Deux ingénieurs traquent le même bug par les deux bouts. Priya a l’hypothèse, Devon a les traces qui la confirment, aucun des deux n’a une heure à y consacrer, et aucun des deux messages n’appelle de réponse. Anthropic publie cet échange pour justifier la dernière mise à jour de Claude Tag, l’intégration qui installe Claude dans un canal Slack.
Un oui ou non par message, contre une lecture du canal
Jusqu’ici, un classifieur léger (petit modèle de tri) décidait seul si Claude devait intervenir. Il examinait chaque nouveau message isolément et rendait un verdict binaire. Entre Priya et Devon, il ne se trompait pas : pris séparément, ni la théorie de l’une ni les données de l’autre ne réclament quoi que ce soit.
Lus ensemble, ils dessinent un travail à faire que personne ne fera. Anthropic a donc supprimé ce classifieur et branché la décision sur le contexte de tout le canal, la mémoire de l’agent et les instructions permanentes qu’on lui a données. Le gain annoncé : environ 30 % de justesse en plus pour déterminer quand intervenir, et quand s’abstenir.
Un détail qui compte pour la facture : ce contexte supplémentaire reste hors comptage. Il augmente la consommation réelle de Claude Tag, mais il ne compte ni dans l’usage ni dans les plafonds de dépense, quel que soit le plan.
Quatre gestes possibles, et le silence en est un
Un assistant classique optimise la réponse. Claude Tag, lui, arbitre d’abord le geste. Sans classifieur, l’agent choisit entre quatre conduites : répondre dans le fil quand la réponse est courte, vérifiable et pas déjà connue du canal ; ouvrir un thread quand le sujet mérite du temps de travail réel ; rattacher le message à un chantier qu’il a déjà en cours ; ne rien dire quand rien n’est demandé.
Face aux deux messages des ingénieurs, il retient la deuxième conduite sans avoir été mentionné : il ouvre un thread avec l’investigation déjà lancée et y convoque les deux, dans les limites de permissions, d’outils et de périmètre que vous lui avez fixées.
« Un agent agaçant est pire qu’un agent inutile », écrit Anthropic. La formule n’est pas une coquetterie de communication : dans la plupart des canaux, sur la plupart des messages, le bon comportement est de se taire. Pour le tenir, l’éditeur note ses décisions canal par canal selon une grille d’évaluation : utilité du commentaire, confiance dans la réponse, existence d’une personne mieux placée pour répondre.
L’agent gère aussi son attention comme le fait un humain dans Slack : quelques canaux suivis de près, les autres en arrière-plan. Là où il conclut, message après message, qu’il n’a rien à ajouter, il se met en veille. Une mention le réveille aussitôt.
Ailleurs, l’initiative reste entièrement à l’humain : dans Microsoft Teams, l’agent de canal ne prend la parole que si un membre le mentionne, et Copilot fonctionne de même dans les conversations d’équipe. Anthropic fait le pari inverse et confie à son agent la charge de juger s’il dérange.
Des définitions qui bougent plusieurs fois par jour
Le même jour, Anthropic a documenté un autre déploiement de Claude Tag : son propre agent d’analytics en self-service, celui qui répond aux questions de données posées dans Slack. Là, la difficulté ne vient plus du modèle.
La décision d’architecture que l’équipe présente comme la plus importante ne porte pas sur le raisonnement, mais sur la fraîcheur des connaissances. Les skills, ces fichiers markdown d’instructions en langage naturel que l’agent lit à la demande, sont traités comme du contenu servi et rafraîchi en continu, pas comme une livraison faite une fois pour toutes. Le runtime, l’environnement dans lequel tourne l’agent, monte le répertoire skills/ du dépôt de données et le relit à chaque conversation.
Ce détail de montage de fichiers décide de la justesse des réponses, parce qu’un modèle de données change plusieurs fois par jour : une colonne renommée, une définition de métrique corrigée, une table dépréciée. Si l’agent lit la copie de mardi dernier, il ressort la mauvaise réponse de mardi dernier avec exactement la même assurance.
Le dashboard rendait la donnée discutable, la bulle Slack non
Le passage le plus utile de cette publication n’a rien de technique. Devant un dashboard, vous voyez la courbe, les métriques voisines, la tendance : de quoi flairer l’anomalie avant de citer le chiffre en réunion. Dans Slack, vous recevez un ou deux nombres, sans leur voisinage.
Celui qui reçoit le chiffre se retrouve coupé du contexte qui lui permettait de le juger. Anthropic le dit sans détour : sur des données qu’il ne regarde pas régulièrement, l’utilisateur accepte une réponse fausse énoncée avec aplomb. Le self-service achète de l’immédiateté et la paie en capacité de contrôle.
Cinq skills de méthode plutôt qu’un annuaire de tables
Le premier réflexe de l’équipe avait été de créer une seule skill de connaissance : quelles tables utiliser, comment la couche sémantique est organisée. Verdict : des chiffres corrects, mais pas d’analyse exploitable. Les questions réelles sont ouvertes (« qu’est-ce qui explique cette baisse ? », « où atterrit-on en fin de mois ? », « montre-moi ça en funnel ») et supposent de savoir non pas où sont les données, mais comment un analyste les travaille.
D’où une série de skills de méthode, montées à côté de la première :
- prévision : quand ajuster une tendance simple, quelles hypothèses de saisonnalité retenir, et quand refuser parce que la série est trop courte ou trop bruitée ;
- cohortes et rétention : les définitions standard, le gabarit de courbe présenté à la direction, les pièges classiques comme la censure à gauche (certains utilisateurs étaient déjà là avant le début de la mesure) ou le biais du survivant ;
- funnel : les étapes canoniques des parcours produit, pour que « où décrochent les nouveaux utilisateurs ? » reçoive toujours la même définition ;
- visualisation : quel type de graphique pour quelle question, quelles palettes, et les cas où un tableau reste plus clair qu’une courbe ;
- écriture analytique : structurer un résultat (synthèse d’abord, puis chiffre, mécanisme, réserve) et calibrer la prudence sur le degré de confiance réel.
Ces conventions existent déjà dans toutes les équipes data. Elles vivent dans la tête de deux ou trois personnes et ne sont documentées qu’à moitié. Les écrire noir sur blanc, c’est le travail que personne n’a envie de faire, et c’est celui qui décide de la qualité des réponses.
Les deux publications se répondent : refuser de prévoir sur une série trop bruitée et se taire dans un canal où l’on n’apporte rien, c’est la même compétence, écrite à deux endroits. Anthropic outille surtout le droit de son agent à ne pas répondre.
Un angle mort demeure si vous déployez le même dispositif chez vous : l’éditeur confronte ses abstentions à sa grille, mais un silence, par définition, ne laisse aucune trace dans un canal. Vous verrez les interventions inutiles, vous ne verrez jamais les réponses que l’agent aurait dû donner et qu’il a gardées pour lui. Avant d’ajouter Claude à vos canaux, inventoriez vos définitions métier : combien sont écrites, où elles vivent, et qui les met à jour le jour où une colonne change de nom.
