Claude Fable 5 n'a pas besoin de moins de directives. Il en faut plus.

Inconnu inconnu. C'est exactement ce qui est tombé sur Thariq Shihipar, ingénieur dans l'équipe Claude Code d'Anthropic, la semaine où il s'est assis pour monter la vidéo de lancement de Fable 5 avec... Claude Code.

Il a choisi l'outil qu'il connaissait mieux que presque n'importe qui d'autre sur la planète, sur un projet qu'il maîtrisait de l'intérieur. Un contexte maximal, s'il en est un.

Il s'est quand même fait avoir. La transcription a dérivé. Le timing des coupes ne correspondait pas au rythme des images. L'étalonnage couleur était quelque chose qu'il ne pouvait même pas juger à l'œil (il a dû s'arrêter et demander à Claude de lui apprendre à quoi ressemble un bon étalonnage avant de pouvoir évaluer les options proposées).

Parenthèse : je n'ai toujours pas complètement pardonné les 18 jours où Fable 5 a été hors ligne cette année à cause d'un conflit de contrôle des exportations, remis en ligne le 1er juillet. J'avais 3 échéances clients cette semaine-là et j'ai fini par tout faire passer par Opus à la place. Rien à voir avec les angles morts, je trouve juste drôle qu'un modèle de pointe puisse disparaître à cause d'un conflit commercial de la même façon qu'une pénurie de cartes graphiques annule votre commande de GPU.

Si le type avec le plus de contexte possible sur ce projet précis tombe encore dans ses propres angles morts, "je connais ma stack" n'allait jamais vous sauver non plus.

La Croyance Qui Ne Survit Pas Aux Données

Plus le modèle devient intelligent, moins vous devriez avoir besoin d'expliciter. C'est l'hypothèse intégrée dans beaucoup de conseils de codage agentique en ce moment. Il va comprendre ce que vous vouliez dire.

C'est l'inverse. Et les chiffres le confirment sans avoir besoin d'y attacher une opinion.

Un modèle faible échoue bruyamment et localement. Vous voyez le problème dès le premier essai, ça casse de façon évidente, vous corrigez et vous passez à autre chose. Un modèle comme Fable 5 prend votre instruction au pied de la lettre et fonce avec jusqu'au bout, avec confiance, même quand cette instruction cachait un trou que vous ne saviez pas être là. Plus le modèle devient performant, plus une hypothèse non formulée vous coûte cher. Pas moins.

La propre analyse de Shihipar emprunte les 4 cases de Donald Rumsfeld. Les connus connus sont ce qui est déjà explicité dans votre prompt, et les inconnus connus sont les lacunes dont vous êtes conscient mais auxquelles vous n'avez pas encore répondu. La paire dangereuse, ce sont les 2 autres : les connus inconnus, les hypothèses si évidentes pour vous que vous ne penseriez jamais à les écrire (le style maison, le goût, le "évidemment on ne touche pas à cette table"), et les inconnus inconnus, les trucs auxquels vous n'avez jamais pensé en premier lieu. Le plafond de qualité de Fable 5 se situe presque entièrement dans ces 2 dernières cases, celles que vous ne pouvez pas voir de l'intérieur parce que c'est vous qui vous tenez dedans.

La propre recherche d'Anthropic fait le point sans éditorialiser. Une analyse interne d'environ 400 000 sessions Claude Code a trouvé que dans une session typique, les humains gardent environ 70% des décisions de planification tandis que Claude gère environ 80% des décisions d'exécution. Les humains possèdent encore la réflexion. Le modèle ne fait que foncer avec plus loin et plus vite qu'avant.

