Comment traduire automatiquement des posts avec l'API Claude Sonnet 4 (1) - Conception du prompt

Introduction

Depuis l’introduction de l’API Claude 3.5 Sonnet d’Anthropic en juin 12024 pour la traduction multilingue des posts de blog, après plusieurs améliorations du prompt et du script d’automatisation, ainsi que des mises à niveau de version du modèle, j’utilise ce système de traduction de manière satisfaisante depuis près d’un an. Cette série vise donc à couvrir les raisons du choix du modèle Claude Sonnet lors du processus d’introduction, la méthode de conception du prompt, et la méthode d’implémentation de l’intégration API et de l’automatisation via des scripts Python.
La série se compose de 2 articles, et celui que vous lisez est le premier article de cette série.

• 1ère partie : Présentation du modèle Claude Sonnet et raisons de sélection, ingénierie de prompt (texte principal)
• 2ème partie : Rédaction et application de scripts d’automatisation Python utilisant l’API

À propos de Claude Sonnet

Les modèles de la série Claude sont fournis en versions Haiku, Sonnet et Opus selon la taille du modèle.

Source de l’image : Page web officielle de l’API Anthropic Claude

(Ajout du 29.05.12025)
L’image capturée il y a un an montre les tarifs par token basés sur l’ancienne version Claude 3, mais la distinction Haiku, Sonnet, Opus selon la taille du modèle reste valide. À la fin mai 12025, la tarification de chaque modèle fourni par Anthropic est la suivante.

Model	Base Input Tokens	5m Cache Writes	1h Cache Writes	Cache Hits & Refreshes	Output Tokens
Claude Opus 4	$15 / MTok	$18.75 / MTok	$30 / MTok	$1.50 / MTok	$75 / MTok
Claude Sonnet 4	$3 / MTok	$3.75 / MTok	$6 / MTok	$0.30 / MTok	$15 / MTok
Claude Sonnet 3.7	$3 / MTok	$3.75 / MTok	$6 / MTok	$0.30 / MTok	$15 / MTok
Claude Sonnet 3.5	$3 / MTok	$3.75 / MTok	$6 / MTok	$0.30 / MTok	$15 / MTok
Claude Haiku 3.5	$0.80 / MTok	$1 / MTok	$1.6 / MTok	$0.08 / MTok	$4 / MTok
Claude Opus 3	$15 / MTok	$18.75 / MTok	$30 / MTok	$1.50 / MTok	$75 / MTok
Claude Haiku 3	$0.25 / MTok	$0.30 / MTok	$0.50 / MTok	$0.03 / MTok	$1.25 / MTok

Source : Documentation développeur Anthropic

Et le modèle de langage Claude 3.5 Sonnet publié par Anthropic le 21 juin 12024 (heure coréenne) montre des performances de raisonnement supérieures à Claude 3 Opus avec le même coût et la même vitesse que l’ancien Claude 3 Sonnet, et l’opinion dominante est qu’il présente généralement des avantages par rapport au modèle concurrent GPT-4 dans les domaines de la rédaction, du raisonnement linguistique, de la compréhension multilingue et de la traduction.

Source de l’image : Salle de presse Anthropic

Raisons de l’introduction de Claude 3.5 pour la traduction de posts

Même sans des modèles de langage comme Claude 3.5 ou GPT-4, il existe des API de traduction commerciales existantes comme Google Translate ou DeepL. Néanmoins, la raison pour laquelle j’ai décidé d’utiliser un LLM à des fins de traduction est que, contrairement aux autres services de traduction commerciaux, les utilisateurs peuvent fournir des informations contextuelles supplémentaires ou des exigences au-delà du texte principal, comme l’objectif de rédaction ou le sujet principal de l’article, grâce à la conception de prompts, et le modèle peut fournir une traduction tenant compte du contexte en conséquence.

