Deux marketers d’une même équipe ouvrent Claude, collent le même CLAUDE.md, tapent le même prompt de brief campagne. Pourquoi les deux sorties ne se ressemblent presque jamais ? Le fichier partagé comble le manque de contexte (positionnement, ton de marque) mais laisse filer plusieurs autres sources de divergence : l’historique de conversation propre à chaque session et le non-déterminisme du décodage lui-même. Le symptôme est connu dans les équipes qui utilisent l’IA « au feeling » : chacun obtient une version différente, sans process partagé au-delà du fichier et personne ne sait laquelle citer en réunion.
Pourquoi un CLAUDE.md identique ne garantit pas une sortie identique ?
Le Centre d’aide Claude (Anthropic, avril 2026) décrit une hiérarchie à deux niveaux : un CLAUDE.md de projet partagé par toute l’équipe via le dépôt et un fichier personnel propre à chaque poste, chargé par-dessus. Les deux sont injectés dans le context window à l’ouverture de la session, au même titre qu’un system prompt. Rien n’empêche un marketer d’avoir accumulé dans son fichier personnel des préférences propres (« toujours répondre en bullet points », « éviter le jargon B2B ») qui se superposent silencieusement au fichier commun, sans que le fichier partagé ne les verrouille.
Le non-déterminisme du décodage, même à température zéro
À température 0, un modèle est censé être déterministe : même prompt, même sortie, à chaque fois. Dans les faits, une même requête envoyée deux fois de suite à un modèle figé sur la même version (Claude Opus 4.8, par exemple) produit une réponse identique dans 70 à 95 % des cas seulement, d’après une analyse empirique publiée par ResumeLens en 2026. L’écart vient des bibliothèques de calcul (cuBLAS, cuDNN) qui choisissent leur algorithme selon la forme du batch et la mémoire disponible au moment du calcul, un choix qui varie d’une requête à l’autre sur l’infrastructure d’inférence, bien en dessous du prompt et hors de portée d’un réglage CLAUDE.md.
L’historique de conversation qui pollue le contexte partagé
Un marketer qui débugue un tableau de reporting avec Claude le matin puis enchaîne sur un brief de campagne dans le même fil hérite d’un ton et de réflexes conversationnels que son collègue n’a jamais vus. Le CLAUDE.md reste identique. Le fil de discussion, en revanche, diverge d’un poste à l’autre : chaque échange précédent modifie la façon dont le modèle pondère la suite, dans les limites du context window disponible. Un agent qui enchaîne plusieurs appels d’outils dans le même fil, ce qu’on regroupe sous agentic AI, hérite lui aussi de cet historique, avec un risque de dérive encore plus grand qu’un simple échange de brief. Deux personnes qui partent d’une session neuve obtiennent déjà un résultat plus proche que deux personnes dont l’une réutilise un vieux thread. C’est un facteur de divergence rarement documenté dans les guides de configuration, qui se concentrent sur le contenu du fichier plutôt que sur l’hygiène de session.
Ce que l’ambiguïté d’un CLAUDE.md laisse à l’interprétation humaine
Une ligne comme « ton direct, orienté résultats » se lit différemment selon qui l’exécute. Un marketer y lit un impératif de concision. Un autre y lit une autorisation à couper les formules de politesse. Le fichier fixe un cadre. Il ne tranche jamais ce genre d’ambiguïté, aussi bien écrit soit-il. Un CLAUDE.md qui coche tous les critères de forme, sections claires, exemples de ton et parfois des contraintes de longueur, laisse quand même la formulation du prompt qui l’accompagne libre d’interprétation. Deux prompts différents, appliqués au même fichier, produisent deux résultats différents avant même que le modèle n’entre en jeu.
La gouvernance absente coûte plus cher que la formulation du prompt
L’usage des modèles de langage en marketing a grimpé de 116 % en un an, chiffre publié par le CMO Survey. Le déploiement a devancé les garde-fous dans la plupart des équipes. Une enquête menée par Stensul en 2026 établit un lien direct entre maturité de gouvernance et taux d’erreur de campagne.
Parmi les organisations sans gouvernance structurée de leurs usages IA, près de 9 sur 10 ont connu au moins une erreur de campagne dans l’année écoulée. (Stensul, enquête 2026)
La gouvernance tient ici à deux pratiques concrètes : un fichier versionné dans un dépôt plutôt que collé dans un Notion personnel et un propriétaire identifié qui valide chaque modification et archive l’historique pour toute l’équipe. Aucune des deux n’exige d’outil supplémentaire et aucun comité n’est nécessaire.
Ce qui reste réellement corrigible dans un CLAUDE.md d’équipe
Un format de sortie explicite change la donne plus qu’un ton bien décrit. Demander une structure fixe dans le prompt lui-même, plutôt que de compter sur le CLAUDE.md pour l’imposer, resserre l’écart entre deux opérateurs. Ajouter un ou deux exemples de sortie validée dans le fichier, ce que les praticiens appellent le few-shot prompting, fait plus pour l’homogénéité que 10 lignes de description du ton. Les Skills Claude, empaquetées séparément du CLAUDE.md, servent justement à figer une procédure entière avec sa structure et ses contraintes de sortie, pour une tâche récurrente, sans dépendre de la mémoire du fichier de contexte. Quand la tâche implique du tool use, comme aller chercher un chiffre de campagne ou une fiche produit, un agent connecté à un serveur MCP standardise la récupération. Deux marketers interrogent alors la même source de données, sans compter sur leur souvenir approximatif du dernier reporting. Demander explicitement au modèle d’exposer son raisonnement avant la sortie finale, une forme de chain-of-thought prompting (CoT), aide aussi à repérer à quelle étape deux opérateurs divergent, au prix d’un token cost plus élevé par requête.
Ces ajustements resserrent l’écart. Ils ne le ferment pas. Passé un certain volume de génération quotidienne, une part de variance reste liée au moteur d’inférence lui-même et aucun réglage côté équipe n’y touche. Le format et les exemples valent la peine malgré cette limite : ils absorbent l’essentiel de l’écart, même sans jamais atteindre le zéro absolu. Peu d’équipes se posent la question avant de déployer un CLAUDE.md commun : si cinq personnes reprenaient demain matin le même prompt sur le même brief, plusieurs sorties resteraient différentes malgré le fichier partagé.
