largement avec un bi-encoder, reclasser le top-k avec un cross-encoder. P

D

Data classification (classification des données) – Public / interne / confidentiel / restreint ; catégories spéciales PII, PHI, PCI. Détermine ce qui peut être collé dans quel outil. A P

Decision matrix (matrice de décision) – Un tableau notant les options selon des critères pondérés, utilisé pour communiquer un compromis aux parties prenantes aux côtés d’un ADR, d’un modèle de coûts et d’un registre des risques. P

Disclosure (divulgation) – Indiquer aux utilisateurs quand l’IA est impliquée, en particulier dans les communications externes et les décisions concernant des personnes. Une exigence de gouvernance, pas un simple vernis optionnel. A P

defer_loading – Indicateur de définition d’outil qui garde un outil hors du prompt initial jusqu’à ce que le tool search le fasse apparaître. À utiliser au-delà de ~10 outils ou avec un MCP multi-serveurs. D F P

Dense retrieval (récupération dense) – Recherche sémantique fondée sur les embeddings. Forte sur la paraphrase ; faible sur les identifiants exacts. P

Deprecation (model) (dépréciation d’un modèle) – L’étape du cycle de vie où un modèle est annoncé pour retrait mais reste appelable, avant une date de retirement floor publiée. À traiter comme un événement de migration planifié, encadré par une évaluation, non comme une urgence ; le floor est la date la plus précoce, souvent repoussée. D P

Distractor (distracteur) – Une mauvaise option conçue pour paraître correcte. Types courants : aveugle aux contraintes, sur-ingénié, prompt-comme-application, dépendance à l’auto-déclaration, échec silencieux, rappel seul, métrique agrégée. A D F P

DPIA – Data Protection Impact Assessment / analyse d’impact relative à la protection des données (RGPD). Requise pour les traitements à haut risque ; souvent déclenchée par les systèmes d’IA traitant des données personnelles. P

Dynamic workflows – Capacité de Claude Code où un script pilote le runtime pour lancer et coordonner de nombreux agents. Pour des dizaines à des centaines d’agents ; les subagents pour quelques-uns. F

E

Effort – Paramètre au niveau de la requête low | medium | high (défaut) | xhigh échangeant la profondeur de raisonnement contre la latence/le coût. xhigh pour le travail de codage/agentique le plus difficile sur Opus 5 / Fable 5.1 ; low/medium pour les subagents mécaniques. Non disponible sur Haiku 4.5. D F P

Embedding – Représentation vectorielle du texte utilisée pour la récupération dense. P

Embedding dimensions (dimensions d’embedding) – La longueur d’un vecteur d’embedding (par exemple, 256, 768, 1024, 1536). Des dimensions plus élevées peuvent capter davantage de nuance mais coûtent plus de stockage/calcul et peuvent ajouter du bruit ; le nombre doit correspondre entre l’indexation et le moment de la requête, sinon la récupération casse silencieusement. P

end_turn – stop_reason signifiant que le modèle a terminé naturellement. Le signal correct de terminaison de boucle. D F

Escalation (escalade) – Confier un cas à un humain ou à un niveau supérieur. Déclencheurs corrects : demande explicite du client (immédiate) ou tâche dépassant la capacité (après tentative). Déclencheurs erronés : sentiment, confiance auto-déclarée. A D F P

Eval (evaluation) (évaluation) – Mesure systématique de la sortie du système par rapport à un golden dataset, via correspondance exacte, notation par rubrique, LLM-as-judge (modèle/session séparés) ou A/B par paires. Reporter par segment. D F P

Evaluator-optimizer (évaluateur-optimiseur) – Motif de workflow : un appel génère, un autre évalue selon des critères, en boucle jusqu’à réussite. Utilisez une session/un modèle différents pour l’évaluateur afin d’éviter le biais de même session. D F P

Exit criteria (critères de sortie) – Conditions explicites et mesurables qui définissent le « terminé » d’une phase ou d’un handoff dans le cycle de vie de la solution (par exemple, score d’évaluation, runbooks livrés, monitoring en place). Un handoff sans critères de sortie ni runbooks est le distracteur. P