Bien que DeepL ou Google Translate montrent généralement une excellente qualité de traduction, ils ont des limites car ils ne saisissent pas bien le sujet ou le contexte global de l’article et ne peuvent pas transmettre séparément des exigences complexes. Lorsqu’on leur demande de traduire de longs textes sur des sujets spécialisés plutôt que des conversations quotidiennes, les résultats de traduction peuvent être relativement peu naturels et il est difficile de produire exactement selon le format spécifique requis (markdown, YAML frontmatter, etc.).

En particulier, comme mentionné ci-dessus, Claude était réputé relativement supérieur à son modèle concurrent GPT-4 dans les domaines de la rédaction, du raisonnement linguistique, de la compréhension multilingue et de la traduction, et lors de tests simples directs, il montrait une qualité de traduction plus fluide que GPT-4. J’ai donc jugé qu’il était adapté pour traduire les articles liés à l’ingénierie publiés sur ce blog en plusieurs langues lors de l’introduction envisagée en juin 12024.

Historique d’adoption des modèles et situation actuelle

01.07.12024

Comme résumé dans un article séparé, j’ai terminé le travail initial d’application du plugin Polyglot et de modification de _config.yml, de l’en-tête html et du sitemap en conséquence. Par la suite, j’ai adopté le modèle Claude 3.5 Sonnet à des fins de traduction, et après avoir terminé l’implémentation initiale et la vérification du script Python d’intégration API traité dans cette série, je l’ai appliqué.

31.10.12024

Le 22 octobre 12024, Anthropic a annoncé la version mise à niveau de l’API Claude 3.5 Sonnet (“claude-3-5-sonnet-20241022”) et Claude 3.5 Haiku. Cependant, en raison du problème décrit plus loin, j’applique encore l’API “claude-3-5-sonnet-20240620” existante sur ce blog.

02.04.12025

J’ai changé le modèle appliqué de “claude-3-5-sonnet-20240620” à “claude-3-7-sonnet-20250219”.

29.05.12025

J’ai changé le modèle appliqué de “claude-3-7-sonnet-20250219” à “claude-sonnet-4-20250514”.

Source de l’image : Salle de presse Anthropic

Bien qu’il puisse y avoir des différences selon les conditions d’utilisation, l’atmosphère générale est qu’il n’y a pas beaucoup de désaccord sur le fait que Claude est le modèle le plus puissant pour le codage depuis la sortie du modèle Claude 3.7 Sonnet. Anthropic met également activement en avant les excellentes performances de codage par rapport aux modèles concurrents d’OpenAI ou Google comme un atout majeur de ses propres modèles. On peut confirmer qu’avec cette annonce de Claude Opus 4 et Claude Sonnet 4, ils continuent la tendance de cibler les développeurs comme clientèle principale en mettant l’accent sur les performances de codage.

Bien sûr, en regardant les résultats de benchmark publiés, des améliorations ont été apportées globalement dans d’autres domaines que le codage, et pour le travail de traduction traité dans cet article, les améliorations de performance dans les domaines des questions-réponses multilingues (MMMLU) ou de la résolution de problèmes mathématiques (AIME 2025) semblent particulièrement efficaces. Lors de tests simples directs, j’ai pu confirmer que les résultats de traduction de Claude Sonnet 4 étaient supérieurs à ceux du modèle précédent Claude 3.7 Sonnet en termes de naturel d’expression, de professionnalisme et de cohérence dans l’utilisation de la terminologie.

