Claude Managed Agents : le guide complet de la nouvelle plateforme d'agents d'Anthropic

TL;DR

• Le 8 avril 2026, Anthropic a lancé Claude Managed Agents en bêta publique — un service hébergé sur la Claude Platform qui exécute des agents IA en production sur l’infrastructure d’Anthropic, pour vous éviter les mois de plomberie habituellement nécessaires pour en livrer un.
• Vous définissez un agent en langage naturel ou en YAML, posez des garde-fous, et Anthropic gère l’exécution de code sandboxée, le checkpointing, la gestion des credentials, les permissions à périmètre restreint, l’identité et le traçage d’exécution.
• Tarifs : tarifs de tokens Claude API standards, plus 0,08 $ par heure de session de runtime actif (le temps d’inactivité est gratuit), plus 10 $ pour 1 000 recherches web.
• Les clients de lancement incluent Notion, Rakuten, Asana, Atlassian et Sentry — qui rapportent tous des agents livrés en jours plutôt qu’en mois.
• Cet article décortique ce que c’est réellement, l’architecture qu’Anthropic appelle « brain, hands, session », comment cela se compare à n8n, LangGraph et Zapier, les compromis honnêtes, un calculateur tarifaire réaliste, et un guide pas à pas pour construire votre premier agent.
• La version courte pour les opérateurs : si vous faites tourner des agents sur un VPS avec n8n ou LangGraph, Managed Agents est la première offre crédible « on s’occupe de l’infra » qui ne soit pas un jouet.

---

Qu’est-ce que Claude Managed Agents ?

Claude Managed Agents est un service hébergé sur la Claude Platform (platform.claude.com) qui fournit le runtime complet pour des agents IA en production. Jusqu’à présent, Anthropic vous fournissait le modèle et vous apportiez l’infrastructure. Avec Managed Agents, vous apportez la définition de ce que l’agent doit faire et Anthropic apporte tout le reste.

Dans le cadrage d’Anthropic, livrer un agent en production exige exécution de code sandboxée, checkpointing, gestion des credentials, permissions à périmètre restreint et traçage de bout en bout — des mois de travail d’infrastructure avant de livrer quoi que ce soit que les utilisateurs voient. Managed Agents prend en charge cette complexité. Vous définissez les tâches, outils et garde-fous de votre agent, et Anthropic l’exécute sur son infrastructure.

Le service a été lancé en bêta publique le 8 avril 2026, accessible via l’API Claude Platform. Tous les endpoints Managed Agents exigent l’en-tête bêta managed-agents-2026-04-01, que le SDK pose automatiquement. Trois fonctionnalités avancées — outcomes (auto-évaluation contre critères de succès), coordination multi-agents et mémoire persistante — sont actuellement en research preview et exigent une demande d’accès séparée.

---

Pourquoi ce lancement compte vraiment

Chaque semaine depuis dix-huit mois, quelqu’un annonce « la plateforme d’agents qui change tout ». La plupart ne l’ont pas fait. Alors pourquoi celle-ci totalise 2 millions de vues sur un seul tweet et plus de 39 000 likes le jour du lancement ? Trois raisons valent la peine d’être comprises avant d’évaluer son adoption.

D’abord, Anthropic a résolu les 70 % ennuyeux. Si vous avez construit un agent en production, vous connaissez déjà le secret : le modèle est la partie facile. Tout autour du modèle — le sandbox dans lequel il exécute du code, l’état persistant qui survit au crash d’un conteneur, les credentials que les outils utilisent pour s’authentifier, la portée des permissions qui empêche l’agent de supprimer des données de production, le journal d’audit que l’équipe conformité exige, la récupération d’erreur quand un appel d’outil échoue à mi-chemin — c’est là que partent les mois. C’est cette partie que Managed Agents enlève.

Ensuite, l’histoire de gouvernance est le vrai déclic pour l’entreprise. Permissions à périmètre restreint, gestion d’identité et traçage d’exécution sont les trois choses qui bloquent traditionnellement les déploiements d’agents IA en entreprise. CISO et responsables conformité ne se soucient pas de l’intelligence de votre prompt ; ils se soucient de savoir s’ils peuvent répondre à « qui a fait quoi quand » lors d’un audit. Managed Agents intègre cela par défaut, ce qui explique pourquoi la liste des clients de lancement ressemble à ce qu’elle est — Atlassian, Notion, Rakuten et Asana ne sont pas des entreprises qui livrent des agents sans validation conformité.