Extended thinking (raisonnement étendu) – Blocs de raisonnement dédiés avant la réponse. Désormais « adaptive » sur les modèles actuels. Les thinking blocks sur Fable 5.1 sont liés au modèle producteur et à l’historique. D F P

F

Fable 5.1 (claude-fable-5-1) – Modèle publié le plus capable (sept. 2026), 1M/128k, 10 $/50 $. Changements majeurs : pas de tool_choice forcé, liaison des thinking blocks, historique en ajout seul ; rétention de 30 jours requise (pas de ZDR) ; absent du Priority Tier. D F P

Faithfulness (fidélité) – Métrique RAG : la réponse est-elle étayée par le contexte récupéré ? Distincte de l’answer relevance et du retrieval recall. P

Fallback model (modèle de repli) – Un modèle secondaire utilisé lorsque le principal renvoie des 529/surcharge répétés. Ne repliez que vers un modèle plus récent ou équivalent ; se replier de Fable 5.1 vers un modèle plus ancien supprime silencieusement les thinking blocks et force une nouvelle planification. D F P

Fast mode (mode rapide) – Option d’inférence optimisée pour la latence, destinée aux interactions sensibles au temps. D

FedRAMP High – Niveau d’autorisation fédéral américain ; Claude disponible via les déploiements Bedrock / Vertex AI. P

Few-shot – Fournir des exemples travaillés dans le prompt. Choisissez des exemples couvrant les cas limites et le format de sortie exact ; gardez-les stables pour le caching. A D F P

Few-shot selection (sélection des exemples few-shot) – Choisir quels exemples inclure, souvent en récupérant les k exemples étiquetés les plus similaires à l’entrée courante (few-shot dynamique). Améliore la couverture d’un vaste espace d’étiquettes mais casse le prompt caching (le préfixe change à chaque appel) et propage tout voisin erroné dans la réponse. D F P

Files API – Téléverser les fichiers une fois et les référencer à travers les requêtes. D

Function calling (appel de fonction) – Synonyme de tool use. D F

G

GDPR (RGPD) – Règlement européen de protection des données : base légale, droits des personnes concernées, minimisation, résidence, DPIA. A P

Golden dataset – Paires entrée/sortie-attendue soigneusement constituées, utilisées pour les évaluations et les tests de régression. D P

Golden set – Synonyme de golden dataset. Concevez-le pour couvrir la distribution des entrées et les cas difficiles/adversariaux ; versionnez-le et figez-le (le modifier invalide les comparaisons) ; conservez un holdout distinct pour détecter le surajustement à l’évaluation. D P

Guardrail layering (superposition de guardrails) – Défense en profondeur : classification des entrées → règles du system prompt → hooks de permission d’outils → validation de sortie → revue humaine. Aucune couche seule ne suffit. D F P

Grader (correcteur) – Le mécanisme qui note la sortie d’une évaluation : correspondance exacte/normalisée, regex/structurelle, heuristique, rubrique, LLM-as-judge ou humain. Utilisez le correcteur le moins coûteux suffisant pour la tâche. D P

H

Haiku 4.5 (claude-haiku-4-5) – Modèle actuel le plus rapide/économique, 200k/64k, 1 $/5 $ ; utilise encore budget_tokens ; pas d’effort. Idéal pour la classification, le routage, l’extraction à grande échelle. A D F P

Hallucination – Contenu fluide, plausible et non ancré. Se concentre dans les nombres, les citations, les noms propres et les faits de longue traîne. A D F P

Headless mode (mode headless) – claude -p "prompt" --output-format json|stream-json pour la CI et les scripts, avec --allowedTools et --permission-mode. D F P

HIPAA / BAA – Règles américaines sur les données de santé ; un Business Associate Agreement est requis avant de traiter des PHI. A P

Hooks – Gestionnaires shell/HTTP déterministes déclenchés lors d’événements du cycle de vie (PreToolUse, PostToolUse, UserPromptSubmit, Stop, SessionStart, SubagentStop, PreCompact, Notification). Le code de sortie 2 bloque l’action. Le mécanisme d’application correct pour les règles métier critiques. D F P

Human-in-the-loop (HITL) – Une porte de décision humaine obligatoire pour les actions irréversibles, réglementées, externes ou à forte incertitude. A D F P

