# Comment utiliser Claude Haiku 5.5 comme sous-agent rapide?

Date: 2026-10-23 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/claude-haiku-5-5-sous-agent-rapide/

**Answer:** Laissez un plus grand modèle comme Claude Sonnet 5.5 planifier le travail et rédiger la réponse finale, et confiez à Claude Haiku 5.5 les nombreux petits morceaux répétitifs entre les deux, chacun avec des consignes étroites et un format de sortie fixe. Votre code lance les appels à Haiku en parallèle, recueille leurs courts résultats et transmet seulement ceux-ci au plus grand modèle.

Un **sous-agent** est un appel de modèle qui accomplit un morceau délégué d’un travail plus vaste et en rend compte. Le modèle qui distribue les morceaux et assemble le résultat est souvent appelé l’**agent principal** ou l’**orchestrateur**. Anthropic a conçu Claude Haiku 5.5, lancé le 7 octobre, en partie pour ce rôle : elle recommande le modèle comme assistant d’Opus 5.5 ou de Sonnet 5.5 en programmation, et le destine aux résumés, à la classification et à d’autres tâches en grand volume.

La raison, c’est le prix et la vitesse. Pour les requêtes allant jusqu’à 100 000 jetons, Haiku 5.5 coûte 0,10 $ US par million de jetons d’entrée et 0,50 $ US par million de jetons de sortie, le dixième de ce que coûtait Haiku 4.5, et Anthropic le qualifie de modèle le plus rapide qu’elle offre. Un **jeton** est un petit morceau de texte, à peu près une partie de mot. Quand un travail se découpe en centaines de petites lectures, ces prix changent ce qui est abordable.

## Le principe en un coup d’œil

| Étape | Modèle | Travail | Sortie |
|---|---|---|---|
| Découper | Votre code | Couper le travail en morceaux indépendants | Une liste d’entrées |
| Lire | Haiku 5.5, de nombreux appels en parallèle | Extraire les mêmes quelques champs de chaque morceau | De courtes notes structurées |
| Combiner | Sonnet 5.5, un seul appel | Raisonner sur toutes les notes et rédiger le résultat | La réponse finale |

L’agent principal ne lit jamais la matière brute, seulement les courtes notes de Haiku. Cela garde petite l’entrée du modèle coûteux et concentre son attention sur le jugement.

Chaque appel à un sous-agent devrait préciser quatre choses : son objectif, le format de sortie exact, ce qu’il peut utiliser et où s’arrête son travail. Des tâches vagues produisent des notes qu’on ne peut ni comparer ni combiner, et les petits modèles ont encore plus besoin de cette rigueur que les grands.

## Un exemple : 500 avis de clients

Une petite boutique en ligne veut un résumé d’une page de ce que 500 clients ont dit ce trimestre. Chaque avis est envoyé à Haiku 5.5 pour une note de trois lignes. Sonnet 5.5 lit ensuite les 500 notes et rédige le rapport.

```python
import anthropic
from concurrent.futures import ThreadPoolExecutor

client = anthropic.Anthropic()  # lit la variable d'environnement ANTHROPIC_API_KEY

WORKER = "claude-haiku-5-5"
LEAD = "claude-sonnet-5-5"

WORKER_RULES = """Tu lis UN avis de client. Réponds en exactement trois lignes :
SUJET : un choix parmi prix, qualité, livraison, service, autre
SENTIMENT : positif, négatif ou mitigé
CITATION : la phrase la plus révélatrice, copiée telle quelle de l'avis
N'ajoute rien d'autre. Si l'avis est vide ou n'est pas un avis, écris SUJET : autre."""

def read_review(review_text):
    msg = client.messages.create(
        model=WORKER,
        max_tokens=150,
        system=WORKER_RULES,
        messages=[{"role": "user", "content": review_text}],
    )
    return msg.content[0].text

with open("reviews.txt") as f:
    reviews = [r.strip() for r in f.read().split("\n---\n") if r.strip()]

with ThreadPoolExecutor(max_workers=8) as pool:   # plusieurs appels à Haiku à la fois
    notes = list(pool.map(read_review, reviews))

report = client.messages.create(
    model=LEAD,
    max_tokens=1500,
    system="Tu rédiges des rapports clairs d'une page pour le propriétaire d'une petite boutique.",
    messages=[{"role": "user", "content":
        "Voici des notes structurées sur les avis de ce trimestre :\n\n"
        + "\n\n".join(notes)
        + "\n\nRédige : les trois principaux problèmes avec leur nombre, les trois principales forces, "
          "et une action à entreprendre en premier. Utilise les citations comme preuves."}],
)
print(report.content[0].text)
```

Trois détails font que ça fonctionne. Les règles du sous-agent fixent la sortie à trois lignes étiquetées : l’agent principal reçoit donc des notes propres et comparables. Le sous-agent a une limite `max_tokens` serrée, qui plafonne le coût et l’empêche de s’étendre. Et le bassin parallèle lance plusieurs appels à Haiku en même temps : 500 avis prennent donc quelques minutes plutôt qu’une heure.