Enfin, c’est tarifé pour être utilisé. À 0,08 $ par heure de session de runtime actif — et surtout, le temps d’inactivité ne compte pas — les calculs fonctionnent pour les charges asynchrones de longue durée qui ont été les plus difficiles à livrer sur les plateformes existantes. Un agent de recherche qui passe 2 heures à lire des documents et 22 heures à attendre de nouvelles tâches vous coûte 2 heures de runtime, pas 24.

---

L’architecture : Brain, Hands, Session

C’est la partie que la plupart des articles de lancement ont sautée, et c’est la partie qui compte si vous allez construire dessus. Anthropic a publié un blog d’ingénierie compagnon le jour même expliquant le design, et l’abstraction centrale vaut la peine d’être intégrée.

Managed Agents virtualise un agent en trois composants séparables :

The Brain. Le LLM lui-même (Claude) plus le harness qui orchestre sa boucle de raisonnement — décide quand appeler des outils, comment gérer le contexte et comment récupérer des erreurs.

The Hands. Un environnement d’exécution sandboxé et éphémère où les outils tournent réellement. Exécution de code, opérations sur fichiers, navigation web et appels de serveurs MCP se passent ici. Surtout, les hands sont sans état — si un conteneur plante ou est corrompu, le système en monte un frais et l’agent continue. Un conteneur compromis ne persiste pas, ce qui est une propriété de sécurité significative pour quiconque exécute des sorties d’outils non fiables.

The Session. Un journal d’événements durable et en append-only qui vit en dehors du brain comme des hands. Il enregistre chaque appel d’outil, chaque résultat, chaque décision. Si le brain a besoin de revenir en arrière pour vérifier ce qui s’est passé trois étapes plus tôt, il lit dans le journal de session. Si tout le système redémarre en plein milieu d’une tâche, la session reprend là où elle s’est arrêtée.

Pourquoi cela compte en pratique ? Parce que chaque pièce peut passer à l’échelle indépendamment, et parce que les abstractions restent stables même si l’implémentation sous-jacente change. Selon les propres mots d’Anthropic, c’est conçu comme un « meta-harness » — non opinionné sur le harness spécifique dont Claude aura besoin à l’avenir, mais opinionné sur les interfaces autour. Cela compte parce que les harness encodent des hypothèses sur ce que le modèle ne peut pas faire seul, et ces hypothèses se périment vite à mesure que les modèles s’améliorent. Construire directement contre un harness spécifique signifie reformer sa plateforme à chaque fois qu’Anthropic livre un modèle plus intelligent. Construire contre les interfaces de Managed Agents signifie que vous ne le faites pas.

Ce que vous définissez en tant que développeur : l’agent (modèle, prompt système, outils, serveurs MCP et skills), l’environnement (un conteneur cloud avec des paquets préinstallés comme Python, Node.js, Go, plus règles réseau et fichiers montés) et la session (qui référence les deux). Créez l’agent une fois et référencez-le par ID à travers les sessions.

---

Tarification : ce que ça coûte réellement

La tarification de Managed Agents empile trois composants, tous transparents et tous documentés sur la page officielle de tarification API :

1. Tokens modèle. Chaque token consommé par une session Managed Agents est facturé aux tarifs Claude API standards. Les multiplicateurs de prompt caching s’appliquent à l’identique. Cela signifie que si vous tournez sur Sonnet 4.6, vous payez les tarifs Sonnet 4.6 ; si vous tournez sur Opus 4.6, vous payez les tarifs Opus.

2. Runtime de session. 0,08 $ par heure de session, mesurée à la milliseconde, et facturée uniquement quand le statut de la session est running. Le temps passé inactif (en attente de votre prochain message ou d’une confirmation d’outil), en re-scheduling ou terminé ne compte pas pour le runtime. Le runtime de session remplace le modèle de facturation par container-hour de Code Execution — vous n’êtes pas facturé séparément pour les heures de conteneur au-dessus.

3. Recherche web. 10 $ pour 1 000 recherches web déclenchées dans une session, identique au tarif standard de l’outil de recherche web ailleurs dans l’API Claude.

