Le prompt engineering, c’est expliciter ce que vous supposiez évident.
Définition courte : le prompt engineering consiste à formuler une consigne de façon à obtenir un résultat reproductible plutôt que correct une fois sur trois. Ce n’est pas une collection de formules magiques : c’est le fait de rendre explicite ce que le modèle ne peut pas deviner — le contexte, le format attendu, les critères de réussite. Tout ce que vous laissez implicite est laissé au hasard.
Si vos résultats sont irréguliers, ce n’est presque jamais le modèle qui est en cause. C’est qu’un prompt qui « a marché » reposait sur des informations que le modèle avait devinées juste ce jour-là.
La différence tient en quatre phrases ajoutées.
« Écris-moi un e-mail pour relancer un client qui ne répond pas. »
Le modèle invente un secteur, un ton, un historique et une relation. Vous recevez un e-mail générique qu’il faut réécrire entièrement — donc vous n’avez rien gagné.
« Je suis consultant indépendant. J’ai envoyé un devis de 12 000 € il y a trois semaines à une directrice marketing qui était enthousiaste en rendez-vous. Deux relances sans réponse. Écris un e-mail de 8 lignes maximum, ton confiant sans être insistant, qui lui offre une porte de sortie honorable si le projet est reporté. Pas de liste à puces. Marque entre crochets ce que tu supposes. »
Contexte, format, longueur, ton, intention, et signalement des hypothèses. Le résultat est directement envoyable, ou à deux mots près.
Cinq points. Ils fonctionnent sur Claude, ChatGPT et Gemini.
Aucun n’est propre à un modèle : ce sont des manières d’enlever de l’ambiguïté, et l’ambiguïté coûte cher partout.
- 01
Donnez le contexte au lieu de le supposer connu
Le modèle ne sait rien de votre entreprise, de votre destinataire, ni de ce qui a été décidé la semaine dernière. C’est la cause numéro un des réponses génériques. Dites qui vous êtes, à qui vous parlez, et ce qui a déjà été tenté.
« Je suis responsable RH dans une PME de 40 personnes. J’écris à un salarié qui a refusé deux fois une formation obligatoire. On a déjà eu un échange oral, mal passé. »
- 02
Dites le format attendu
Un modèle non contraint produit toujours la même chose : trois paragraphes tièdes et une liste à puces. Si vous voulez un tableau, un e-mail de huit lignes ou du JSON, dites-le. Le format est la contrainte la moins coûteuse et la plus efficace.
« Un e-mail de 10 lignes maximum, ton ferme mais non accusatoire, pas de liste à puces, et une seule question fermée à la fin. »
- 03
Découpez au lieu de tout demander d’un coup
Une consigne qui demande d’analyser, de synthétiser et de rédiger produit trois travaux médiocres. Demandez l’analyse, corrigez-la, puis demandez la rédaction sur la base validée. La qualité vient du découpage, pas de la longueur du prompt.
« Étape 1 : liste-moi les trois arguments les plus solides, sans rien rédiger. Je te dirai lequel garder. »
- 04
Exigez que le modèle signale ce dont il n’est pas sûr
C’est la consigne que presque personne n’écrit, et celle qui change le plus de choses. Un modèle répond avec la même assurance qu’il ait raison ou tort. Lui demander explicitement de marquer ses incertitudes transforme une réponse à vérifier entièrement en une réponse à vérifier par endroits.
« Marque entre crochets tout ce que tu supposes sans en être certain, et dis-moi ce qui te manque pour trancher. »
- 05
Donnez un exemple de ce que vous voulez
Un exemple vaut trois paragraphes de description. Collez un texte que vous jugez réussi et demandez d’en reproduire le registre. C’est la technique la plus rentable du lot, et la plus sous-utilisée.
« Voici un e-mail que j’ai écrit l’an dernier et qui a bien fonctionné. Reprends ce ton exactement. »
Le sixième point, celui qu’on oublie
Relire. Un modèle qui se trompe le fait avec exactement la même assurance que lorsqu’il a raison — il n’existe aucun signal dans le texte qui vous prévienne. Décidez à l’avance de ce que vous vérifierez systématiquement : les chiffres, les noms propres, les citations, les références. Le reste peut passer.
170 prompts déjà écrits, en accès libre.
Classés par métier. Ils servent autant de point de départ que d’exemples de structure : on y voit la méthode appliquée plutôt que décrite.
Prompt engineering : ce qu’on nous demande.
- Qu'est-ce que le prompt engineering ?
- Le prompt engineering est la discipline qui consiste à formuler des consignes à un modèle de langage de façon à obtenir un résultat fiable et reproductible, plutôt qu'un résultat correct une fois sur trois. Ce n'est ni une astuce ni une liste de formules magiques : c'est une manière d'expliciter le contexte, le format attendu et les critères de réussite — exactement ce qu'on ferait en confiant une tâche à un stagiaire compétent mais qui ne connaît rien à votre dossier.
- Faut-il savoir coder pour faire du prompt engineering ?
- Non. Écrire un prompt, c'est écrire en français. La compétence relève de la clarté d'expression et de la décomposition de problème, pas de la programmation. Les profils qui progressent le plus vite sont souvent ceux qui ont l'habitude de rédiger des consignes pour d'autres humains : chefs de projet, juristes, journalistes, managers.
- Pourquoi mes prompts marchent une fois sur deux ?
- Parce qu'un prompt qui « marche » par hasard repose sur des informations que le modèle a devinées correctement cette fois-là. Le jour où il devine autrement, le résultat change. La reproductibilité vient de ce que vous avez explicité : contexte, format, critères. Tout ce qui reste implicite est laissé au hasard.
- Les prompts sont-ils transférables d'un modèle à l'autre ?
- Largement oui. La structure d'un bon prompt fonctionne à l'identique sur Claude, ChatGPT et Gemini. Les différences portent sur des détails de style de réponse et sur les fonctionnalités disponibles, pas sur la méthode. Un prompt bien construit sur un modèle reste bon sur les autres ; un prompt vague reste mauvais partout.
- Faut-il des prompts très longs ?
- Non, et c'est un contresens répandu. Ce qui compte est la densité d'information utile, pas le nombre de mots. Un prompt de six lignes qui précise le contexte, le format et un exemple bat systématiquement un prompt d'une page qui empile les consignes redondantes. Au-delà d'un certain point, les instructions contradictoires se neutralisent.
- Où trouver des prompts déjà écrits ?
- Nous en publions 170 en accès libre, en français, classés par métier — développement, data, marketing, gestion, sécurité. Ils servent autant de point de départ que d'exemples de structure : en les lisant, on voit la méthode appliquée plutôt que décrite.
À lire ensuite : choisir une formation à l’IA · Claude ou ChatGPT · l’obligation de formation de l’AI Act.