Quiz : Applications Anthropic

Le module Applications Anthropic s’achève — testez vos connaissances sur Claude Code et Computer Use avant de passer à la suite. Le format : lisez chaque question, formulez votre réponse mentalement, puis comparez avec la réponse fournie. Pour la certification officielle, rendez-vous sur Anthropic Academy.

Questions de révision

1. Que fait la commande /init dans Claude Code ?

Elle scanne le codebase, comprend la structure et le style de code, puis génère un fichier CLAUDE.md inclus comme contexte dans toutes les futures conversations. C’est la mémoire longue du projet — les conventions qui y sont documentées n’ont plus jamais besoin d’être réexpliquées.

2. Quel est l’avantage de l’approche contexte → plan → implémentation ?

Claude se concentre sur une chose à la fois, et vous validez la direction avant l’exécution : un plan se corrige en une phrase, un mauvais code se réécrit longuement. Meilleurs résultats qu’une demande directe sans contexte.

3. Comment les git worktrees permettent-ils de paralléliser Claude Code ?

Chaque worktree = copie complète du projet dans un répertoire séparé + sa propre branche. Plusieurs instances Claude travaillent ainsi sans conflits de fichiers, et les travaux se réunissent par le merge Git classique.

4. Comment Computer Use est-il implémenté techniquement ?

C’est le système d’outils classique appliqué à l’automatisation bureau. L’outil computer est déclaré dans le schéma ; quand Claude l’utilise, votre code exécute l’action dans Docker et renvoie une capture d’écran — la boucle action/observation d’un agent, image par image.

5. Pourquoi Computer Use s’exécute-t-il dans un conteneur Docker ?

Pour l’isolation et la sécurité — un environnement bureau complètement séparé du système principal. Claude n’agit que dans le périmètre du conteneur, jamais sur vos fichiers personnels.

6. Comment étend-on Claude Code avec de nouvelles capacités sans modifier l’outil ?

En connectant des serveurs MCP : claude mcp add <nom> <commande>. Claude Code intègre un client MCP natif — vos serveurs du module précédent, comme ceux de l’écosystème (Sentry, Jira, Slack…), lui apportent leurs outils.

7. Dans le débogage automatisé, pourquoi le workflow s’arrête-t-il à la pull request ?

Parce que l’agent propose et documente, mais qu’un humain valide avant la production : l’autonomie s’arrête là où commence le risque. La PR fournit le diagnostic, la cause racine et le correctif — la revue reste rapide, le contrôle reste humain.

Comment vous auto-évaluer

Si les questions 1 à 3 vous ont semblé faciles, la partie Claude Code est acquise ; les questions 4 et 5 valident la compréhension de Computer Use comme cas particulier du tool use — le point conceptuel central du module ; les questions 6 et 7 touchent aux workflows avancés. Une hésitation ? La leçon correspondante se relit en cinq minutes, et c’est maintenant qu’elle coûte le moins.

---

Le prochain module : Agents et workflows — comment concevoir des applications IA fiables, en dégageant les principes que ces deux applications viennent d’illustrer.