Le support d'images

Claude ne lit pas que du texte : ses capacités de vision permettent d’inclure des images dans vos messages et de demander des analyses sophistiquées — description, comparaison, comptage d’objets, lecture de documents photographiés, ou analyses visuelles complexes. Côté API, une image n’est qu’un type de bloc de plus dans un message ; côté usage, c’est un champ entier d’applications qui s’ouvre.

Limites techniques

Le cadre à connaître avant de construire :

• Jusqu’à 100 images par requête
• 5 Mo maximum par image
• Une seule image : max 8000px en hauteur/largeur
• Plusieurs images : max 2000px chacune
• Formats : base64 ou URL
• Calcul de tokens : (largeur px x hauteur px) / 750

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

Inclure une image

with open("image.png", "rb") as f:
    image_bytes = base64.standard_b64encode(f.read()).decode("utf-8")

add_user_message(messages, [
    {
        "type": "image",
        "source": {
            "type": "base64",
            "media_type": "image/png",
            "data": image_bytes,
        }
    },
    {
        "type": "text",
        "text": "Que vois-tu dans cette image ?"
    }
])

Le fichier est lu en binaire, encodé en base64, puis inséré comme bloc image dans un message multi-blocs — la même structure de liste que nous utilisons depuis les outils. L’ordre des blocs a son importance pratique : placer l’image avant la question donne généralement de meilleurs résultats, le modèle « regardant » l’image avec la question déjà en tête de lecture.

L’importance du prompting

C’est la leçon centrale de la vision : les techniques de prompting y sont encore plus critiques que pour le texte. Un prompt simple comme « Combien de billes dans cette image ? » peut donner un résultat faux — le modèle répond d’instinct, sans méthode, et l’instinct compte mal.

Analyse étape par étape

La parade est la même qu’en texte : imposer un processus.

Analyse cette image de billes et determine le nombre exact :
1. Identifie chaque bille unique une par une. Attribue-lui un numero.
2. Verifie en recomptant depuis le coin inferieur gauche, rangee par rangee.

Quel est le nombre exact et verifie de billes ?

Le prompt convertit un « coup d’œil » en procédure : énumération explicite, puis vérification par un second parcours dans un ordre imposé. Ce sont les étapes de processus de la section d’ingénierie de prompt, transposées au visuel — et le gain de fiabilité est du même ordre.

Exemples one-shot

Autre technique transposable : incluez un exemple avec son résultat connu — une image similaire, son comptage correct — avant l’image cible. Ce one-shot améliore significativement la précision : le modèle calque sa méthode sur la démonstration au lieu d’improviser la sienne.

Exemple concret : évaluation de risque incendie

Un cas réel donne la mesure de ce que la vision bien promptée accomplit. Avec des images satellite, Claude peut analyser la végétation autour d’une habitation, évaluer les branches en surplomb du toit, identifier les chemins de combustible menant au bâtiment, et attribuer un score de risque de 1 à 4 — le travail d’un inspecteur, appliqué à grande échelle. La clé n’est pas la finesse de l’image : c’est un prompt détaillé et structuré guidant l’analyse étape par étape — critères explicites, ordre d’examen imposé, format de sortie fixé. La vision fournit la perception ; le prompt fournit la méthode.

Points clés à retenir

• Une image est un bloc de message : base64 ou URL, jusqu’à 100 par requête, 5 Mo chacune
• Tokens ≈ pixels / 750 : redimensionner avant envoi économise coût et latence
• Un prompt visuel naïf compte et analyse mal — imposez énumération et vérification pas à pas
• Le one-shot (exemple + résultat connu) calibre la méthode du modèle avant l’image cible
• Les applications sérieuses (ex. risque incendie sur images satellite) tiennent au prompt structuré, pas à l’image seule