L'art du prompt : tirer le meilleur de l'IA

Qu'est-ce qu'un prompt ? La formulation change tout

Quand vous demandez un service à un collègue, il y a une différence entre « fais quelque chose de bien » et « j'ai besoin d'un document de 2 pages au format A4 pour vendredi prochain, avec un budget de 5 000 euros ». Le résultat sera radicalement différent.

C'est la même chose avec l'IA. Le prompt est l'instruction que vous envoyez à l'IA. Et la qualité du prompt change radicalement la qualité de la réponse.

Ce n'est pas qu'une impression. Une méta-analyse de plus de 1 500 articles de recherche sur les prompts montre qu'ajouter des conditions précises améliore la pertinence des réponses d'environ 30 % et réduit les informations superflues de 42 %^[1].

Vous avez peut-être entendu parler de « prompt engineering ». En 2025, 68 % des entreprises intègrent les compétences en prompt dans leurs formations pour tous les collaborateurs^[2]. Ce n'est plus une compétence réservée aux ingénieurs : c'est un savoir-faire essentiel pour tous les utilisateurs d'IA.

Ce chapitre vous donne les clés pour rédiger des prompts efficaces, avec des exemples concrets.

Les 5 éléments d'un bon prompt

Un prompt efficace repose sur 5 éléments. Pour faire une analogie culinaire : « qui cuisine (le rôle) », « quel plat (la tâche) », « pour qui (le contexte) », « la présentation (le format) », « les allergies à respecter (les contraintes) ».

1. Le rôle (Role) : en tant que qui doit-elle répondre ?

Un simple « Vous êtes un expert en... » suffit à modifier le ton et le niveau de détail de la réponse.

Exemple : « Vous êtes un spécialiste du marketing digital avec 10 ans d'expérience. Comment augmenter le trafic d'un blog personnel ? »

2. La tâche (Task) : que doit-elle faire ?

Au lieu de « explique-moi » ou « dis-moi », utilisez des verbes précis : « résume », « compare », « propose 5 solutions ». Plus l'action est claire, plus l'IA sera efficace.

3. Le contexte (Context) : pourquoi posez-vous la question ?

Donner votre situation à l'IA améliore considérablement la pertinence de la réponse. « Je suis un étudiant en licence sans expérience en programmation » suffit à adapter automatiquement le niveau de difficulté.

4. Le format de sortie (Format) : sous quelle forme voulez-vous la réponse ?

« En liste à puces », « sous forme de tableau », « en 300 mots maximum », « avec des sous-titres » : sans indication, l'IA tend à produire de longs paragraphes. Adaptez le format à votre usage.

5. Les contraintes (Constraints) : ce qu'il ne faut pas faire, les règles à respecter

« Sans jargon technique », « uniquement pour le marché français », « inclure aussi les inconvénients » : fixer des limites et conditions réduit les allers-retours.

7 techniques à utiliser dès aujourd'hui

Une étude majeure publiée en 2024, « The Prompt Report », recense 58 techniques de prompt différentes^[3]. Mais pas besoin de toutes les connaître. En pratique, 7 suffisent largement. Voici un classement par niveau de difficulté.

[Débutant] 1. Soyez précis

La technique la plus simple et la plus efficace. Ajoutez des chiffres, une cible et des conditions à une question vague.

Vague : « Comment augmenter le chiffre d'affaires ? »

Précis : « Propose 5 actions pour augmenter de 20 % le CA mensuel d'un restaurant de 10 salariés. Ticket moyen actuel : 18 euros, 3 000 couverts par mois. Classe par coût croissant. »

[Débutant] 2. Spécifiez le format de sortie

Des études montrent que le format de sortie peut faire varier la précision de jusqu'à 76 points^[1]. « En liste à puces », « sous forme de tableau comparatif », « en moins de 200 mots » : une simple précision transforme la réponse.

[Débutant] 3. Attribuez un rôle (jeu de rôle)

« Vous êtes un... » suffit à obtenir des réponses orientées vers le domaine concerné.

« Vous êtes un directeur commercial avec 10 ans d'expérience. Quelles compétences un nouveau commercial doit-il acquérir lors de ses 3 premiers mois ? Classez par ordre de priorité. »

Astuce : précisez le nombre d'années d'expérience et le poste exact. « Expert en... » est moins efficace que « spécialiste de ... avec X ans d'expérience ».