À noter, les modificateurs API suivants ne s’appliquent pas aux sessions Managed Agents : remise Batch API, tarification Message Batches et tarification Fast mode. Si vous optimisez les coûts, ils ne vous aideront pas ici.

Exemples tarifaires réalistes

Quelques exemples chiffrés, parce que les chiffres abstraits ne s’incarnent qu’une fois appliqués.

Exemple 1 : agent de triage de boîte mail pour une petite équipe. Tourne deux fois par jour, en moyenne 15 minutes de runtime actif par exécution, traite ~50 e-mails avec Sonnet 4.6, fait environ 5 recherches web par exécution. Calculs mensuels : 30 jours x 2 exécutions x 0,25 heure = 15 heures de session x 0,08 $ = 1,20 $ de runtime. Tokens : environ 8 à 15 $/mois aux tarifs Sonnet. Recherches web : 300/mois x 0,01 $ = 3 $. Total : autour de 12 à 20 $/mois.

Exemple 2 : agent d’enrichissement de leads pour une équipe outbound B2B. Tourne à la demande quand de nouveaux leads arrivent au CRM, en moyenne 3 minutes de runtime actif par lead, traite 200 leads par mois avec Sonnet 4.6, fait 4 recherches web par lead. Calculs : 200 x 0,05 heure = 10 heures de session x 0,08 $ = 0,80 $ de runtime. Tokens : environ 20 à 40 $/mois selon le contexte. Recherches web : 800 x 0,01 $ = 8 $. Total : autour de 30 à 50 $/mois.

Exemple 3 : agent de recherche toujours actif surveillant un marché. Actif environ 2 heures par jour à scanner les actualités, générer des rapports, utilisant Opus 4.6 pour l’étape de synthèse. Calculs : 60 heures de session/mois x 0,08 $ = 4,80 $ de runtime. Tokens aux tarifs Opus : environ 80 à 200 $/mois selon le volume. Recherches web : 3 000/mois x 0,01 $ = 30 $. Total : autour de 120 à 240 $/mois.

Exemple 4 : un agent « 24/7 toujours en marche ». C’est le cas limite à souligner. Si un agent tourne véritablement en continu — traitement actif, pas en attente — le calcul est 730 heures/mois x 0,08 $ = 58,40 $/mois rien qu’en runtime, plus les tokens, plus les recherches web. La plupart des charges réelles ne tournent pas en continu ; elles tournent en rafales. Si la vôtre tourne en continu, intégrez-le.

L’enseignement clé : le temps d’inactivité est gratuit. C’est ce qui fait fonctionner la tarification pour le type de charges asynchrones, longues et event-driven qui sont le cas d’usage principal de Managed Agents. Un agent qui attend 23 heures par jour qu’un déclencheur arrive ne vous coûte rien durant ces 23 heures.

---

Claude Managed Agents vs n8n vs LangGraph vs Zapier

C’est la comparaison que tout le monde cherche réellement sur Google, alors soyons directs sur la place de chaque outil.

vs n8n (auto-hébergé ou cloud)

n8n est un outil d’automatisation de workflow qui excelle dans les automatisations déterministes, déclenchées par événement et riches en intégrations SaaS — webhooks, tâches planifiées, notifications Slack, écritures en base. Ses nœuds d’agent IA vous permettent de greffer du raisonnement LLM sur un workflow, mais n8n est fondamentalement un moteur de workflow avec des fonctions IA ajoutées, pas un runtime d’agents.

Quand n8n gagne encore : pipelines déterministes où chaque étape est prévisible. Tâches cron. Flux simples « si X arrive, faire Y puis Z » avec plus de 20 intégrations SaaS. Auto-hébergement à coût faible sur un VPS quand il faut un contrôle absolu.

Quand Managed Agents gagne : tâches ouvertes où l’agent doit décider de l’étape suivante en fonction de ce qu’il a trouvé à l’étape précédente. Sessions longues qui peuvent prendre des heures. Charges où la couche de gouvernance (permissions à périmètre restreint, piste d’audit, identité) n’est pas négociable. Tout ce qui exige que l’agent écrive et exécute du code en sécurité dans un sandbox.

