# Claude Code CLI
> Connectez le CLI Claude Code à l'API LMU AI : configuration de settings.json, sélection du modèle, LLM chinois, activation du contexte 1M et corrections d'erreurs courantes.
URL: https://docs.lmuai.com/fr/docs/tools/claude-code
Claude Code est l'agent de codage IA officiel d'Anthropic — il s'exécute dans votre terminal et vous permet d'écrire, de déboguer et de refactoriser du code en langage naturel.
Si vous préférez ne pas modifier `settings.json` à la main, utilisez l'[**import en un clic de CC Switch**](/fr/docs/tools/cc-switch) : cliquez sur le bouton « Import to CCS » dans la liste des clés de la console LMU AI, et la Base URL et la clé sont configurées automatiquement.
***
## Étape 1 — Installer Node.js [#étape-1--installer-nodejs]
> Passez cette étape si vous l'avez déjà ; vérifiez avec `node -v`.
Vous avez besoin de **Node.js 18+** — téléchargement : [https://nodejs.org/en/download](https://nodejs.org/en/download)
```bash
# Verify after installing
node -v
# A version number (e.g. v24.4.1) means it installed correctly
```
```powershell
# During install, check "Automatically install the necessary tools"
# Reopen PowerShell after installing and verify
node -v
```
Si vous l'aviez installé auparavant mais que la version est trop ancienne ou que le PATH est cassé, réinstallez-le et rouvrez le terminal.
***
## Étape 2 — Installer Claude Code [#étape-2--installer-claude-code]
```bash
npm install -g @anthropic-ai/claude-code
```
```powershell
npm install -g @anthropic-ai/claude-code
```
Vérifiez l'installation :
```bash
claude --version
```
```bash
npm config set registry https://registry.npmmirror.com
npm install -g @anthropic-ai/claude-code
```
***
## Étape 3 — Configurer l'API LMU AI [#étape-3--configurer-lapi-lmu-ai]
Claude Code configure un point de terminaison API personnalisé via `settings.json`.
### Emplacement du fichier de config [#emplacement-du-fichier-de-config]
```bash
~/.claude/settings.json
```
```powershell
C:\Users\YourUsername\.claude\settings.json
```
### Créer le fichier de config [#créer-le-fichier-de-config]
```bash
mkdir -p ~/.claude && touch ~/.claude/settings.json
```
```powershell
mkdir "$env:USERPROFILE\.claude" -Force
New-Item "$env:USERPROFILE\.claude\settings.json" -Force
```
### Écrire la config [#écrire-la-config]
Ouvrez `settings.json` dans un éditeur de texte et ajoutez ce qui suit (remplacez la clé par la vôtre) :
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"API_TIMEOUT_MS": "3000000",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
}
}
```
* Définissez `ANTHROPIC_AUTH_TOKEN` sur la clé API que vous avez générée dans la console LMU AI (commence par `sk-`)
* N'utilisez pas une clé API officielle d'Anthropic
* Si vous aviez configuré une clé officielle auparavant, effacez d'abord l'ancienne config, puis écrivez celle-ci
* Définir `CLAUDE_CODE_ATTRIBUTION_HEADER` sur `"0"` désactive l'en-tête d'attribution de source sur les requêtes, ce qui améliore les accès au cache et l'efficacité des tokens
***
## Activer le contexte 1M dans Claude Code (optionnel) [#activer-le-contexte-1m-dans-claude-code-optionnel]
Claude Opus 4.8 / Sonnet 5 prennent en charge une **fenêtre de contexte long de 1M tokens** (200K par défaut), utile pour les dépôts énormes, les longs journaux et les refactorisations multi-fichiers. Ajoutez le suffixe `[1M]` à l'ID du modèle pour l'activer.
### Option A — bascule manuelle via /model (recommandé pour un usage occasionnel) [#option-a--bascule-manuelle-via-model-recommandé-pour-un-usage-occasionnel]
**Conservez un settings.json minimal** (uniquement `ANTHROPIC_BASE_URL` + `ANTHROPIC_AUTH_TOKEN`), lancez Claude Code, et tapez dans l'invite :
```
/model claude-opus-5[1M]
```
ou :
```
/model claude-sonnet-5[1M]
```
Cela bascule vers la version 1M sans modification de config. Cela s'applique à la session en cours et revient à l'état initial en quittant.
### Option B — un défaut permanent dans settings.json (recommandé pour un usage quotidien du contexte long) [#option-b--un-défaut-permanent-dans-settingsjson-recommandé-pour-un-usage-quotidien-du-contexte-long]
Ajoutez deux lignes à la section `env` de `settings.json` pour que `/model opus` / `/model sonnet` utilisent par défaut la version 1M :
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "claude-opus-5[1M]",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-5[1M]",
"API_TIMEOUT_MS": "3000000",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
}
}
```
Enregistrez et redémarrez Claude Code ; sélectionner opus / sonnet dans la commande `/model` utilise désormais automatiquement la version 1M.