Hybrid search (recherche hybride) – Récupération dense + éparse fusionnée (par exemple, reciprocal rank fusion), souvent suivie d’un reranker. P

HyDE – Hypothetical Document Embeddings : générer une réponse hypothétique, la plonger en embedding, récupérer par similarité. Une technique de réécriture de requête. P

Holdout set – Une tranche de données étiquetées jamais utilisée pour le réglage, conservée pour détecter le surajustement au golden/eval set. Si les scores réglés et holdout divergent, vous avez surajusté l’évaluation. D P

I

Idempotency (idempotence) – Répéter une opération produit le même résultat. Essentiel pour les appels d’outils réessayés et les jobs batch ; concevez les outils avec des clés d’idempotence. D F P

Idempotency key (clé d’idempotence) – Un jeton unique fourni par l’appelant (en-tête HTTP idempotency-key, ou argument d’outil) réutilisé lors des tentatives afin qu’une livraison en double soit dédupliquée plutôt qu’exécutée deux fois — le mécanisme qui rend sûr le fait de réessayer une requête à effet de bord (par exemple, un débit). D F P

Indirect prompt injection (injection de prompt indirecte) – Instructions malveillantes arrivant via des résultats d’outils, des documents, des pages web ou des e-mails plutôt que par le tour de l’utilisateur. Traitez toute sortie d’outil comme une donnée non fiable. D F P

Incident response (réponse à incident) – Le runbook d’un événement de sécurité/fiabilité : détecter → contenir (révoquer les jetons, désactiver les outils) → évaluer (traces) → éradiquer (ajouter le contrôle manquant) → récupérer (rotation, réactivation) → apprendre (ajouter une évaluation de régression, notifier si réglementé). P

input_schema – JSON Schema décrivant les paramètres d’un outil. Utilisez des descriptions, des enums, required ; activez strict: true pour des appels garantis par le schéma. D F

ITPM / OTPM / RPM – Input tokens per minute, output tokens per minute, requests per minute – les dimensions de limite de débit. D P

J

Jailbreak – Tentative de faire violer ses politiques au modèle via jeu de rôle, encodage ou pression incrémentale. Atténuer par des règles de system prompt, des classificateurs et une application au niveau des outils. D P

JSON-RPC 2.0 – Le format de message utilisé par MCP sur ses transports. D F

Judge calibration (calibrage du juge) – Mesurer un LLM-as-judge par rapport à des étiquettes humaines (par exemple, le κ de Cohen ou le % d’accord) avant de lui faire confiance, puis resserrer la rubrique, ajouter des exemples notés ou réduire l’échelle jusqu’à ce que l’accord atteigne un seuil. Contre l’indulgence, l’incohérence d’une exécution à l’autre, le biais de position (randomiser l’ordre A/B) et le biais de verbosité. D P

L

Late chunking – Plonger d’abord le document entier en embedding, puis regrouper les embeddings par chunk afin que chaque chunk porte un contexte au niveau du document. P

Least privilege (moindre privilège) – N’accorder que les outils/permissions dont la tâche a besoin. Le geste correct à l’examen : retirer un outil delete/refund inutile plutôt que de journaliser ou confirmer son usage. D F P

LLM-as-judge – Utiliser un modèle pour noter des sorties selon une rubrique. Doit être une session différente (idéalement un modèle différent) et calibrée par rapport à des étiquettes humaines. D F P

Logging (safe) (journalisation sûre) – Enregistrer request-id, le modèle, stop_reason, usage, la latence, les résultats d’outils et les correlation IDs ; ne jamais journaliser de secrets, de jetons ou de PII/PHI brutes. Rédigez à la frontière de journalisation. D F P

Long-context ordering (ordonnancement en contexte long) – Placer les grands documents en premier et la question/les instructions en dernier ; améliore le rappel et garde le préfixe stable cachable. D F P

M

Managed Agents – Runtime d’agent hébergé par Anthropic (boucle + sandbox). À choisir quand vous ne voulez pas exploiter le harnais ; choisissez Agent SDK / Tool Runner quand vous devez héberger. D F P

Map-reduce (summarisation) (map-reduce, résumé) – Résumer chaque chunk (map), puis répondre ou résumer à partir des résumés (reduce). Gère des corpus plus grands que la fenêtre mais perd du détail ; préférez le RAG quand une récupération précise importe. D P