Le vrai partage : n8n est pour les workflows avec de l’IA dedans. Managed Agents est pour les agents avec des outils dedans. Si vous utilisez actuellement les nœuds d’agent IA de n8n et que vous butez sur la longueur de session, la gestion du contexte ou la sécurité — c’est votre signal.

vs LangGraph / LangChain

LangGraph est le framework open source pour construire des applications multi-agents avec état et flux de contrôle explicite basé sur des graphes. C’est l’outil que la plupart des équipes sérieuses d’ingénierie IA utilisent pour bâtir des agents en production depuis un an.

Quand LangGraph gagne encore : quand il faut un contrôle total sur la boucle d’agent, qu’on veut tourner sur sa propre infrastructure pour des raisons de conformité ou de coût, qu’on a besoin d’orchestration multi-modèles (mélanger Claude, GPT, Gemini, modèles open source), ou qu’on veut personnaliser chaque aspect de la gestion d’état.

Quand Managed Agents gagne : quand on veut arrêter de maintenir entièrement la couche d’infrastructure. Quand on est sur des modèles Claude de toute façon. Quand les mois de travail d’Anthropic sur le checkpointing, la compaction et l’optimisation de harness sont véritablement meilleurs que ce que votre équipe construirait. Quand on veut que l’histoire de conformité et d’audit soit livrée clé en main.

Le vrai partage : LangGraph est un framework que vous hébergez et maintenez. Managed Agents est un service que vous louez. L’un donne la flexibilité maximale ; l’autre donne la vitesse maximale vers la production.

vs Zapier / Make

Zapier et Make sont des plateformes d’automatisation SaaS optimisées pour les utilisateurs non techniques qui connectent des applications métier. C’est la bonne réponse à « quand une nouvelle ligne arrive dans mon Google Sheet, poster sur Slack et créer une carte Trello ». Ils ont désormais des fonctions IA, mais ce ne sont pas des runtimes d’agents.

Quand Zapier/Make gagnent encore : quand la personne qui construit l’automatisation n’est pas technique et que la tâche est un pipeline linéaire bien défini entre des applications SaaS connues.

Quand Managed Agents gagne : quand la tâche exige véritablement du raisonnement — lire des documents, décider de ce qui compte, écrire du code, mener des recherches. Des choses qu’aucune somme d’étapes Zapier ne résoudra proprement.

Le vrai partage : Zapier est pour connecter des apps connues avec une logique connue. Managed Agents est pour une logique inconnue qui doit se construire à l’exécution.

---

Pas à pas : construisez votre premier agent managé

Voici le chemin minimum viable de « jamais touché » à « agent fonctionnel livré en production ». Claude Managed Agents est accessible via l’API Claude Platform (platform.claude.com), et les étapes suivantes supposent que vous avez déjà un compte Anthropic Console avec la facturation activée.

Étape 1 : planifier l’agent sur papier d’abord

Avant d’écrire une seule ligne de YAML, rédigez un plan d’une page qui répond à cinq questions :

1. Que fait l’agent, en une phrase ? « Trier ma boîte mail et rédiger des réponses aux 10 e-mails les plus importants. » Pas « gérer le mail ».
2. À quels outils a-t-il besoin d’accéder ? Gmail lecture/écriture, recherche web, peut-être votre calendrier.
3. Quels sont les garde-fous ? Que n’a-t-il jamais le droit de faire ? (par ex. « Ne jamais envoyer d’e-mail sans mon approbation. Ne jamais rien supprimer. »)
4. À quoi ressemble le succès ? Comment saurez-vous si l’agent fonctionne réellement ?
5. Quel est le déclencheur ? Invocation manuelle, planification, webhook, événement CRM ?

Sautez cette étape et vous passerez la première semaine à déboguer les symptômes d’un problème sous-spécifié.

Étape 2 : définir l’agent

Vous avez deux options. Pour les non-développeurs ou les prototypes rapides, définissez l’agent en langage naturel via l’UI Claude Platform — décrivez ce que vous voulez et le tooling d’Anthropic génère la configuration sous-jacente. Pour tout ce que vous maintiendrez en gestion de version, utilisez un fichier de définition YAML avec le modèle de l’agent, le prompt système, la liste d’outils, les serveurs MCP et les skills.

La définition d’agent est créée une fois et référencée par ID à travers les sessions. C’est important : la même définition d’agent peut servir de nombreuses sessions simultanées sans surcoût de redéfinition.