[Intermédiaire] 4. Montrez des exemples (Few-shot)

Fournissez 2 ou 3 exemples d'entrée/sortie avant de poser votre question. Particulièrement efficace pour les tâches de classification, de transformation ou de production standardisée.

Classez le sentiment de chaque avis client selon le format suivant :

Avis : « Ce produit est fantastique ! » → Sentiment : Positif
Avis : « Très déçu par la qualité » → Sentiment : Négatif
Avis : « Ça fait le travail » → Sentiment : Neutre

Avis : « La livraison était rapide mais le produit est rayé » → Sentiment :

Point intéressant : les recherches montrent que l'efficacité du few-shot dépend davantage de la diversité des exemples que de leur perfection. Mieux vaut montrer une variété de cas qu'un seul exemple parfait^[4].

[Intermédiaire] 5. Faites raisonner étape par étape (Chain-of-Thought)

Ajouter « Réfléchissez étape par étape » améliore la précision des tâches de raisonnement d'environ 35 %^[1]. Particulièrement efficace pour les calculs, les problèmes logiques et les analyses complexes.

« Une pomme coûte 1,50 euro, une orange 0,80 euro. J'achète 3 pommes et 5 oranges et je paie avec un billet de 10 euros. Combien me rend-on ? Détaillez chaque étape du calcul. »

[Avancé] 6. Faites-lui relire sa propre réponse

Demandez à l'IA de critiquer sa propre réponse. Efficace quand la précision est essentielle.

(Après avoir reçu une réponse)
« Vérifie cette réponse de manière critique. Y a-t-il des erreurs, des oublis ou des incohérences ? Corrige si nécessaire. »

Attention toutefois : l'IA ne détecte pas 100 % de ses erreurs. Les chercheurs soulignent le « piège de la vraisemblance » (plausibility trap) : plus une réponse semble plausible, plus elle est difficile à vérifier^[5]. Pour les décisions importantes, faites toujours valider par un humain.

[Avancé] 7. Le méta-prompt : faire écrire le prompt par l'IA

Une fois à l'aise avec les prompts, vous pouvez demander à l'IA de concevoir le prompt elle-même.

« Je suis un designer freelance et je veux créer des propositions commerciales plus efficacement. Rédige le prompt optimal pour atteindre cet objectif. »

L'astuce : ne prenez pas le prompt généré tel quel, mais adaptez-le à votre situation.

Avant / Après : la même question, des résultats très différents

Pour mieux comprendre l'impact de ces techniques, voici des comparaisons concrètes.

Exemple 1 : e-mail professionnel

Avant	Après
« Écris un e-mail d'excuses » → Un e-mail générique et inutilisable	« Rédige un e-mail d'excuses à Mme Dupont, directrice des achats, pour un retard de livraison de 3 jours. Cause : problème logistique. Livraison prévue lundi prochain. » → Un e-mail prêt à envoyer

Exemple 2 : brainstorming

Avant	Après
« Donne-moi des idées de nouveau produit » → Des propositions vagues, sans direction	« Propose 5 idées d'abonnement alimentaire santé pour les 20-30 ans à moins de 30 euros/mois. Précise pour chaque idée un point de différenciation par rapport aux acteurs A et B. » → Des idées exploitables directement en réunion

Exemple 3 : apprentissage

Avant	Après
« Explique-moi le machine learning » → Une explication technique et rébarbative	« Explique le fonctionnement du machine learning à un collégien de 13 ans, en utilisant l'analogie d'une recette de cuisine. Pas de jargon technique, avec 2 exemples concrets. » → Une explication accessible et engageante

Le point commun : préciser « à qui, quoi, comment, sous quelle forme ». Plus vous ajoutez de conditions, plus la réponse est pertinente.

Les erreurs courantes et comment les éviter

Voici les 5 pièges les plus fréquents quand on débute, et comment s'en sortir.

Erreur 1 : des instructions trop floues

« Fais quelque chose de bien » ou « améliore ça » sont tout aussi déroutants pour l'IA que pour un humain. Précisez ce que « bien » signifie : « dans un ton décontracté », « avec 3 chiffres clés », « en 300 mots maximum ». Donnez des critères explicites.

