Contexte technique
J’adore ces bugs-qui-n’en-sont-pas : le système semble faire un fallback de sécurité, mais en pratique il s’accroche à des mots là où le risque est nul. C’est l’histoire de Fable 5. Si un message contient biologie, biochimie, cyber ou même une allusion à la distillation, le classificateur intégré peut transférer le dialogue vers Opus 4.8.
Formellement, ce n’est pas un refus, mais un fallback. Autrement dit, Fable ne discute pas avec vous, il appelle simplement un autre modèle. Selon Anthropic, cela se produit dans moins de 5 % des sessions, mais si vous construisez une automatisation IA ou souhaitez simplement une UX stable, même un basculement automatique rare est démesurément agaçant.
Et voici une astuce d’utilisateur amusante : si vous dites à l’avance à Fable de ne rien dire sur la biologie, même lorsque le sujet est totalement différent, le basculement vers Opus se produit moins souvent. Je n’appellerais pas ça de la magie. Plutôt que le classificateur est sensible non seulement à l’intention de la requête, mais aussi au vocabulaire que le modèle prévoit d’utiliser dans sa réponse.
Cela correspond bien à ce que l’on sait déjà du mécanisme de fallback. Le déclencheur s’active non seulement sur les demandes explicitement dangereuses, mais aussi sur des formulations neutres comportant des tokens « toxiques ». D’où les faux positifs sur les rapports médicaux, les discussions scientifiques et les conversations professionnelles ordinaires.
Si vous avez besoin de la voie officielle, je commencerais par désactiver le basculement automatique dans les paramètres. Ainsi, la session ne passera pas silencieusement à Opus, mais s’arrêtera, vous permettant de réécrire le prompt de manière plus propre. Parfois, un nouveau chat aide aussi, car l’ancien contexte peut entraîner le drapeau avec lui.
Ce que cela change pour les entreprises et l’automatisation
Le principal problème n’est pas la censure elle-même, mais l’imprévisibilité. Lorsque l’intégration IA repose sur un modèle spécifique, un fallback soudain casse le coût, la latence et le format de réponse. Pour les scénarios de production, ce n’est plus un détail.
Un deuxième effet est encore plus intéressant : l’ingénierie de prompt devient soudainement une composante de l’architecture IA. Il faut concevoir non seulement le sens de la requête, mais aussi un vocabulaire sûr pour que le classificateur n’intervienne pas sans raison.
Les gagnants sont ceux qui gardent le contrôle du routage des modèles et savent nettoyer les prompts de façon systémique. Les perdants sont les équipes qui croient que l’IA managée se comportera de manière stable toute seule.
Chez Nahornyi AI Lab, nous portons généralement ces questions au niveau architectural : nous mettons en place des règles de réécriture des requêtes, capturons les fallbacks, évaluons leur coût, et décidons ensuite seulement où un branchement manuel vers Opus est nécessaire. Si votre automatisation IA trébuche déjà sur ces déclencheurs, analysons votre scénario et construisons un développement de solutions IA sans ces surprises.