Étape 3 : configurer l’environnement

L’environnement est le conteneur cloud dans lequel les hands de votre agent vont tourner. Vous spécifiez les paquets préinstallés (Python, Node.js, Go et autres), les règles d’accès réseau (quels domaines l’agent peut atteindre) et tous les fichiers montés dont l’agent a besoin.

Commencez verrouillé. Donnez-lui l’accès réseau minimum requis, installez seulement les paquets dont vous savez avoir besoin, et montez uniquement les fichiers spécifiquement liés à la tâche. Vous pouvez toujours étendre plus tard ; vous ne pouvez pas annuler une fuite de données.

Étape 4 : lancer une session

Une session référence à la fois la définition d’agent et l’environnement. Une fois lancée, l’agent tourne de façon autonome — raisonnement, appels d’outils, exécution de code et persistance d’état dans le journal de session. Vous pouvez inspecter n’importe quelle session via la Claude Console, y compris chaque appel d’outil, point de décision et mode d’échec.

Étape 5 : instrumenter et itérer

Traçage de session, analytics d’intégration et guidance de troubleshooting sont intégrés directement dans la Claude Console. Utilisez-les. Relisez les 20 à 50 premières sessions manuellement avant de commencer à faire confiance à l’agent pour tourner sans supervision. Cherchez trois patterns : outils que l’agent appelle alors qu’il ne devrait pas, outils qu’il devrait appeler et qu’il n’appelle pas, et endroits où il a déclaré la tâche terminée prématurément.

Étape 6 : durcir pour la production

Une fois l’agent fonctionnel, ajoutez les trois choses qui séparent une démo d’un système en production :

• Permissions à périmètre restreint. Donnez à l’agent l’identité la plus étroite possible — un compte de service avec accès en lecture seule aux systèmes dont il a besoin et accès en écriture uniquement là où c’est absolument nécessaire.
• Points de contrôle human-in-the-loop pour toute action irréversible. Envoyer un e-mail, supprimer un fichier, débiter une carte, publier du contenu — tout cela doit exiger une approbation explicite jusqu’à ce que vous ayez des mois de preuve que l’agent les gère de façon fiable.
• Alertes de budget. Posez des plafonds de dépense au niveau de l’organisation et des alertes bien en deçà du plafond. Un agent en boucle non voulue peut brûler des tokens vite.

---

Limites honnêtes (jour deux)

Chaque article de couverture de lancement les omet. Voici ce qu’il faut vraiment surveiller.

C’est en bêta publique. Lancé le 8 avril 2026. La fiabilité en production sur des mois d’exploitation n’est pas prouvée — les premiers adopteurs sont de grands noms mais une mise à l’épreuve à grande échelle prend du temps. Considérez cela comme apte à la production mais pas encore durci en production.

Les rate limits s’appliquent encore. Les rate limits Claude API existants ne disparaissent pas parce que vous utilisez Managed Agents. Si vous tournez 50 agents en parallèle qui brûlent tous des tokens, vous toucherez les plafonds. Les endpoints Managed Agents sont en plus rate-limités par organisation, et Anthropic n’a pas publié de chiffres spécifiques pour la bêta pour l’instant.

Le verrouillage fournisseur est réel. Une fois que vos agents tournent sur l’infrastructure d’Anthropic, avec leurs outils, leur format de session et leur sandboxing, basculer vers un autre fournisseur n’est pas trivial. Ce n’est pas un dealbreaker — tout SaaS a des coûts de bascule — mais c’est une considération qui mérite d’être nommée.

Les fonctionnalités avancées que vous voulez probablement sont en research preview. Outcomes (auto-évaluation contre critères de succès), coordination multi-agents et mémoire persistante exigent toutes une demande d’accès séparée et ne sont pas encore en disponibilité générale.

La prévisibilité des coûts sur des agents longue durée est délicate. Le temps d’inactivité gratuit est super. Mais si votre agent entre dans une boucle non voulue de travail actif — par exemple, une recherche web qui en déclenche d’autres — la facture peut grimper vite. Les alertes de budget sont obligatoires.