Shihipar n'est pas le seul point de données ici. 2 de ses collègues se situent à l'autre bout du spectre : Boris Cherny, qui dirige Claude Code chez Anthropic, et Jarred Sumner, qui a construit le runtime JavaScript Bun. Aucun d'eux n'apporte beaucoup d'inconnus dans une session, non pas parce qu'ils sont plus intelligents, mais parce qu'ils connaissent leurs codebases sur le bout des doigts, connaissent les tendances du modèle, et écrivent des spécifications assez précises pour que Fable 5 n'ait plus d'endroit où deviner. S'ils sont les builds min-maxés, la plupart d'entre nous découvrent encore notre arbre de compétences. Planifier à l'avance seul ne vous y mène pas non plus. Les inconnus apparaissent en cours d'implémentation aussi souvent qu'ils apparaissent dans le brief, signalant parfois que toute l'approche doit changer, pas seulement la formulation.

Rien de tout cela ne signifie écrire un prompt plus long. Shihipar met en garde contre l'erreur opposée aussi : sur-spécifier et vous enfermez le modèle dans une mauvaise approche dont il n'a pas la place de se détourner. Un article séparé sur la panique de productivité du codage IA fait presque le même point sous un angle différent, blâmant les outils pour un ralentissement tout en diagnostiquant la mauvaise maladie au lieu du véritable goulot d'étranglement. Le levier n'est pas le nombre de mots. C'est le nombre d'angles morts que vous transportez dans la session avant d'appuyer sur entrée.

1 Million de Tokens Cache Une Mauvaise Hypothèse

Dans une session interactive courte, une mauvaise hypothèse casse vite. Vous promptez, Claude répond, vous remarquez que ça part de travers en quelques échanges, vous corrigez. La boucle est assez serrée pour que les lacunes non formulées soient attrapées tôt, presque par accident.

Fable 5 change la forme de cette boucle. Il fonctionne avec une fenêtre de contexte de 1 million de tokens, ce qui est exactement ce qui rend possibles les longues sessions autonomes en premier lieu (des dizaines d'étapes sans que vous vérifiez aucune d'entre elles).

Une hypothèse non formulée plantée au début d'une de ces sessions ne casse pas immédiatement. Elle se propage : 10 étapes plus tard, tout a encore l'air bien, et 20 étapes plus tard c'est encore bien aussi, parce que le modèle continue de construire fidèlement sur la mauvaise prémisse, et une exécution fidèle ressemble exactement à du progrès jusqu'à ce que ça ne soit plus le cas. Au moment où l'écart entre votre carte mentale et la codebase réelle devient visible, vous ne regardez plus une petite correction. Vous regardez le démêlage d'une chaîne de décisions qui avaient chacune du sens localement et dont aucune n'avait de sens une fois que vous avez pris du recul et regardé l'ensemble.

Les sessions plus longues ne réduisent pas l'angle mort, elles ne font qu'allonger la mèche.

À Quoi Ressemble Un Angle Mort En Pratique

I'm working on adding a new auth provider but I know nothing about the auth modules in this codebase. Can you do a blindspot pass to help me figure out my relevant unknown unknowns and help me prompt you better.

C'est proche de la ligne exacte que Shihipar utilise avant de toucher une partie d'une codebase qu'il ne connaît pas bien. Il appelle ça un blindspot pass : demander au modèle de scanner votre propre prompt et signaler ce qui est ambigu ou indéfini avant qu'il écrive une seule ligne. C'est le mouvement qui fait passer une question de la case des inconnus inconnus directement dans la case des inconnus connus, où vous pouvez réellement faire quelque chose à ce sujet.

C'est ce que signifie "plus de direction" en pratique. Pas un prompt plus long écrit par un humain essayant d'anticiper tout à l'avance. Un passage supplémentaire où le modèle vous dit ce qu'il ne sait pas encore, avant que l'implémentation commence. L'ignorer sur un terrain inconnu et vous obtenez l'équivalent codage de "VOUS ÊTES MORT" sans nom de boss attaché : quelque chose a échoué, et vous n'êtes pas sûr laquelle de vos hypothèses est celle qui vous a tué.