Migration (model) (migration de modèle) – Déplacer délibérément le trafic de production d’un model ID vers un autre derrière une porte d’évaluation. Sûr lors d’une migration vers un modèle plus récent ou équivalent ; les checklists par modèle diffèrent (par exemple, retirer le tool_choice forcé en passant à Fable 5.1, abandonner budget_tokens en quittant Haiku). D P

max_tokens – Plafond de sortie. stop_reason: max_tokens signifie troncature – à gérer en continuant ou en relevant le plafond ; ne jamais traiter comme une réponse complète. D F

MCP (Model Context Protocol) – Standard ouvert pour connecter les modèles aux outils et aux données. Host ↔ client ↔ server sur JSON-RPC ; primitives Tools (contrôlées par le modèle), Resources (contrôlées par l’application), Prompts (contrôlés par l’utilisateur) ; transports stdio et Streamable HTTP ; OAuth 2.1 pour l’authentification distante. D F P

MCP connector – Fonctionnalité de la Messages API permettant à Claude d’appeler directement des serveurs MCP distants sans harnais client. D F P

Memory (product) (Memory, produit) – Fonctionnalité de claude.ai retenant les préférences/le contexte de l’utilisateur à travers les chats. Gouvernance : sachez ce qui est mémorisé et comment l’effacer. A

Memory tool – Outil d’API donnant au modèle un stockage persistant de type fichier à travers les sessions. À utiliser pour un état qui doit survivre à la compaction. D F P

Mid-conversation system message (message système en cours de conversation) – Message role: "system" inséré entre les tours pour changer les instructions sans éditer l’historique (motif Fable 5.1). Non pris en charge sur Sonnet 5. F P

MMR (Maximal Marginal Relevance) – Reclassement de récupération équilibrant pertinence et diversité pour éviter les chunks redondants. P

Multi-query retrieval (récupération multi-requêtes) – Générer plusieurs paraphrases d’une question, récupérer pour chacune et unir les résultats. Une technique de réécriture de requête pour les questions vagues ou larges. P

Model pinning (épinglage de modèle) – Utiliser un snapshot de model ID spécifique en production et migrer délibérément ; les IDs à partir de 4.6 sont sans date mais restent épinglés. D P

Multi-response item (item à réponses multiples) – Question d’examen exigeant N réponses ; chacune doit être indépendamment correcte. A D F P

Multi-pass review (revue en plusieurs passes) – Revoir une grande PR en plusieurs passes ciblées (sécurité, correction, style) plutôt qu’en une seule ; en une seule passe pour les petites PR. F P

N

nDCG@k (normalised discounted cumulative gain) – Une métrique de récupération pondérée par le rang qui récompense le placement des chunks pertinents près du haut du top-k. Plus sensible à l’ordonnancement que recall@k ; à associer au MRR quand le rang importe. P

O

Observability (observabilité) – Traces par appel d’agent/outil, correlation IDs, télémétrie de tokens et de coût, latence p50/p95, taux d’erreur, taux de hits de cache. D F P

OAuth 2.1 / PKCE – Le standard d’autorisation pour les serveurs MCP distants : un flux de code fondé sur le navigateur avec PKCE obligatoire (pas de flux implicite), des jetons à courte durée de vie et un rafraîchissement. Les jetons portent l’identité de l’utilisateur final afin que les outils appliquent les permissions de cet utilisateur. D F P

OnVUE – La plateforme de passation en ligne surveillée de Pearson VUE. A D F P

Opus 5 (claude-opus-5) – Par défaut pour le codage agentique complexe et le travail d’entreprise ; 1M/128k ; 5 $/25 $. A D F P

Orchestrator-workers (orchestrateur-travailleurs) – Motif où un modèle central décompose une tâche, délègue à des travailleurs (subagents) avec un contexte explicite, et synthétise les résultats. D F P

output_config.format – Paramètre de sortie structurée prenant un JSON Schema ; la voie privilégiée vers une sortie de forme garantie (et l’alternative compatible Fable 5.1 au tool_choice forcé). D F P

Over-engineering (sur-ingénierie) – Motif distracteur : choisir un système multi-agents là où une chaîne de prompts suffit. Préférez la conception la plus simple qui respecte les contraintes. D F P