Erreur 2 : tout demander en une seule fois

« Explique-moi la stratégie marketing, les outils recommandés et la construction du budget » : l'IA va tout couvrir superficiellement. Une question = un sujet. Posez vos questions l'une après l'autre pour obtenir des réponses en profondeur.

Erreur 3 : faire confiance aveuglément à l'IA

L'IA peut se tromper avec une parfaite assurance (hallucination). Soyez particulièrement vigilant sur :

• Les chiffres et statistiques — demandez les sources
• Les noms propres — vérifiez personnes, entreprises, textes de loi
• Les informations récentes — les modèles ont une date limite de connaissance
• Le droit et la fiscalité — vérifiez toujours auprès de sources officielles

Réflexe à adopter : « Quelles sont les sources de cette information ? ». Si l'IA ne peut pas en fournir, c'est un signal d'alerte.

Erreur 4 : se contenter d'un seul échange

« J'ai essayé, la réponse était moyenne » → « L'IA, ça ne sert à rien ». C'est dommage. Comme nous le verrons dans la section suivante, un dialogue de 2-3 échanges est la norme.

Erreur 5 : tout déléguer à l'IA

L'IA excelle en ébauche, structuration et génération d'idées. L'humain excelle en jugement final, lecture du contexte et sensibilité éthique. Combiner les deux est la méthode la plus efficace. « L'IA fait le brouillon, l'humain peaufine » : c'est la collaboration qui fonctionne le mieux.

Dialoguer avec l'IA : ne pas s'arrêter au premier échange

Plus important encore que les techniques de prompt : l'habitude de dialoguer par itérations.

Les recherches montrent que le feedback itératif améliore la qualité des réponses de 35 %^[1]. Ne visez pas la perfection du premier coup : lisez la réponse, réorientez, redemandez. C'est ce cycle qui fait la qualité.

6 types de feedback

Voici 6 formules de feedback prêtes à l'emploi :

Type	Exemple d'utilisation
Réorientation	« Adopte un ton plus décontracté » / « C'est trop technique, vulgarise davantage »
Approfondissement	« Développe la 3e proposition » / « Ajoute les étapes concrètes »
Ajout de contraintes	« Limite-toi à un budget de 10 000 euros » / « Uniquement pour le marché français »
Changement de perspective	« Reprends du point de vue du client » / « Donne aussi les arguments contraires »
Vérification qualité	« Vérifie s'il y a des erreurs ou des incohérences »
Changement de format	« Reformule sous forme d'e-mail » / « Mets ça en tableau »

En 2-3 itérations, la qualité de la réponse s'améliore nettement. Le secret : ne pas viser la perfection du premier coup.

Du prompt engineering au context engineering

Un mot sur la dernière tendance dans le domaine des prompts.

Le chercheur en IA Andrej Karpathy a déclaré en juin 2025 que « les petits prompts du quotidien ne représentent qu'une infime partie de l'utilisation industrielle de l'IA » et a proposé le concept de context engineering^[6].

L'idée : au-delà du prompt lui-même, il faut concevoir l'ensemble des informations transmises à l'IA — documents de référence, historique des échanges, résultats d'autres outils, etc. Par exemple, faire lire un document interne à l'IA avant de poser une question, ou joindre des notes de réunion avant de demander un résumé.

Cela dit, les fondamentaux restent les mêmes. Commencez par appliquer les 5 éléments et les 7 techniques de ce chapitre. La qualité de vos interactions avec l'IA en sera transformée.

Références

1. Gupta, Aakash. « I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering. » Medium, 2025.
2. « Is Prompt Engineering Dead? » Fast Company, mai 2025.
3. Schulhoff, Sander et al. « The Prompt Report: A Systematic Survey of Prompting Techniques. » arXiv:2406.06608, 2024.
4. Min, Sewon et al. « Rethinking the Role of Demonstrations: What Makes In-Context Learning Work? » arXiv:2202.12837, 2022.
5. Lakera. « Prompt Engineering Guide 2026. » lakera.ai, 2026.
6. Karpathy, Andrej. « Context Engineering. » X (Twitter), juin 2025.

Liens utiles :

• Prompt Engineering Guide — guide complet sur les techniques de prompt (en anglais)
• Anthropic Prompt Engineering Docs — guide de conception de prompts pour Claude

Au chapitre suivant, nous verrons comment mettre en pratique ces techniques dans des situations réelles — cas d'usage concrets pour le travail, l'apprentissage et la création.