Le blindspot pass n'est pas le seul mouvement dans la boîte à outils. Pour les zones épaisses d'inconnus connus (les appels de goût, le design visuel, les trucs que vous reconnaîtriez comme faux mais ne pouvez pas spécifier à l'avance), Shihipar s'appuie sur le brainstorming à la place. Il fait générer à Fable 5 une poignée de directions radicalement différentes comme prototypes jetables avant d'écrire le vrai prompt, puis réagit à ce qui est devant lui plutôt que d'essayer de décrire une préférence qu'il n'a pas encore réellement formée.

C'est la même séquence qu'il a utilisée sur la vidéo de lancement elle-même, sans réaliser qu'il nommait un pattern : repérer l'inconnu inconnu (je ne peux pas juger cet étalonnage), le transformer en inconnu connu (à quoi ressemble même un bon étalonnage), l'amener à un connu connu (demander d'abord à Claude de lui apprendre), puis procéder.

Ça ne ferme pas complètement l'écart. Repérer un angle mort reste un jugement qu'un humain doit faire sur le moment, pas un bouton qui résout le problème une fois pour toutes.

Mon Propre Framework A Le Même Trou

J'ai construit le framework complet des contrats de prompts après assez de ces désastres pour arrêter de faire confiance à mes propres vibes sur une spec. Ça marche. Ça attrape les inconnus connus, les trucs dont vous êtes conscient de ne pas encore avoir décidé, et ça force les connus connus à l'écrit au lieu de les laisser dans votre tête où Claude ne peut pas les atteindre.

Je n'ai pas vu le trou jusqu'à ce que le thread de Shihipar me renvoie regarder mon propre travail. Un contrat de prompt couvre ce qui est connu et énoncé, et ce qui est connu comme manquant. Il n'atteint pas nativement les 2 cases qui cassent réellement un modèle aussi capable que Fable 5 : ce que vous savez mais n'avez jamais écrit parce que ça semblait trop évident à mentionner, et ce à quoi vous n'avez jamais pensé en premier lieu. Ce sont exactement les 2 zones où un modèle capable échoue silencieusement au lieu de bruyamment, ce qui est tout le problème que cet article a tourné autour.

Peut-être que je suis généreux avec mon propre travail ici, mais je ne pense pas que ça casse le framework. C'est un angle mort sur un outil qui gagne encore sa place partout ailleurs. Si vous êtes assez loin dans le codage agentique pour déjà faire tourner des contrats de prompts, c'est la couche à boulonner par-dessus : un passage qui chasse spécifiquement les choses auxquelles vous n'avez pas pensé à écrire. Tout le framework, quadrants inclus, est détaillé plus en profondeur dans Prompt Contracts, mon deuxième livre sur le sujet.

L'instinct naturel est de supposer que le prochain modèle corrige enfin cela. Plus intelligent, moins de trous à rattraper après coup, le problème rétrécit silencieusement à chaque sortie.

C'est l'inverse à chaque montée en capacité. Fable 5 ne rétrécit pas la liste des choses que vous n'avez pas dites, il exécute juste cette liste plus fidèlement, jusqu'au bout, sans s'arrêter pour demander si vous étiez sûr. Le prochain modèle fera pareil, style HAL 9000 : toujours calme, toujours poli, toujours sans s'arrêter pour vérifier, juste avec une piste plus longue avant que quelqu'un remarque.

Le goulot d'étranglement a déjà quitté le modèle. Il est assis de votre côté du clavier, avant que vous ayez tapé la première ligne du prompt.

Sources

Le guide de terrain original de Thariq Shihipar a été publié comme un thread sur X début juillet 2026. The Decoder a couvert la technique du blindspot pass et l'histoire de la vidéo de lancement en détail, et TechTimes a couvert les données de 400 000 sessions et où se situe maintenant le goulot d'étranglement.

Ce post peut contenir des liens d'affiliation. Si vous cliquez dessus, je pourrais gagner une petite commission (ça ne vous coûte rien, et ça m'aide à continuer de livrer des articles de qualité chaque jour pour votre plaisir de lecture).