P

p50 / p95 / p99 – Latences par percentile : p95 est la valeur sous laquelle passent 95 % des requêtes. Reportez les percentiles, non la seule moyenne — une moyenne acceptable peut masquer une queue p95/p99 qui viole le SLO. D F P

Parent-child chunking (découpage parent-enfant) – Récupération small-to-big : indexer de petits chunks enfants (150–300 tokens) pour une correspondance précise, mais renvoyer la section parente plus grande (800–1200 tokens) au modèle pour le contexte. Équilibre la précision de récupération et le contexte de la réponse. P

Parallel tool use (usage d’outils en parallèle) – Le modèle émet plusieurs blocs tool_use en un tour ; exécutez-les de façon concurrente et renvoyez tous les blocs tool_result dans le message utilisateur suivant. D F

Parallelization (sectioning / voting) (parallélisation, sectionnement / vote) – Motif de workflow : diviser des sous-tâches indépendantes ou exécuter la même tâche plusieurs fois et agréger. D F P

Partner Academy – anthropic-partners.skilljar.com ; là où les examens sont enregistrés. Requiert une adresse e-mail professionnelle sur un domaine partenaire. A D F P

pause_turn – stop_reason indiquant qu’un long tour d’outil côté serveur a été mis en pause ; poursuivez en renvoyant. D F

Permission mode (mode de permission) – Réglage de Claude Code/SDK régissant si les actions s’exécutent automatiquement, demandent, ou sont refusées ; plus les listes permissions.allow/deny/ask. D F P

PKCE (Proof Key for Code Exchange) – Le mécanisme OAuth 2.1 (code_verifier + code_challenge) qui sécurise le flux authorization-code pour les clients publics ; obligatoire pour l’authentification MCP distante. D F P

Position bias (biais de position) – Tendance d’un LLM-as-judge à favoriser la première (ou la dernière) option d’une comparaison par paires. Contrez en randomisant l’ordre et en moyennant les deux ordonnancements. P

PII / PHI / PCI – Personally identifiable information / protected health information / payment-card data. Minimiser, rédiger et contrôler l’accès des outils. A D F P

PII redaction (rédaction des PII) – Masquer ou retirer les données personnelles avant qu’elles n’atteignent le prompt (et à la frontière de journalisation), plutôt que de faire confiance au modèle pour les éviter. À combiner avec la minimisation des données, l’accès des outils piloté par la classification et les contrôles de résidence/ZDR. A P

Plan mode (mode plan) – Exploration en lecture seule de Claude Code qui produit un plan avant l’exécution ; à utiliser pour les changements multi-fichiers ou architecturaux ; le mode direct pour les éditions évidentes sur un seul fichier. D F

Plugins – Ensembles empaquetés de commandes, agents, hooks et serveurs MCP de Claude Code, destinés à la distribution. D F

Prefill (pré-remplissage) – Démarrer le tour de l’assistant avec du texte (par exemple, {) pour orienter le format. Utile mais supplanté par les sorties structurées pour les garanties. D F

Priority Tier – Palier de capacité/latence pour les modèles éligibles ; Fable 5.1, Opus 5 et Sonnet 5 en sont exclus. P

Programmatic tool calling (appel d’outils programmatique) – Laisser Claude écrire du code qui appelle des outils dans une sandbox, réduisant les allers-retours pour une logique d’outils multi-étapes. D F

Progressive disclosure (divulgation progressive) – Charger les capacités à la demande (Skills, tool search) au lieu d’un contexte monolithique chargé d’emblée. D F P

Projects – Espaces de travail claude.ai avec instructions personnalisées et fichiers de connaissances ; la surface de configuration principale de l’Associate. A

Prompt caching – Voir cache_control. Règle d’architecture : préfixe stable en premier, contenu dynamique en dernier. D F P

Prompt chaining (chaînage de prompts) – Motif de workflow : appels séquentiels avec des portes programmatiques entre les étapes. D F P

Prompt injection (injection de prompt) – Entrée non fiable qui tente d’outrepasser les instructions. Directe (tour utilisateur) ou indirecte (outil/document). D F P

Provenance test (test de provenance) – « D’où vient cette affirmation ? » Document fourni → vérifier le texte ; citation → l’ouvrir ; connaissance du modèle → vérifier indépendamment. A P