**Référence des champs**
| Champ | Utilité |
| -------------------------------- | -------------------------------------------------------------------------------------------------- |
| `ANTHROPIC_DEFAULT_OPUS_MODEL` | L'ID du modèle réellement envoyé lorsque vous choisissez `opus` dans Claude Code |
| `ANTHROPIC_DEFAULT_SONNET_MODEL` | Idem, pour `sonnet` |
| suffixe `[1M]` | Active le mode contexte long de 1M tokens du modèle ; sans lui, le mode 200K par défaut s'applique |
* **Facturation différente** : le mode contexte 1M est tarifé par paliers selon la tarification d'Anthropic, et le prix par token est généralement **plus élevé que le mode 200K par défaut**, donc les tâches sur de longs textes coûtent nettement plus — ne le laissez pas activé sauf si nécessaire
* **Seuls certains modèles le prennent en charge** : les modèles principaux Opus / Sonnet `claude-opus-5`, `claude-fable-5`, `claude-opus-4-8`, `claude-opus-4-7`, `claude-sonnet-5` prennent en charge le suffixe `[1M]` ; la série Haiku et les modèles plus anciens ne le prennent pas en charge. La liste de la [Galerie de modèles](/fr/docs/guide/models) fait foi
* **Choisissez l'Option A pour un usage occasionnel, l'Option B pour un usage régulier** — choisissez-en une
***
## Utiliser des modèles chinois (optionnel) [#utiliser-des-modèles-chinois-optionnel]
LMU AI prend en charge les LLM chinois (par ex. la série Qwen). En définissant `model` dans `settings.json`, **vous évitez la bascule manuelle via `/model` à chaque lancement** et utilisez directement le modèle spécifié.
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
},
"model": "qwen3.8-max-preview",
"effortLevel": "medium"
}
```
**Référence des champs :**
| Champ | Description |
| -------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------- |
| `model` | Le modèle par défaut, chargé au démarrage — pas de bascule manuelle à chaque fois |
| `effortLevel` | Effort de raisonnement : `low` / `medium` / `high` ; `medium` est recommandé pour les modèles chinois |
| `CLAUDE_CODE_ATTRIBUTION_HEADER` | Définir sur `"0"` pour désactiver l'en-tête d'attribution de source, ce qui améliore les accès au cache, l'efficacité des tokens et la compatibilité |
* `qwen3.8-max-preview` — Qwen 3.8 Max Preview (le plus récent)
* `qwen3.7-max` — Qwen 3.7 Max
* `glm-5.2` — Zhipu GLM-5.2
* `deepseek-v4-pro` — DeepSeek V4 Pro
* `kimi-k3` — Kimi K3
La liste **Available Models** de la console LMU AI fait foi.
| | Modèles chinois | Modèles Claude officiels |
| ---------------------------- | ---------------- | ------------------------ |
| Coût | Plus faible | Plus élevé |
| Compréhension du chinois | Excellente | Bonne |
| Capacité de codage | Excellente | Excellente |
| Réglage du modèle par défaut | ✅ Pris en charge | ✅ Pris en charge |
***
## Étape 4 — Lancer Claude Code [#étape-4--lancer-claude-code]
Ouvrez un terminal dans le répertoire de votre projet et exécutez :
```bash
claude
```
### Mode sans approbation (recommandé) [#mode-sans-approbation-recommandé]
```bash
claude --dangerously-skip-permissions
```
> Dans ce mode, Claude Code exécute les commandes automatiquement sans confirmer chaque étape — pratique dans un répertoire de projet.
***
## Vérifier la config [#vérifier-la-config]
Après le lancement, tapez dans l'interface de Claude Code :
```
/status
```
Cela affiche les éléments actuels :
* Nom du modèle
* API Base URL (devrait afficher `https://api.lmuai.com`)
* État de la clé API
Si la Base URL est correcte, la config fonctionne.
***
## Problèmes courants [#problèmes-courants]
### 401 Unauthorized [#401-unauthorized]
**Cause :** la clé API est incorrecte, ou la requête est quand même partie vers le point de terminaison officiel d'Anthropic.
**Correction :**
1. Confirmez que `ANTHROPIC_AUTH_TOKEN` dans `settings.json` est bien votre clé LMU AI
2. Vérifiez si une variable d'environnement du shell surcharge la config
```bash
echo $ANTHROPIC_BASE_URL
```
```powershell
echo $env:ANTHROPIC_BASE_URL
```
3. Rouvrez le terminal, puis relancez Claude Code
### stream disconnected [#stream-disconnected]
**Cause :** un réseau local instable, ou un VPN / proxy / proxy système est activé — un proxy qui alterne l'IP casse la connexion.
**Correction :** désactivez le VPN / proxy / proxy système et réessayez. LMU AI est une connexion directe nationale et ne nécessite aucun VPN ; une connexion directe est la plus rapide et la plus stable.