À l’heure actuelle, je pense que les modèles Claude restent les meilleurs pour traduire des textes techniques écrits en coréen en plusieurs langues, comme ceux traités dans ce blog. Cependant, les performances du modèle Gemini de Google se sont récemment améliorées de manière notable, et en mai de cette année, ils ont même publié le modèle Gemini 2.5, bien qu’il soit encore en phase Preview.
En comparant les modèles Gemini 2.0 Flash avec Claude 3.7 Sonnet et Claude Sonnet 4, j’ai jugé que les performances de traduction de Claude étaient supérieures, mais les performances multilingues de Gemini sont également assez excellentes, et les capacités de résolution et de description de problèmes mathématiques et physiques de Gemini 2.5 Preview 05-06 sont même supérieures à celles de Claude Opus 4. Je ne peux donc pas garantir ce qu’il en sera lorsque ce modèle sera officiellement publié et comparé à nouveau.
Considérant les tarifs API quelque peu moins chers par rapport à Claude, la compétitivité prix de Gemini est excellente, donc même avec des performances quelque peu équivalentes, Gemini pourrait devenir une alternative raisonnable. Comme Gemini 2.5 est encore en phase Preview, je juge qu’il est trop tôt pour l’appliquer à l’automatisation réelle et ne l’envisage pas pour le moment, mais je prévois de le tester lorsque la version officielle sera publiée.

Conception du prompt

Principes de base pour demander quelque chose

Pour obtenir des résultats satisfaisants qui correspondent à l’objectif d’un modèle de langage, il faut fournir un prompt approprié. La conception de prompts peut sembler intimidante, mais en fait, ‘la méthode pour bien demander quelque chose’ ne diffère pas beaucoup que l’interlocuteur soit un modèle de langage ou une personne, donc si on l’aborde de ce point de vue, ce n’est pas très difficile. Il suffit d’expliquer clairement la situation actuelle et les demandes selon les cinq W et un H, et si nécessaire, d’ajouter quelques exemples concrets. Il existe de nombreux conseils et techniques concernant la conception de prompts, mais la plupart dérivent des principes de base qui seront décrits ci-dessous.

Ton général

Il y a de nombreux rapports selon lesquels lorsqu’on rédige et saisit un prompt avec un ton de demande polie plutôt qu’un ton de commandement autoritaire, le modèle de langage produit des réponses de meilleure qualité. Habituellement, dans la société, lorsqu’on demande quelque chose à quelqu’un d’autre, la probabilité que l’autre personne effectue la tâche demandée avec plus de sincérité augmente quand on demande poliment plutôt que de commander de manière autoritaire, et il semble que le modèle de langage apprenne et imite ces modèles de réponse humaine.

Attribution de rôle et explication de situation (qui, pourquoi)

Tout d’abord, j’ai attribué à Claude 4 le rôle de ‘traducteur professionnel spécialisé dans les domaines techniques (professional technical translator)’ et fourni des informations contextuelles sur l’utilisateur comme “blogueur ingénieur qui écrit principalement sur les mathématiques, la physique et la science des données”.

<role>You are a professional translator specializing in technical and scientific fields. 
Your client is an engineering blogger who writes mainly about math, physics \
(especially nuclear physics, electromagnetism, quantum mechanics, \
and quantum information theory), and data science for his Jekyll blog.</role>

Transmission des demandes dans le cadre général (quoi)

Ensuite, j’ai demandé de traduire l’article au format markdown fourni par l’utilisateur de {source_lang} vers {target_lang} tout en préservant le format.

<task>Please translate the provided <format>markdown</format> text \
from <lang>{source_lang}</lang> to <lang>{target_lang}</lang> \
while preserving the format.</task> 

Lors de l’appel de l’API Claude, les variables de langue de départ et d’arrivée de traduction sont respectivement insérées aux emplacements {source_lang} et {target_lang} du prompt grâce à la fonction f-string du script Python.

Spécification des exigences et exemples (comment)

Pour des tâches simples, les étapes précédentes peuvent suffire pour obtenir les résultats souhaités, mais pour des tâches complexes, des explications supplémentaires peuvent être nécessaires.

Lorsque les conditions requises sont complexes et multiples, plutôt que de décrire chaque point en détail, il est préférable de les lister de manière concise pour améliorer la lisibilité et faciliter la compréhension pour le lecteur (qu’il soit humain ou modèle de langage). De plus, il est utile de fournir des exemples si nécessaire. Dans ce cas, j’ai ajouté les conditions suivantes.

