Réponse : B. Le contrat de la boucle agentique est piloté par stop_reason : "tool_use" → exécuter et continuer ; "end_turn" → le modèle a terminé. Analyser le texte de l’assistant pour détecter l’achèvement et utiliser une limite d’itérations comme mécanisme d’arrêt principal sont les deux anti-modèles canoniques (la limite reste utile en garde-fou secondaire). A et C raffinent l’anti-modèle au lieu de le corriger ; D casse la boucle.

Réponse : C. Les journaux montrent des sous-agents qui ont exécuté correctement ce qui leur était demandé — le problème est en amont : la décomposition. « Santé » a été réduit au seul diagnostic. B est un filet de sécurité souhaitable mais pas la cause ; A contredit les journaux ; D n’est pas étayé par la situation. Réflexe d’examen : couverture partielle + sous-agents corrects = suspecter le donneur d’ordre.

Réponse : B. C’est l’invariant le plus testé du Domaine 1 : l’isolation de contexte des sous-agents. « En t’appuyant sur les conclusions de la phase 1 » ne transmet rien — le sous-agent n’a jamais vu ces conclusions. La correction : inclure les sorties complètes (ou un résumé structuré) des phases précédentes dans le prompt, idéalement avec un format structuré séparant données et instructions. A invente un bug ; C et D ne correspondent pas au symptôme (rapport générique = manque de matière, pas d’outil ni de troncature).

Réponse : C. Le mot-clé de la question est « garantie ». Le prompt (A, B) et le choix de modèle (D) améliorent la probabilité de conformité — ils peuvent faire passer 7 % à 1 %, jamais à 0 %. Une règle métier critique (opérations financières) exige une application déterministe : le logiciel bloque l’appel, quel que soit ce que le modèle « décide ». C’est la distinction structurante de tout l’examen : garanties déterministes (hooks, préconditions) vs conformité probabiliste (prompts).

Réponse : C. Les descriptions d’outils sont le mécanisme principal de sélection du modèle ; ici elles sont minimales et quasi identiques — c’est la cause racine. L’enrichir est la correction au moindre effort et au plus fort impact. D peut aider ensuite (les few-shot coûtent des tokens et ne corrigent pas des descriptions vides) ; A est de la sur-ingénierie qui ajoute un composant à maintenir ; B dégrade la conception (outil fourre-tout avec contrat flou).

Réponse : A. La taxonomie transient / business / validation (+ permission) avec isRetryable explicite est ce qui permet à l’agent de décider intelligemment : réessayer le timeout, ne jamais réessayer une violation de politique (elle échouera toujours — il faut informer ou escalader), corriger l’entrée puis réessayer la validation. B laisse l’interprétation au hasard ; C fait boucler l’agent sur des erreurs non réessayables — exactement le symptôme constaté ; D masque l’échec, pire anti-modèle : un résultat vide « valide » et un échec doivent être distinguables.

Réponse : B. Deux règles se combinent : portée projet = .mcp.json versionné (disponible au clone pour toute l’équipe, contrairement à ~/.claude.json qui est individuel et non partagé) ; secrets = substitution de variables d’environnement, jamais de token en clair dans un fichier versionné. A ne satisfait pas « disponible au clone » et duplique l’effort ; C confond instructions (CLAUDE.md) et configuration de serveurs ; D versionne un secret — faute de sécurité éliminatoire.

Réponse : C. Les règles à portée de chemin (.claude/rules/ + motifs glob) se chargent uniquement lors de l’édition de fichiers correspondants — exactement le besoin (conditionnel + économie de contexte). A charge les conventions en permanence, tout le contraire ; B est inmaintenable quand les tests sont co-localisés dans des dizaines de répertoires (et c’est le critère de bascule : conventions par type de fichier dispersé → glob ; conventions par sous-arbre → CLAUDE.md de répertoire) ; D est manuel et à la demande — la situation exige de l’automatique.

Réponse : B. -p (ou --print) est le mode headless documenté de Claude Code ⚠ : non interactif, adapté aux pipelines, combinable avec --output-format json et --json-schema pour une sortie structurée exploitable par le job. A et C sont des fonctionnalités inventées — la famille de distracteurs la plus fréquente sur ce scénario ; D est un contournement Unix qui ne correspond pas au mode d’exécution documenté.

Réponse : B. Les trois marqueurs du mode plan sont réunis : changement important (45 fichiers), plusieurs approches viables, décisions architecturales (frontières de service). Le mode plan permet l’exploration sûre avant toute modification. A est le distracteur classique « réactif » : quand « ça se passe mal », la reprise est déjà coûteuse ; C évite les catastrophes locales mais ne résout pas le problème central (les frontières de service sont une décision globale) ; D détruit la cohérence inter-fichiers de l’extraction.

Réponse : B. C’est LA distinction du Domaine 4 : les schémas JSON stricts éliminent les erreurs de syntaxe, pas les erreurs sémantiques (mauvais champ, totaux non réconciliés). La parade est programmatique : validations de cohérence + réessai avec feedback d’erreur concret (document + extraction fautive + erreurs précises). A est faux — aucune contrainte de type n’empêche de mettre le bon nombre dans le mauvais champ ; C régresse (réintroduit les erreurs de syntaxe que tool_use éliminait) ; D augmente la variabilité, aggravant le problème.

Réponse : A. Un champ requis sur une information parfois absente force structurellement le modèle à produire quelque chose — l’instruction contraire crée une injonction contradictoire que le schéma gagne. La correction est dans la conception du schéma : nullable/optionnel donne à « l’information n’existe pas » une sortie légitime. Même famille : enums avec "other"/"unclear" + champ de détail. B a déjà montré son inefficacité (le schéma prime) ; C réessaie sans changer la contrainte qui cause l’invention ; D ne détecte pas les dates inventées plausibles — c’est précisément le problème.

Réponse : B. Deux connaissances d’examen se combinent : (1) les critères explicites et catégoriels surpassent le guidage générique — « sois plus conservateur » (A) est précisément l’anti-exemple documenté ; (2) les faux positifs d’une catégorie bruyante sapent la confiance dans les catégories fiables — d’où la désactivation temporaire des catégories à fort taux de faux positifs. C (consensus par répétition) traite le bruit sans traiter la cause et triple le coût ; D réduit la variance entre exécutions, pas le biais de sur-signalement.

Réponse : B. Le risque documenté du résumé progressif est exactement celui-ci : les valeurs numériques, dates et identifiants se diluent en formulations vagues au fil des résumés successifs. La parade structurelle : un bloc de faits persistant hors du cycle de résumé. A et D ne font que retarder ou atténuer la dilution (D reste probabiliste, et chaque résumé de résumé recompresse) ; C est pire : la fenêtre glissante supprime purement le 5ᵉ tour, franchise comprise.

Réponse : C. La métrique agrégée masque les segments faibles — 97 % global est ici compatible avec 64 % sur un champ critique pour des virements. La réponse d’architecte est segmentée : automatiser là où la performance est démontrée par type de document et par champ, garder l’humain là où elle ne l’est pas, avec échantillonnage aléatoire stratifié continu pour détecter les dérives (nouveaux formats fournisseurs). A reproduit exactement le piège ; B sur-corrige et détruit la valeur sur 85 % du volume sans justification ; D améliore peut-être un segment mais reconduit le critère fautif (métrique globale).