### 503 No available accounts [#503-no-available-accounts]
**Cause :** en général, `~/.zshrc` ou `~/.bashrc` définit des variables d'environnement globales comme `ANTHROPIC_AUTH_TOKEN` / `ANTHROPIC_BASE_URL`, qui surchargent `settings.json`.
**Correction :** supprimez ces lignes de votre config de shell, ou déplacez-les dans un fichier séparé que vous ne `source`z qu'au lancement de Claude Code. Voir [FAQ · Problème 6](/fr/docs/guide/faq#issue-6).
### Délais de réponse dépassés [#délais-de-réponse-dépassés]
**Cause :** le délai d'expiration par défaut est court.
**Correction :** confirmez que `API_TIMEOUT_MS` est défini sur `3000000` (50 minutes) pour que les tâches longues ne soient pas interrompues.
***
## Astuces [#astuces]
* Lancez Claude Code depuis la racine du projet pour qu'il détecte automatiquement la structure du projet
* Passez une instruction directement, par ex. `claude "refactorise cette fonction pour moi"`
* `Ctrl+C` interrompt la tâche en cours, `/exit` quitte
* Tapez `?` ou `/help` pour voir toutes les commandes
***
## Utiliser /goal pour faire travailler Claude Code jusqu'à ce que l'objectif soit atteint (optionnel) [#utiliser-goal-pour-faire-travailler-claude-code-jusquà-ce-que-lobjectif-soit-atteint-optionnel]
`/goal` est une commande slash intégrée à Claude Code (disponible depuis la **v2.1.139**, mai 2026) qui définit une **condition d'achèvement** pour la session en cours. Une fois définie, Claude **continue de lui-même à travers les tours** jusqu'à ce que la condition soit jugée atteinte, plutôt que de s'arrêter lorsqu'« il estime que c'est fini ». C'est particulièrement pratique sur LMU AI pour les tâches longues à exécuter jusqu'au bout (refactorisations de grands dépôts, implémentation selon une spécification d'acceptation, résorption d'un backlog d'issues).
> Les versions plus anciennes n'ont pas cette commande. Si elle signale une commande inconnue, mettez d'abord Claude Code à jour vers la dernière version.
### Utilisation de base [#utilisation-de-base]
| Commande | Utilité |
| -------------------------------- | -------------------------------------------------------------------------------------------------------------------------------- |
| `/goal ` | Définit un objectif ; Claude démarre un tour immédiatement et continue automatiquement jusqu'à ce que la condition soit atteinte |
| `/goal` | Affiche l'état et la progression de l'objectif actuel (ou le plus récent) |
| `/goal clear` | Efface l'objectif actuel plus tôt (`stop` / `off` / `reset` / `cancel` / `none` sont équivalents) |
Une session n'a **qu'un seul objectif à la fois** ; en définir un nouveau remplace l'ancien et démarre un nouveau tour immédiatement.
### Comment il juge « atteint » [#comment-il-juge--atteint-]
À la fin de chaque tour, Claude Code transmet **votre condition d'achèvement + la conversation de ce tour** à un petit modèle rapide (**Haiku** par défaut) pour juger. Le juge **ne regarde que les preuves déjà présentes dans la conversation** — sortie des tests, journaux de build, diffs de fichiers — et **ne relancera pas toute votre CI dans votre dos**. Rédigez donc la condition sous une forme où Claude peut « produire des preuves » dans la conversation.
L'objectif est **effacé automatiquement** dans l'un de ces cas :
* la condition est jugée **atteinte** ;
* le modèle juge la condition **impossible à satisfaire** ;
* un tour **rencontre une erreur nécessitant votre intervention**.
### Rédiger une bonne condition d'objectif [#rédiger-une-bonne-condition-dobjectif]
* **Utilisez un état final vérifiable** : par ex. « `npm test` se termine avec le code 0 », « `tsc --noEmit` ne signale aucune erreur » — pas des descriptions subjectives comme « rends le code plus joli » ;
* **Laissez les preuves apparaître dans la conversation** : affichez les résultats des tests / du build à chaque tour pour que le modèle juge puisse les voir ;
* **Délimitez le périmètre + plafonnez les tours** : par ex. « ne modifie que les fichiers sous `src/auth/`, arrête-toi après au plus 20 tours » pour éviter de tourner en rond ;
* Nécessite un **espace de travail de confiance (hooks activés)** pour prendre effet.
Chaque tour `/goal` supplémentaire dépense un tour de tokens de plus (plus un petit surcoût Haiku pour le jugement par tour). Lorsque vous exécutez un objectif long sur LMU AI, écrivez un **état final** clair et un **nombre maximal de tours** dans la condition pour ne pas brûler votre quota à tourner en rond sur un objectif non vérifiable. Pour une boucle « s'auto-corriger de façon répétée jusqu'à ce que les vérifications passent », associez `/goal` à `/loop`.