Traitement du YAML front matter

Le YAML front matter situé au début des posts rédigés en markdown pour être téléchargés sur un blog Jekyll enregistre les informations ‘title’, ‘description’, ‘categories’ et ‘tags’. Par exemple, le YAML front matter de cet article est le suivant.

---
title: Claude Sonnet 4 API로 포스트 자동 번역하는 법 (1) - 프롬프트 디자인
description: >-
  마크다운 텍스트 파일의 다국어 번역을 위한 프롬프트를 디자인하고, Anthropic으로부터 발급받은
  API 키와 작성한 프롬프트를 적용하여 Python으로 작업을 자동화하는 과정을 다룬다. 
  이 포스트는 해당 시리즈의 첫 번째 글로, 프롬프트 디자인 방법과 과정을 소개한다."
categories: [AI & Data, GenAI]
tags: [Jekyll, Markdown, LLM]
image: /assets/img/technology.webp
---

Cependant, lors de la traduction de posts, les balises titre (title) et description doivent être traduites en plusieurs langues, mais pour la cohérence des URL de posts, il est plus facile de maintenir les noms de catégories (categories) et de balises (tags) en anglais sans les traduire. J’ai donc donné l’instruction suivante pour ne pas traduire les balises autres que ‘title’ et ‘description’. Comme Claude connaît déjà les informations sur le YAML front matter grâce à son apprentissage, cette explication suffit généralement.

- <condition>please do not modify the YAML front matter except for the 'title' and 'description' tags, \
  under any circumstances, regardless of the language you are translating to.</condition>

J’ai ajouté la phrase “under any circumstances, regardless of the language you are translating to” pour souligner de ne jamais modifier arbitrairement les autres balises du YAML front matter.

(Mise à jour du 02.04.12025)
De plus, j’ai donné l’instruction suivante pour que le contenu de la balise description soit rédigé en quantité appropriée en considérant le SEO.

- <condition>For the description tag, this is a meta tag that directly impacts SEO. 
  Keep it broadly consistent with the original description tag content and body content, 
  but adjust the character count appropriately considering SEO.</condition>

Traitement lorsque le texte original fourni contient d’autres langues que la langue de départ

Lors de la rédaction du texte original en coréen, lorsqu’on introduit pour la première fois la définition d’un concept ou qu’on utilise certains termes spécialisés, il arrive souvent d’inclure l’expression anglaise entre parenthèses comme ‘atténuation neutronique (Neutron Attenuation)’. Lors de la traduction de telles expressions, il y avait un problème d’incohérence dans la méthode de traduction, parfois en gardant les parenthèses, parfois en omettant l’anglais entre parenthèses. J’ai donc établi les directives détaillées suivantes.

• Pour les termes spécialisés,
  • Lors de la traduction vers des langues non basées sur l’alphabet romain comme le japonais, maintenir le format ‘expression traduite (expression anglaise)’.
  • Lors de la traduction vers des langues basées sur l’alphabet romain comme l’espagnol, le portugais, le français, permettre à la fois la notation seule ‘expression traduite’ et la notation combinée ‘expression traduite (expression anglaise)’, et laisser Claude choisir de manière autonome la plus appropriée des deux.
• Pour les noms propres, l’orthographe originale doit être préservée sous une forme quelconque dans le résultat de traduction.