Combien ça coûte? Selon les prix affichés et des tailles données à titre d’illustration, soit 1 000 jetons par avis et 50 jetons par note :

| | Haiku 5.5 lit, Sonnet 5.5 rédige | Sonnet 5.5 fait tout |
|---|---|---|
| Lire 500 avis (0,5 million de jetons d’entrée) | 0,05 $ US | 1,00 $ US |
| Rédiger 500 notes (25 000 jetons de sortie) | environ 0,01 $ US | 0,25 $ US |
| Rapport final (environ 30 000 en entrée, 1 000 en sortie) | environ 0,07 $ US | environ 0,07 $ US |
| **Total** | **environ 0,13 $ US** | **environ 1,32 $ US** |

Une différence du simple au décuple sur un seul rapport, ce sont de petites sommes. À des milliers de documents par jour, c’est ce qui décide si une fonction vaut la peine d’être construite. Anthropic note aussi que Haiku 5.5 utilise un nouveau segmenteur qui produit un peu plus de jetons pour le même texte : mesurez donc l’utilisation réelle plutôt que de vous fier aux estimations.

> **À essayer :** lancez la fonction du sous-agent sur 20 avis et vérifiez chaque note à la main. Comptez combien ont le bon sujet et le bon sentiment. Si moins de 18 sont justes, resserrez les règles ou ajoutez deux avis d’exemple avec leurs notes correctes avant de passer à plus grande échelle.

## Régler le sous-agent

Haiku 5.5 est le premier Haiku doté d’un réglage d’**effort** ajustable, qui détermine combien il réfléchit avant de répondre. Pour une extraction simple, un effort plus bas le garde rapide et peu coûteux; pour les morceaux qui demandent un peu d’interprétation, l’augmenter peut aider. Testez les deux sur vos 20 exemples vérifiés à la main et gardez le réglage le plus bas qui réussit.

## Quels travaux devraient rester confiés à un plus grand modèle?

**La planification et le découpage.** Décider comment diviser un problème inconnu relève du jugement. Si les morceaux sont mal découpés, chaque sous-agent fait la mauvaise chose, et vite. Laissez Sonnet 5.5 ou Opus 5.5 planifier, ou faites le découpage dans votre propre code quand il va de soi, comme avec un avis par appel.

**La synthèse finale.** Soupeser des centaines de notes, repérer des tendances et écrire pour un lecteur revient à l’agent principal. C’est pourquoi l’exemple confie le rapport à Sonnet 5.5.

**La programmation complexe.** Anthropic elle-même affirme que ses plus grands modèles Sonnet et Opus restent le meilleur choix pour la programmation complexe, même si Haiku 5.5 a fait un bond aux tests de programmation. Utilisez Haiku pour fouiller une base de code ou résumer des fichiers, pas pour concevoir une modification.

**Le travail étroitement lié.** Le découpage est rentable quand les morceaux sont indépendants, comme des avis distincts. Quand chaque étape a besoin du résultat de la précédente, ou que chaque sous-agent aurait besoin de tout le contexte pour faire sa part, un seul modèle compétent qui travaille la tâche du début à la fin est habituellement plus simple et plus fiable.

Une bonne règle générale : confiez à Haiku le travail que vous pourriez confier à un assistant consciencieux muni d’une liste de vérification, et gardez pour le plus grand modèle tout ce qui exige d’abord d’écrire cette liste.

## Sources

- Introducing Claude Haiku 5.5: https://www.anthropic.com/claude-haiku-5-5
- Introducing Claude Sonnet 5.5: https://www.anthropic.com/claude-sonnet-5-5
- anthropic-sdk-python: README and message_create_params: https://github.com/anthropics/anthropic-sdk-python/blob/9d503ba9cc462e33166594ca19f666819a3a5a87/src/anthropic/types/message_create_params.py