Q

Query rewriting (réécriture de requête) – Transformer la question d’un utilisateur avant récupération (normalisation, expansion, résolution de pronoms, décomposition, HyDE, multi-query) pour améliorer le rappel sur des requêtes vagues ou multi-intentions. P

R

RAG (Retrieval-Augmented Generation) – Récupérer les chunks pertinents au moment de la requête et ancrer la réponse dans ceux-ci. Déboguer les réponses confiantes-mais-fausses après un rafraîchissement de document en suspectant d’abord la récupération/l’indexation. P

Rate limit (429) (limite de débit) – Dépassement de RPM/ITPM/OTPM ; temporisez et respectez retry-after. D P

Risk register (registre des risques) – Une liste vivante des risques identifiés avec probabilité, impact, propriétaire et atténuation. Fait partie de la boîte à outils de communication aux parties prenantes (avec les ADRs, la matrice de décision, le modèle de coûts) et des preuves de gouvernance. P

Retention (data) (rétention des données) – Durée de stockage des prompts/sorties. Par défaut, une fenêtre de rétention (30 jours pour Fable 5.1) ; les contrats ZDR ne stockent rien. Les données réglementées déterminent le choix ; Fable 5.1 ne peut pas être en ZDR. D P

Retirement floor (plancher de retrait) – La date la plus précoce publiée à laquelle un modèle peut être retiré. C’est un plancher, non une promesse ; migrez derrière une évaluation avant elle, et gardez l’ancien ID disponible pour un rollback jusque-là. D P

Recall@k / MRR – Métriques de récupération : fraction des docs pertinents dans le top-k ; rang réciproque moyen du premier hit pertinent. P

Reciprocal rank fusion (RRF) – Méthode de combinaison de listes classées (par exemple, dense + BM25 en recherche hybride) : le score d’un document est la somme sur les listes de 1 / (k + rank), avec k typiquement 60. Ne nécessite aucune calibration de scores entre systèmes car elle classe par position, non par score brut. P

refusal – stop_reason lorsque les systèmes de sécurité déclinent ; à gérer explicitement avec une voie de repli, jamais comme une erreur générique. D F

Reranker (reclasseur) – Cross-encoder qui re-note les candidats top-k pour la précision. Récupérez largement, reclassez vers un petit top-n ; améliore l’ordonnancement/la précision et le MRR, non le rappel. P

Research mode (mode recherche) – Capacité de claude.ai qui effectue une recherche web multi-étapes avec citations. Auditez les citations. A

retry-after – En-tête de réponse (en secondes) sur un 429/529 vous indiquant combien de temps attendre avant de réessayer. Respectez-le au lieu de votre propre temporisation lorsqu’il est présent. D F P

Routing (routage) – Motif de workflow : classifier l’entrée, dispatcher vers un prompt/modèle spécialisé. Modèle bon marché comme routeur, modèle coûteux pour les cas difficiles (cascade). A D F P

Routines – Automatisations cloud programmées/récurrentes de Claude Code (/schedule). À utiliser pour les jobs récurrents ; les subagents/workflows pour l’orchestration ponctuelle. F

Rubric (rubrique) – Un guide de notation explicite, fondé sur des critères, utilisé pour noter une sortie subjective, par des humains ou un LLM-as-judge. Une rubrique calibrée se situe entre les correcteurs à correspondance exacte et le jugement en forme libre. D F P

S

Same-session self-review (auto-revue en même session) – Anti-pattern 9 : demander à la même conversation de vérifier son propre travail conserve son biais. Utilisez une session fraîche ou un modèle différent. A D F P

Sandbox – Un environnement d’exécution isolé pour les outils (exécution de code, computer use) et pour les exécutions CI en bypassPermissions, limitant le rayon d’impact. Mettez en sandbox les capacités non fiables ou destructrices plutôt que de les accorder directement. D F P

Sampling (temperature, top_p) (échantillonnage) – Contrôle l’aléatoire. Une température de 0 réduit la variance mais ne garantit ni le déterminisme ni la vérité. A D