- <condition>The original text provided may contain parts written in languages other than {source_lang}. This is one of two cases.
  1. The term may be a technical term used in a specific field with a specific meaning, so a standard English expression is written along with it.
  2. it may be a proper noun such as a person's name or a place name.
  After carefully considering which of the two cases the given expression corresponds to, please proceed as follows:
  <if>it is the first case, and the target language is not a Roman alphabet-based language,
  please maintain the <format>[target language expression(original English expression)]</format> in the translation result as well.</if>
    - <example>'중성자 감쇠(Neutron Attenuation)' translates to '中性子減衰（Neutron Attenuation）' in Japanese.</example>
    - <example>'삼각함수의 합성(Harmonic Addition Theorem)' translates to '三角関数の合成（調和加法定理, Harmonic Addition Theorem）' </example>
  <if>the target language is a Roman alphabet-based language, you can omit the parentheses if you deem them unnecessary.</if>
    - <example>Both 'Röntgenstrahlung' and 'Röntgenstrahlung(X-ray)' are acceptable German translations for 'X선(X-ray)'.
      You can choose whichever you think is more appropriate.</example>
    - <example>Both 'Le puits carré infini 1D' and 'Le puits carré infini 1D(The 1D Infinite Square Well)' are acceptable French translations for '1차원 무한 사각 우물(The 1D Infinite Square Well)'. You can choose whichever you think is more appropriate.</example>
  <else>In the second case, the original spelling of the proper noun in parentheses must be preserved in the translation output in some form.</else> \n\
    - <example> '패러데이(Faraday)', '맥스웰(Maxwell)', '아인슈타인(Einstein)' should be translated into Japanese as \
      'ファラデー(Faraday)', 'マクスウェル(Maxwell)', and 'アインシュタイン(Einstein)'.\
      In languages ​​such as Spanish or Portuguese, they can be translated as 'Faraday', 'Maxwell', 'Einstein', in which case, \
      redundant expressions such as 'Faraday(Faraday)', 'Maxwell(Maxwell)', 'Einstein(Einstein)' would be highly inappropriate.</example>\
  </condition>\n\n

Traitement des liens vers d’autres posts

Certains posts contiennent des liens vers d’autres posts, et lors de la phase de test, lorsqu’aucune directive séparée n’était fournie à ce sujet, il y avait souvent des problèmes de liens internes cassés car il interprétait même la partie chemin de l’URL comme devant être traduite. Ce problème a été résolu en ajoutant cette phrase au prompt.

- <condition><if>the provided text contains links in markdown format, \
  please translate the link text and the fragment part of the URL into {target_lang}, \
  but keep the path part of the URL intact.</if></condition>

(Mise à jour du 06.04.12025)
Bien que fournir la directive ci-dessus réduise considérablement la fréquence de cassure des liens en traitant correctement la partie chemin des liens lors de la traduction, pour les liens contenant des identifiants de fragment, il y avait encore une limitation fondamentale où le modèle de langage devait deviner et remplir approximativement la partie identifiant de fragment sans connaître le contenu de l’article cible lié. J’ai donc amélioré le script Python et le prompt pour fournir des informations contextuelles sur les autres posts liés dans la balise XML <reference_context> du prompt utilisateur et traiter la traduction des liens selon ce contexte. Après avoir appliqué cette mise à jour, j’ai pu prévenir la plupart des problèmes de cassure de liens, et pour les articles de série étroitement liés, on peut également s’attendre à un effet de traduction plus cohérente sur plusieurs posts.

Je présente la directive suivante dans le prompt système.

- <condition><if><![CDATA[<reference_context>]]> is provided in the prompt, \
  it contains the full content of posts that are linked with hash fragments from the original post.
  Use this context to accurately translate link texts and hash fragments \
  while maintaining proper references to the specific sections in those posts. 
  This ensures that cross-references between posts maintain their semantic meaning \
  and accurate linking after translation.</if></condition>

Et la partie <reference_context> du prompt utilisateur est composée du format et du contenu suivants, fournie en plus après le contenu du texte principal à traduire.

<reference_context>
The following are contents of posts linked with hash fragments in the original post. 
Use these for context when translating links and references:

<referenced_post path="{post_1_path}" hash="{hash_fragment_1}">
{post_content}
</referenced_post>

<referenced_post path="{post__2_path}" hash="{hash_fragment_2}">
{post_content}
</referenced_post>

...

