Support des images

Claude ne lit pas que du texte. Ses capacités de vision permettent d’inclure des images dans vos messages et de lui demander de les analyser, les comparer, compter des objets, lire des documents photographiés — pratiquement n’importe quelle tâche visuelle. Côté API, une image n’est qu’un type de bloc de plus dans un message ; côté applications, c’est un champ entier qui s’ouvre.

Limites à connaître

Le cadre technique sur Bedrock :

• Jusqu’à 20 images dans une seule requête (tous messages confondus)
• Taille maximale de 3.75 Mo
• Hauteur/largeur maximale de 8000 px
• Chaque image compte comme un certain nombre de tokens : tokens = (largeur px x hauteur px) / 750

La formule de tokens mérite un calcul rapide : une image de 1500 × 1500 pixels pèse environ 3 000 tokens — plusieurs pages de texte. Redimensionner vos images avant envoi n’est donc pas qu’une affaire de limites : c’est un levier direct de coût et de latence, souvent sans perte pour l’analyse demandée.

Envoyer une image

with open("image.png", "rb") as f:
    image_bytes = f.read()

add_user_message(messages, [
    {
        "image": {
            "format": "png",
            "source": {"bytes": image_bytes}
        }
    },
    {"text": "Que voyez-vous dans cette image ?"}
])

La structure vous est familière : un message multi-blocs, avec un bloc image — format et octets bruts, l’API Converse se charge du reste — suivi du bloc texte portant la question. Vous pouvez envoyer plusieurs images dans un seul message en ajoutant plusieurs parties image : Claude peut alors analyser les relations entre les images, les comparer, ou répondre à des questions nécessitant la compréhension de plusieurs entrées visuelles — « laquelle de ces deux captures montre l’erreur ? ».

Techniques de prompting pour les images

La leçon centrale de la vision tient en une phrase : toutes les techniques d’ingénierie de prompt s’appliquent aux images — et elles y sont encore plus décisives. Vous pouvez augmenter la précision de Claude en fournissant des directives, des étapes d’analyse, ou des exemples one-shot/multi-shot, exactement comme pour le texte.

L’exemple type est le comptage. Au lieu de simplement demander « Combien de billes y a-t-il ? » — question à laquelle le modèle répond d’instinct, et l’instinct compte mal —, fournissez une approche structurée :

Analysez cette image de billes et determinez le compte exact :
1. Identifiez chaque bille une par une, en assignant un numero
2. Verifiez votre resultat en recomptant depuis le coin bas-gauche, rangee par rangee
Quel est le nombre exact et verifie de billes ?

Le prompt transforme un coup d’œil en procédure : énumération explicite, puis vérification par un second passage dans un ordre imposé. Ce sont les étapes de processus de la section d’ingénierie de prompt, transposées au visuel — avec le même gain de fiabilité.

Exemple concret : évaluation des risques d’incendie

Une application réelle donne l’échelle de ce que la vision bien promptée accomplit : l’évaluation automatisée des risques d’incendie pour les compagnies d’assurance, via l’imagerie satellite. Le système analyse :

• Arbres denses près de la résidence
• Routes d’accès difficiles pour les véhicules d’urgence
• Branches surplombant la résidence
• Densité globale et espacement des arbres

with open('./images/prop7.png', 'rb') as f:
    image_bytes = f.read()

messages = []
add_user_message(messages, [
    {"image": {"format": "png", "source": {"bytes": image_bytes}}},
    {"text": prompt}
])

response = chat(messages)

Le code est identique à notre premier exemple — toute la sophistication vit dans le prompt : critères explicites, ordre d’examen, format de sortie imposé. C’est la clé du succès avec l’analyse visuelle complexe : fournissez des prompts détaillés et structurés qui guident Claude à travers des étapes d’analyse spécifiques, plutôt que de demander une simple évaluation. La vision apporte la perception ; le prompt apporte la méthode — et c’est la méthode qui fait le travail d’inspecteur.

Points clés à retenir

• Une image est un bloc de message : format + octets bruts, jusqu’à 20 par requête, 3.75 Mo chacune
• Tokens ≈ pixels / 750 : redimensionnez avant envoi pour économiser coût et latence
• Plusieurs images dans un message = comparaisons et questions croisées possibles
• Le prompting fait la précision visuelle : énumération, vérification imposée, étapes d’analyse
• Les applications sérieuses (risque incendie sur satellite) tiennent au prompt structuré, pas à l’image seule