Prompt : le guide pour obtenir ce que vous voulez de l'IA

80 % des gens qui utilisent ChatGPT ou Claude tapent une vague question et espèrent un miracle. Résultat : une réponse générique, trop longue, à côté du sujet. Le problème n'est pas l'outil — c'est l'instruction qu'on lui donne. Ce guide vous montre comment écrire de meilleurs prompts, et surtout, comment vérifier qu'ils marchent vraiment.

Un prompt, c'est quoi exactement ?

Un prompt, c'est l'instruction que vous envoyez à une IA. Ça peut être une question, une demande, une consigne. Quand vous tapez "résume ce document" dans ChatGPT, c'est un prompt.

Mais un prompt, c'est aussi la base de tout ce qui se passe en coulisses. Quand une entreprise intègre l'IA dans ses outils via une API, chaque interaction repose sur un prompt envoyé au modèle. Un petit aperçu de ce que ça donne côté technique :

Vous voyez le champ "content" ? C'est votre prompt. Le reste — le choix du modèle, la limite de tokens — c'est de la configuration. Mais tout part de cette instruction.

Les tokens, d'ailleurs, c'est simplement la façon dont l'IA découpe le texte pour le traiter : chaque mot, parfois chaque morceau de mot, est un token. "Bonjour tout le monde" = 4 tokens environ. C'est ce qui détermine le coût et la longueur maximale d'une réponse.

Les 4 règles d'un bon prompt

Le prompt engineering, c'est l'art d'écrire des instructions que l'IA comprend bien. Pas besoin d'être développeur — il suffit de connaître quelques principes. Les voici.

Règle 1 : Être direct

Commencez par un verbe d'action. Dites exactement ce que vous voulez, dès la première phrase. L'IA n'a pas besoin de contexte social — pas de "Bonjour, est-ce que tu pourrais éventuellement...".

La version "après" est directe, spécifique, et donne des contraintes claires. L'IA sait exactement quoi produire.

Règle 2 : Être spécifique

Plus votre instruction est précise, meilleur sera le résultat. Donnez le format (email, tableau, liste), le ton (formel, décontracté), la longueur, et les contraintes à respecter.

Vous pouvez aussi donner des étapes à suivre : "D'abord, lis le document en entier. Ensuite, identifie les points de friction. Enfin, propose des solutions." Ça guide le raisonnement de l'IA et améliore la qualité du résultat.

Règle 3 : Donner un rôle

Quand vous dites à l'IA "Tu es un juriste spécialisé en droit du travail", vous ne faites pas de la fiction — vous activez un mode de réponse différent. L'IA ajuste son vocabulaire, son niveau de détail et ses réflexes en fonction du rôle qu'on lui attribue.

En termes techniques, c'est ce qu'on appelle un system prompt : une instruction de cadrage qui définit le comportement de l'IA avant même qu'elle ne lise votre question.

Résultat : au lieu d'une réponse générique, vous obtenez une analyse qui parle le langage de votre métier.

Règle 4 : Donner un exemple

C'est la technique la plus sous-estimée. Montrer à l'IA un exemple de ce que vous attendez — même un seul — améliore radicalement la qualité du résultat. En jargon IA, on appelle ça le one-shot prompting (un exemple) ou le multi-shot prompting (plusieurs exemples).

L'IA comprend instantanément la structure, le ton et le niveau de détail attendu. Plus besoin de longues explications.

Le piège : "J'ai testé, ça marche"

Vous avez écrit un super prompt. Vous l'avez testé une fois, le résultat était bon. Vous le déployez. Mission accomplie ?

Non. C'est le piège dans lequel tombent la plupart des entreprises qui intègrent l'IA.

Un prompt qui marche une fois ne marche pas forcément à chaque fois. L'IA n'est pas un programme classique : elle a une part d'aléatoire dans ses réponses (ce qu'on appelle la température — un réglage qui va de 0 pour des réponses très prévisibles à 1 pour des réponses plus créatives). Le même prompt peut donner un résultat excellent le lundi et médiocre le mercredi.

C'est là qu'intervient le prompt evaluation — tester vos prompts de manière systématique.

Tester ses prompts : la méthode

L'idée est simple : au lieu de tester votre prompt sur un seul cas, vous le testez sur plusieurs, et vous notez les résultats. Trois étapes :

En résumé : écrire → tester → ajuster → re-tester. C'est exactement ce que font les équipes qui intègrent l'IA sérieusement. Elles ne se contentent pas d'un prompt qui "a l'air de marcher" — elles le prouvent avec des données.

Ce qu'il faut retenir

Le prompt engineering, c'est écrire des instructions claires, spécifiques, avec un rôle et des exemples. C'est la base — et ça change tout, même pour un usage quotidien.

Le prompt evaluation, c'est tester que vos prompts fonctionnent de manière fiable, pas juste une fois. C'est ce qui sépare un usage amateur d'un usage professionnel de l'IA.

Les deux vont ensemble. Un bon prompt sans évaluation, c'est un pilote d'avion qui ne regarde pas ses instruments. Une évaluation sans bon prompt, c'est mesurer les performances d'un outil mal réglé.