</reference_context>

Pour savoir comment cela a été concrètement implémenté, consultez la 2ème partie de cette série et le contenu du script Python dans le dépôt GitHub.

Sortir uniquement les résultats de traduction en réponse

Enfin, je présente la phrase suivante pour que seuls les résultats de traduction soient produits en réponse, sans ajouter d’autres mots.

<important>In any case, without exception, the output should contain only the translation results, without any text such as \
"Here is the translation of the text provided, preserving the markdown format:" or something of that nature!!</important>

Techniques supplémentaires de conception de prompt

Cependant, contrairement aux demandes de travail aux humains, il existe également des techniques supplémentaires qui s’appliquent spécifiquement aux modèles de langage. Bien qu’il existe de nombreuses ressources utiles sur le web à ce sujet, voici quelques conseils représentatifs qui peuvent être utilisés de manière universellement utile.
J’ai principalement référencé le guide d’ingénierie de prompt de la documentation officielle d’Anthropic.

Structuration en utilisant des balises XML

En fait, j’ai déjà utilisé cela dans ce qui précède. Pour les prompts complexes incluant plusieurs contextes, instructions, formats et exemples, l’utilisation appropriée de balises XML comme <instructions>, <example>, <format> aide le modèle de langage à interpréter correctement le prompt et à produire une sortie de haute qualité conforme à l’intention. Je recommande de consulter le dépôt GitHub GENEXIS-AI/prompt-gallery qui résume bien les balises XML utiles lors de la rédaction de prompts.

Technique de raisonnement étape par étape (CoT, chain of thinking)

Pour des tâches nécessitant un niveau considérable de raisonnement comme la résolution de problèmes mathématiques ou la rédaction de documents complexes, inciter le modèle de langage à réfléchir au problème étape par étape peut considérablement améliorer les performances. Cependant, dans ce cas, le temps de latence de réponse peut s’allonger, et cette technique n’est pas toujours utile pour toutes les tâches, il faut donc faire attention.

Technique de chaînage de prompts (prompt chaining)

Lorsqu’il faut effectuer des tâches complexes, il peut y avoir des limites à répondre avec un seul prompt. Dans ce cas, on peut envisager de diviser dès le départ l’ensemble du flux de travail en plusieurs étapes, de présenter des prompts spécialisés pour chaque étape, et de transmettre la réponse obtenue à l’étape précédente comme entrée de l’étape suivante. Cette technique s’appelle le chaînage de prompts (prompt chaining).

Pré-remplissage du début de réponse

Lors de la saisie du prompt, en présentant à l’avance la première partie du contenu à répondre et en demandant de rédiger la suite, on peut faire sauter les préambules inutiles comme les salutations, ou forcer à répondre dans un format spécifique comme XML, JSON. Dans le cas de l’API Claude, cette technique peut être utilisée en soumettant non seulement le message User mais aussi le message Assistant lors de l’appel.

Prévention de la paresse (patch Halloween 31.10.12024)

Après avoir écrit cet article pour la première fois, j’ai ajouté une ou deux fois des améliorations de prompt et des spécifications d’instructions supplémentaires, mais en tout cas, il n’y a eu aucun problème majeur pendant 4 mois d’application de ce système d’automatisation.

Cependant, à partir d’environ 18h le 31.10.12024 (heure coréenne), un phénomène anormal s’est produit de manière continue où, lorsque je confiais le travail de traduction de nouveaux posts, il ne traduisait que la première partie ‘TL;DR’ du post puis arrêtait arbitrairement la traduction.

Les causes présumées de ce problème et les méthodes de résolution sont traitées dans un post séparé, veuillez vous y référer.

Prompt système complété

Le résultat de la conception de prompt après les étapes ci-dessus peut être consulté dans l’article suivant.

Lecture complémentaire

Suite dans la Partie 2