Aujourd’hui, des millions de personnes discutent avec des IA comme ChatGPT – souvent avec des résultats mitigés. La raison est simple : une IA, ça se pilote par le langage. Et comme avec un être humain, une mauvaise consigne donne une mauvaise réponse (pour reprendre l’adage “shit in = shit out”).
À l’inverse, bien formuler sa demande peut transformer une réponse basique en réponse géniale et utile. C’est tout l’art du prompt, ou prompt engineering en bon franglais : la discipline qui consiste à apprendre à “parler” efficacement aux IA.
La bonne nouvelle, c’est que tout le monde peut s’y mettre – on peut (et doit) parler aux IA quasiment comme à des humains, en étant clair, courtois et précis dans nos demandes.
Voici donc un tour d’horizon pédagogique des grands principes du prompt engineering (essentiellement d’après le whitepaper Google de Lee Boonstra, 2025) et des techniques clés pour mieux dialoguer avec nos intelligences artificielles favorites.
Zero-shot vs few-shot : donner des exemples au modèle
Zero-shot – ou prompt simple – signifie interroger l’IA sans fournir aucun exemple. C’est typiquement ce qu’on fait par défaut : on pose une question ou on donne une tâche directement. Exemple : « Résume-moi l’histoire du Petit Prince. » L’IA va tenter de deviner ce qu’on attend. Parfois ça marche… mais souvent le résultat est flou ou à côté de la plaque, surtout si la consigne manque de clarté.
Mauvais prompt (zero-shot) : « Donne-moi des idées d’articles de blog. » – Réponse de l’IA (trop générale) : « Vous pourriez écrire sur la productivité, la technologie, la santé, etc. »
Pour améliorer cela, on utilise la technique du few-shot, qui consiste à fournir des exemples de ce qu’on veut. On montre à l’IA des cas concrets pour qu’elle imite le format ou le style attendu. Concrètement, on peut donner une ou plusieurs paires entrée → sortie avant de poser notre vraie question.
Prompt amélioré (few-shot) : « Exemple : «Je suis à New York pour le week-end.” → Donne dans ton prompt 3 attractions touristiques incontournables à New York.» Puis Nouveau Prompt : «Maintenant, je suis à Paris pour trois jours. Propose-moi 3 attractions incontournables à Paris.»
Ici, le premier exemple “entraîne” l’IA sur le format désiré (3 idées d’attractions touristiques). Le second prompt, grâce à cet exemple fourni, donnera une réponse bien plus pertinente et structurée, car l’IA suit le modèlequ’on lui a montré.
En bref : montrez l’exemple pour guider l’IA. Plus le modèle voit d’exemples de qualité (on parle alors de one-shot pour un exemple, few-shot pour plusieurs), plus il comprendra le pattern attendu et vous donnera une réponse dans le ton juste. C’est particulièrement utile pour obtenir un format spécifique (réponse courte, liste, style particulier) ou pour des tâches complexes. D’ailleurs, Google recommande généralement 3 à 5 exemples variés pour orienter le modèle, quand c’est possible.
Role prompting : donner un rôle à l’IA
Une autre astuce puissante est de préciser quel rôle l’IA doit jouer. Le role prompting consiste à assigner à l’IA une identité ou un métier fictif pour orienter son style et ses connaissances. En gros, on cadre la réponse en disant « Tu es un expert en… » ou « Mets-toi dans la peau de… ». L’IA va alors adopter le ton et le niveau de détail correspondants.
Mauvais prompt (sans rôle) : « Explique-moi la blockchain. » – Réponse de l’IA : explication technique pleine de jargon incompréhensible…
Prompt amélioré (avec rôle) : « Tu es un professeur de maternelle. Explique-moi la blockchain en termes simples, avec une petite histoire pour enfants. »
Ici, on a clairement donné un rôle à l’IA (celui d’un prof de maternelle). Résultat : la réponse sera imagée, accessible et pédagogique, conformément au rôle demandé. On aurait pu choisir un autre persona : expert technique, humoriste, coach sportif, agent de voyage, etc. Par exemple, « Agis comme un guide touristique et donne-moi 3 suggestions de visites… » donnera une réponse bien différente de « Agis comme un historien… », pour une même question.
Définir un rôle, c’est donner un contexte de personnalité à l’IA, ce qui rend ses réponses plus cohérentes et ciblées. N’hésitez pas à être créatif sur le rôle (enseignant, conseiller, personnage fictif…) et à même préciser le ton souhaité – par exemple « en utilisant un ton humoristique et enthousiaste ». Vous verrez, l’IA adaptera aussitôt son style : formel, drôle, persuasif, simplifié… à vous de donner le la.
Contexte : planter le décor pour l’IA
Les IA n’ont pas de bon sens inné ni de connaissances du contexte de votre problème (à part ce qu’on leur fournit dans le prompt). Si votre question est trop vague ou isolée, la réponse risque d’être tout aussi vague. Contextual prompting signifie fournir à l’IA des informations de contexte pertinentes pour la tâche. En clair, plantez le décor avant de poser votre question.