Sampling (MCP) (échantillonnage MCP) – Distinct de l’échantillonnage de décodage : une capacité MCP où un serveur demande au modèle de l’hôte de compléter quelque chose (par exemple, résumer avant de renvoyer). L’hôte garde le contrôle et peut refuser, rédiger ou limiter le débit — une frontière de confiance, jamais auto-approuvée pour des serveurs non fiables. D F

Scenario (scénario) – Les items de CCAR-F sont tirés de 4 des 6 scénarios métier publiés. F

Sectioning (sectionnement) – Un motif de parallélisation : diviser une tâche en sous-parties indépendantes, les exécuter de façon concurrente et combiner. À opposer au voting (même tâche exécutée plusieurs fois et agrégée). D F P

Signal word (mot-signal) – Une expression dans un énoncé (BEST, FIRST, MOST cost-effective, « at scale », « must never », « confidence ») qui pointe vers le principe visé. Faire correspondre les mots-signaux aux principes est la voie la plus rapide vers la bonne option. A D F P

Sentiment-based escalation (escalade fondée sur le sentiment) – Anti-pattern 5. La colère n’est pas de la complexité. D F P

settings.json – Configuration de Claude Code : utilisateur ~/.claude/settings.json, projet .claude/settings.json, local .claude/settings.local.json, politique gérée. Contient les permissions, hooks, env, modèle. D F P

Skills – Procédures réutilisables dans des fichiers SKILL.md (frontmatter name + description) chargées progressivement quand elles sont pertinentes. Skill vs CLAUDE.md vs slash command vs subagent vs MCP est une décision récurrente. A D F P

Slash command (custom) (commande slash personnalisée) – .claude/commands/<name>.md avec $ARGUMENTS ; invoquée comme /name. D F

SLO / SLA – Service-Level Objective (une cible interne, par exemple latence p95 moins de 2 s, disponibilité 99 %) vs Service-Level Agreement (un engagement contractuel avec des conséquences). Fixez-les par rapport à des baselines mesurées ; la réponse correcte à l’examen face à « les dirigeants attendent 100 % de précision » est d’aligner les attentes sur un SLO atteignable. P

Sonnet 5 (claude-sonnet-5) – Meilleur équilibre vitesse/intelligence ; 1M/128k ; 2 $/10 $ ; pas de messages système en cours de conversation ni de budgets de tâche. A D F P

SSE (Server-Sent Events) – Transport de streaming pour la Messages API (message_start, content_block_start/delta/stop, message_delta, message_stop) et l’ancien transport distant de MCP. D F

stdio / Streamable HTTP – Transports MCP : sous-processus local vs HTTP distant. D F P

Statistical significance (significativité statistique) – Dans les comparaisons A/B/eval, la preuve qu’une différence observée est peu susceptible d’être due au hasard (par exemple, p moins de 0,05, ou un intervalle de confiance excluant 50 %). Expédier un prompt/modèle « meilleur » sur une poignée de sorties sans test de significativité est le distracteur du jugement à l’œil. P

Streamable HTTP – Le transport distant MCP actuel : un unique endpoint prenant en charge requête/réponse et messages streamés par le serveur, en façade d’OAuth 2.1 (PKCE). Supplante l’ancien transport HTTP+SSE à deux endpoints ; à utiliser pour les serveurs distants multi-utilisateurs. D F P

stop_reason – Pourquoi la génération s’est arrêtée : end_turn, tool_use, max_tokens, stop_sequence, pause_turn, refusal. Le champ unique sur lequel toute boucle doit se ramifier. D F P

strict: true – Indicateur de schéma d’outil garantissant que les arguments sont conformes à input_schema. D F P

Structured output (sortie structurée) – Forme JSON garantie via output_config.format (ou l’usage d’outil comme schéma). Validez toujours et réessayez avec l’erreur renvoyée en entrée. D F P

Subagent – Un agent délégué avec une fenêtre de contexte isolée, son propre system prompt, une allowlist d’outils et un modèle. Passez le contexte explicitement ; ne comptez jamais sur l’héritage. D F P

Sycophancy (complaisance) – L’accord du modèle avec le point de vue exprimé par l’utilisateur. Contrez par des prompts neutres et une critique en session fraîche. A

System prompt – Instructions de haut niveau (paramètre system). À traiter comme un actif gouverné et versionné ; à garder stable pour le caching. A D F P