---

Qui devrait adopter maintenant vs attendre

Adopter maintenant si :

• Vous êtes déjà sur des modèles Claude pour vos charges d’agents
• Vous maintenez une configuration n8n / LangGraph / harness custom et la taxe infrastructure tue votre vélocité
• Votre cas d’usage est du travail asynchrone longue durée — recherche, traitement de documents, pipelines de contenu, enrichissement de leads
• Gouvernance, audit et permissions à périmètre restreint sont exigés pour que vos acheteurs valident

Attendre si :

• Vous avez besoin d’orchestration multi-modèles entre Claude, GPT et modèles open source dans la même boucle d’agent
• Votre charge est une automatisation déterministe simple mieux servie par n8n ou Zapier
• Vous opérez dans une juridiction avec des règles strictes de résidence des données qu’Anthropic ne satisfait pas encore pour votre classe de données
• Vous avez besoin de fonctionnalités encore en research preview (coordination multi-agents, mémoire persistante)

---

FAQ

Qu’est-ce que Claude Managed Agents ? Claude Managed Agents est un service hébergé sur la Claude Platform qui fournit le runtime complet pour des agents IA en production — incluant exécution de code sandboxée, checkpointing, gestion des credentials, permissions à périmètre restreint, gestion d’identité et traçage d’exécution. Vous définissez l’agent ; Anthropic l’exécute.

Quand a-t-il été lancé ? La bêta publique a été lancée le 8 avril 2026. Tous les endpoints exigent l’en-tête bêta managed-agents-2026-04-01.

Combien ça coûte ? Tarifs de tokens Claude API standards pour l’usage modèle, plus 0,08 $ par heure de session de runtime actif, plus 10 $ pour 1 000 recherches web. Le temps d’inactivité n’est pas facturé.

Comment cela se compare-t-il à n8n ? n8n est un outil d’automatisation de workflow avec des fonctions IA ajoutées. Managed Agents est un runtime d’agents — conçu pour des tâches de raisonnement ouvertes où la prochaine étape dépend du résultat précédent. Utilisez n8n pour des pipelines déterministes ; utilisez Managed Agents pour du travail d’agent autonome.

Puis-je l’auto-héberger ? Non. Managed Agents est un service hébergé exclusivement sur la Claude Platform. Si vous avez besoin d’auto-hébergement, LangGraph ou un harness custom est la bonne réponse.

Quels clients de lancement l’utilisent ? Notion, Rakuten, Asana, Atlassian et Sentry sont des clients de lancement publics, avec des cas d’usage allant des agents de coding aux coéquipiers de productivité en passant par le traitement de documents.

Faut-il être développeur pour l’utiliser ? Pour des cas d’usage basiques, non — vous pouvez définir des agents en langage naturel via l’UI Claude Platform. Pour tout ce qui est de grade production, une connaissance pratique des APIs et de YAML est essentiellement requise.

---

La conclusion pour les entreprises européennes

Si vous regardez l’espace des agents en vous demandant quand cela devient réel pour des entreprises qui n’ont pas d’équipe d’ingénierie IA dédiée, c’est probablement ce moment. Pas parce que Managed Agents est parfait — c’est un produit en bêta avec de vraies limites — mais parce que c’est la première offre crédible « on s’occupe de l’infrastructure » venant d’un labo frontier qui est à la fois tarifée raisonnablement et architecturée sérieusement.

Pour les PME et entreprises mid-market européennes, l’implication pratique est que les calculs build-vs-buy viennent de changer. Construire un agent en production voulait dire un projet d’infrastructure de trois à six mois plus de la maintenance continue. Maintenant cela veut dire écrire une bonne spécification et payer 0,08 $ par heure active. Cela fait passer « devrait-on livrer un agent pour ce workflow ? » d’une décision capex à une décision opex.

Si vous êtes fondateur, CTO ou opérateur qui essaie de comprendre quoi faire concrètement avec cela — et pas juste hocher la tête sur LinkedIn —, c’est la conversation que nous avons chez areza.digital chaque semaine. Nous aidons les entreprises européennes à concevoir, construire et exploiter des agents IA en production. Réservez un appel découverte de 30 minutes →

---

Rédigé par Nikita Janockin, fondateur d’areza.digital. Sources : documentation officielle Claude Platform (platform.claude.com/docs), blog d’ingénierie Anthropic « Scaling Managed Agents: Decoupling the brain from the hands », annonce de lancement claude.com, The New Stack, SiliconANGLE, FindSkill.ai, blog d’ingénierie Epsilla. Tarifs et disponibilité des fonctionnalités vérifiés contre la documentation live au 9 avril 2026. Dernière mise à jour le 9 avril 2026.