La plupart des gens qui trouvent les modèles de langage décevants leur adressent des demandes qu'aucun humain ne saurait exécuter non plus. « Fais-moi un post LinkedIn sur l'IA » ne contient ni sujet, ni public, ni longueur, ni angle. Savoir comment écrire un prompt ne relève donc pas d'une technique ésotérique : il s'agit de rédiger une consigne que vous pourriez confier à un stagiaire compétent mais qui ne connaît rien à votre contexte.
Cette comparaison n'est pas une facilité de langage, c'est un outil de travail. Relisez votre demande en vous demandant si ce stagiaire pourrait la traiter sans venir vous poser trois questions. Chaque question qu'il devrait poser est un élément manquant, et c'est exactement ce que le modèle va combler tout seul, souvent mal.
Cinq points portent l'essentiel du résultat. Ils ne demandent aucune formule magique, aucun mot déclencheur, aucun « agis comme un expert de renommée mondiale ». Ils demandent simplement d'écrire ce que vous avez en tête.
Point 1 : le rôle et le contexte
Le contexte répond à trois questions : qui parle, à qui, et pour quoi faire. C'est le point le plus rentable, parce qu'il détermine le registre, le niveau de détail et les hypothèses implicites du modèle. Rappelons pourquoi : un modèle produit le mot suivant le plus vraisemblable compte tenu de tout ce qui précède, mécanisme que nous décrivons en détail dans notre article sur le fonctionnement d'un modèle de langage. Tout ce que vous écrivez avant la demande oriente donc ce qui suit.
Attention à la nuance sur le rôle. Écrire « tu es un expert-comptable » ne rend pas le modèle plus compétent en comptabilité : ses connaissances sont les mêmes. En revanche, cela oriente son vocabulaire, ses références et sa façon de structurer. Le rôle est un réglage de style et de cadrage, pas un rehaussement de compétence, et le présenter ainsi évite beaucoup de fausses attentes.
Le contexte utile est en général plus court qu'on ne le croit. Deux phrases suffisent : « Je suis dirigeant d'une agence de traduction de douze personnes. J'écris à des clients grands comptes qui connaissent mal nos contraintes de délai. »
Point 2 : les données fournies
Un modèle ne sait rien de vos chiffres, de vos clients, ni de ce qui s'est dit en réunion. Tout ce qui doit apparaître dans la réponse doit figurer dans la demande. C'est évident une fois formulé, et c'est pourtant la cause première des réponses génériques et des affirmations inventées.
Séparez visiblement les données de la consigne. Une ligne « Voici les données : » suivie du contenu, puis « Consigne : », évite que le modèle interprète un extrait de votre texte comme une instruction. Sur des documents longs, cette séparation change nettement la fiabilité.
Deux réflexes complémentaires. Fournissez moins mais mieux : trois exemples de vos meilleurs textes valent mieux que trente pages d'archives. Et retirez ce qui n'a pas à sortir de chez vous, en particulier les données personnelles, avant l'envoi.
Point 3 : le format attendu
Décrivez la forme de la réponse comme vous décririez un gabarit. Longueur, structure, présence ou absence d'introduction, style de titres, langue, et surtout ce que vous ne voulez pas.
Les demandes de format les plus efficaces sont les plus mécaniques :
- « Trois paragraphes de quatre à six lignes, sans titres, sans liste. »
- « Un tableau à trois colonnes : problème, cause probable, action. »
- « Réponds uniquement par un objet JSON avec les clés societe, montant, echeance. Aucun texte avant ou après. »
- « Maximum 90 mots. Pas d'introduction, pas de conclusion. »
Une précision qui fait gagner beaucoup de temps sur les usages automatisés : si la sortie est destinée à être traitée par un programme, exigez un format structuré et interdisez explicitement le texte d'accompagnement. Sans cette interdiction, vous recevrez régulièrement un « Bien sûr, voici le résultat : » qui fera échouer votre traitement.
Point 4 : les critères de réussite
C'est le point le plus souvent absent, et celui qui distingue une demande d'amateur d'une demande professionnelle. Dites ce qui fait qu'une réponse est bonne, et ce qui la disqualifie.