T

Task budgets (budgets de tâche) – Budgets de tokens/tours pour les tâches agentiques ; non pris en charge sur Sonnet 5. F

Threat model (modèle de menace) – Une énumération structurée de qui pourrait attaquer un système, comment (injection directe/indirecte, agentivité excessive, écarts d’autorisation, fuite de secrets, chaîne d’approvisionnement, empoisonnement de données) et l’impact, utilisée pour choisir des contrôles en couches. D P

Tier (rate-limit) (palier de limite de débit) – Niveau d’usage/de dépense (Tier 1–4, custom, Priority) qui fixe vos plafonds RPM/ITPM/OTPM. Le Priority Tier exclut Fable 5.1, Opus 5 et Sonnet 5. D P

Temperature (température) – Voir Sampling. A D

Token – Unité de texte que le modèle traite (~¾ d’un mot anglais). La facturation et les limites de contexte sont en tokens. A D F P

Tokenizer (tokeniseur) – Le composant qui découpe le texte en tokens. Le nombre de tokens (donc le coût et l’usage du contexte) en dépend ; le texte non anglais et le code se tokenisent souvent moins efficacement que la prose anglaise, budgétez en conséquence. A D F P

tool_choice – auto (défaut), any (doit appeler un outil), {"type":"tool","name":…} (forcé), none. any et le forcé renvoient 400 sur Fable 5.1 ; utilisez auto + instruction, strict: true ou les sorties structurées. D F P

Tool description (description d’outil) – Le levier le plus important pour un usage correct des outils : dire ce que l’outil fait, quand l’utiliser, quand ne pas l’utiliser, et ce qu’il renvoie. D F P

Tool result (résultat d’outil) – Bloc de contenu tool_result renvoyé dans le message utilisateur suivant, apparié par tool_use_id ; mettez is_error: true avec un contenu diagnostique structuré en cas d’échec. Ne renvoyez jamais un succès vide. D F

Tool Runner – Harnais auto-hébergé exécutant la boucle d’agent et les outils. À opposer aux Managed Agents. F

Tool search – Outil côté serveur permettant à Claude de découvrir à la demande les outils différés depuis un large catalogue. D F P

Trace – Enregistrement ordonné des appels d’une requête, des invocations d’outils, des tokens et des raisons d’arrêt ; artefact de débogage principal. D F P

V

Validation-retry loop (boucle validation-nouvelle tentative) – Parser → valider par rapport au schéma/aux règles métier → en cas d’échec, renvoyer avec l’erreur spécifique → plafonner les tentatives → escalader. D F P

Vertex AI – Accès à Claude hébergé par Google Cloud. D P

Vision – Entrées image (et PDF) sous forme de blocs de contenu (base64 ou URL). D

Voting (vote) – Un motif de parallélisation : exécuter la même tâche plusieurs fois (éventuellement avec des prompts variés) et agréger par majorité ou consensus pour accroître la fiabilité. À opposer au sectioning (sous-parties indépendantes). D F P

W

Workflow – Système où les appels de LLM et les outils sont orchestrés à travers des chemins de code prédéfinis. Prévisible, testable, moins coûteux. À préférer quand les étapes sont connues. À opposer à Agent. D F P

Worktree – Un arbre de travail git extrait du même dépôt dans un répertoire séparé, laissant des agents/tâches parallèles éditer des copies isolées sans collision. Utilisé par les motifs de fan-out (par exemple, /batch) pour que chaque unité travaille dans son propre worktree et ouvre sa propre PR. F

X

XML tags (balises XML) – <document>, <instructions>, <example> utilisées comme frontières de contenu pour que le modèle puisse distinguer les données des instructions – aussi une atténuation de l’injection de prompt. A D F P

xhigh – Le niveau d’effort le plus élevé pour les tâches de codage/agentiques les plus difficiles sur Opus 5 / Fable 5.1. D F P

Z

Zero Data Retention (ZDR) – Option contractuelle où les prompts/sorties ne sont pas conservés. Non disponible pour Fable 5.1 (rétention de 30 jours requise). D P

Zero-shot – Prompting sans exemples. Convient aux tâches simples et bien spécifiées ; ajoutez du few-shot pour celles sensibles au format ou ambiguës. A D F P