Trois formulations fonctionnent particulièrement bien. Les contraintes négatives d'abord : « n'invente aucun chiffre qui ne figure pas dans les données », « n'utilise aucun superlatif ». La conduite en cas de manque ensuite : « si une information est absente, écris explicitement qu'elle manque plutôt que de la déduire ». Et l'autocontrôle enfin : « avant de répondre, vérifie que chaque affirmation s'appuie sur une ligne des données fournies ». Cette deuxième formulation est l'une des plus efficaces contre les affirmations inventées, comme nous l'expliquons dans notre article sur les moyens de limiter les hallucinations d'une IA générative.
Sur les tâches qui demandent un raisonnement en plusieurs étapes, demander au modèle de dérouler son raisonnement avant de conclure améliore sensiblement la justesse : c'est un résultat établi par la recherche sur les chaînes de raisonnement. En revanche, cela n'apporte rien sur une simple reformulation, et allonge la réponse pour rien.
Point 5 : les exemples
Un exemple vaut trois paragraphes de consignes stylistiques. Fournir une ou deux paires entrée-sortie représentatives est la manière la plus directe d'obtenir le ton, la longueur et la structure voulus, sans avoir à les décrire.
Quelques règles pour que cela fonctionne. Donnez des exemples réels et complets, pas des ébauches. Deux à trois suffisent, au-delà le gain devient marginal. Variez les cas plutôt que de répéter le même, et incluez au moins un cas limite : c'est celui qui apprend le plus au modèle. Et si vos exemples se contredisent, le modèle choisira, en général mal.
Comment écrire un prompt : trois demandes réécrites
| Avant | Après |
|---|---|
| « Résume ce compte rendu. » | « Voici un compte rendu de comité de direction. Produis un résumé destiné aux managers absents. Trois parties : décisions prises, points restés ouverts, échéances avec leur responsable. Maximum 200 mots. N'ajoute aucune information absente du compte rendu ; si une décision n'a pas de responsable identifié, écris responsable non désigné. » |
| « Écris une offre d'emploi pour un développeur. » | « Je recrute un développeur backend confirmé dans une PME de vingt personnes à Lyon, télétravail deux jours par semaine. Écris une annonce de 250 mots maximum. Ton direct, pas de superlatifs, pas de rejoins une équipe passionnée. Structure : le problème à résoudre, ce que fait la personne au quotidien, ce qu'on demande, ce qu'on offre. » |
| « Analyse ces retours clients. » | « Voici 40 verbatims clients. Classe chacun dans une seule catégorie parmi : prix, délai, qualité produit, relation commerciale, autre. Réponds par un tableau à trois colonnes : verbatim, catégorie, niveau de gravité de 1 à 3. N'invente aucune catégorie. Si un verbatim est ambigu, mets autre et signale-le. » |
Les demandes réécrites sont plus longues, et c'est le point. Le temps passé à écrire la consigne est repris trois fois sur la relecture, et la consigne, elle, se réutilise.
Ce qui ne marche pas
Quelques habitudes circulent largement sans rien apporter. Les formules d'insistance (« c'est très important », « prends ton temps ») n'ont pas d'effet fiable. L'empilement de rôles prestigieux non plus. Les prompts de trois pages qui accumulent des contraintes contradictoires produisent des réponses moyennes, parce que le modèle arbitre à votre place. Et la politesse, agréable, n'améliore pas la qualité.
Un dernier réflexe, plus utile que tous les autres : quand une réponse ne convient pas, ne relancez pas au hasard. Identifiez lequel des cinq points manquait, corrigez celui-là, et conservez la version qui a fonctionné. C'est ainsi qu'on se constitue une bibliothèque de consignes réutilisables, et c'est ce qui distingue les équipes qui progressent de celles qui recommencent chaque fois de zéro. Pour aller plus loin, une bibliothèque de consignes se pilote comme du code, avec un jeu de tests qui mesure les réponses.
À retenir
Savoir comment écrire un prompt tient en une habitude : rôle et contexte, données, format, critères, exemples. Passez en revue ces cinq points, et vous obtiendrez sur la première tentative ce que la plupart cherchent en dix relances. Si le résultat reste décevant après ce travail, le problème n'est probablement plus dans la consigne, mais dans la tâche elle-même ou dans les données que vous fournissez.
Laisser un commentaire