Mauvais prompt (sans contexte) : « Quels sujets d’articles pourraient intéresser mes lecteurs ? » (L’IA ignore qui sont vos lecteurs, la réponse sera générique…)
Prompt amélioré (contexte ajouté) : « Contexte : j’écris pour un blog sur les jeux vidéo rétro des années 80. Question : Quels seraient 3 bons sujets d’articles pour ce blog, avec chacun quelques lignes de description ? »
Dans la version améliorée, la première phrase fournit le contexte essentiel (le domaine et l’époque). Immédiatement, l’IA va adapter ses suggestions en fonction de ce cadre spécifique (ici, elle proposera des sujets en lien avec Pac-Man, les bornes d’arcade, etc., au lieu de vous parler de n’importe quel sujet de blog). De même, si vous posez une question technique, mentionnez éventuellement le niveau attendu (débutant, avancé), ou précisez sur quel cas d’usage vous travaillez.
Plus votre IA a les bonnes informations d’entrée, plus elle comprend les nuances de votre demande et peut y répondre de façon pertinente. Pensez donc à fournir toute information contextuelle utile comme vous le feriez en expliquant votre problème à un collègue humain.
Format et style : soyez précis sur ce que vous voulez
Les modèles de langage sont capables de fournir des réponses sous presque n’importe quel format – à condition de le demander explicitement. Un principe clé du prompt engineering est : si vous voulez un certain type de réponse, dites-le clairement. Cela inclut le format (liste, tableau, JSON, paragraphe court, poème…), la longueur, ou le style du texte.
Mauvais prompt (flou) : « Donne-moi des conseils pour économiser de l’argent. » – Réponse possible : un pavé de texte décousu… 😕
Prompt amélioré (spécifique) : « Donne-moi 5 conseils concrets pour économiser de l’argent, présentés sous forme de liste à puces. »
Dans le second cas, on a indiqué précisément le format attendu (5 points en liste). L’IA va s’y conformer fidèlement : elle énumérera cinq conseils clairs, au lieu de partir dans une prose aléatoire. De même, n’hésitez pas à demander « réponds en une phrase » si vous souhaitez une réponse très concise, ou « fournis le résultat en JSON » si vous voulez intégrer la réponse dans un programme. Vous pouvez aussi combiner avec le role prompting vu plus haut : par exemple « Réponds-moi en tant qu’assistant juridique, en un paragraphe formel ». En somme, plus votre demande est précise sur le résultat attendu, plus l’IA vous donnera exactement ce que vous cherchez. Ne laissez pas le modèle deviner – imposez lui le cadre souhaité.
Réflexion en chaîne : faites raisonner l’IA pas à pas
Voici une technique un peu plus avancée, mais redoutablement utile pour les problèmes complexes : demander à l’IA de raisonner étape par étape. En anglais, on parle de Chain-of-Thought prompting, ou réflexion en chaîne. L’idée est d’encourager le modèle à détailler son raisonnement au lieu de répondre d’un bloc. Par exemple, pour un problème de maths ou une décision compliquée, on peut explicitement dire « réfléchis étape par étape » dans le prompt.
Mauvais prompt (classique) : « Calcule combien font 12^4 + 5^3. » – Réponse de l’IA : peut se tromper directement si elle “devine” trop vite. ❌
Prompt amélioré (chaînage) : « Réfléchis étape par étape : calcule d’abord 12^4 puis 5^3, ensuite additionne les deux résultats. »
En incitant l’IA à dérouler les calculs ou le raisonnement pas à pas, on réduit les risques d’erreur et on obtient souvent une réponse mieux justifiée. La méthode de la réflexion en chaîne pousse en quelque sorte l’IA à se poser des sous-questionset à explorer plusieurs pistes avant de conclure. Cela peut s’avérer très utile pour des tâches de planification, de résolution de problème, ou d’analyse.
Certes, la réponse finale sera plus longue (car l’IA explique ses étapes), mais elle a de grandes chances d’être plus correcte et transparente. Si vous avez déjà vu ChatGPT “penser à voix haute” en listant des étapes, c’est exactement cette technique qui est à l’œuvre.
En résumé, n’ayez pas peur de dire à l’IA comment raisonner : « liste les prémisses avant de conclure », « examine plusieurs options et choisis la meilleure en expliquant ton choix », etc. Vous obtiendrez une réponse non seulement pertinente, mais aussi accompagnée d’un raisonnement compréhensible.
Conclusion
Maîtriser l’art du prompt, ce n’est ni sorcier ni réservé aux experts. C’est avant tout une question de bon sens communicatif : bien expliquer ce qu’on veut, comme on le ferait avec un humain, tout en exploitant les outils propres aux IA (exemples, rôles, contexte, format…). Les grands principes à retenir : clarifiez votre intention, donnez du contexte, montrez des exemples, et guidez la forme de la réponse. Avec un peu de pratique, vous verrez une différence flagrante dans la qualité des outputs de l’IA. Vous passerez de réponses banales ou à côté, à de véritables réponses sur mesure, utiles et fiables.
Et clin d’œil pour celles et ceux qui m’ont lu jusqu’au bout et qui veulent s’entraîner : je partage mon GPTs personnel qui aide à améliorer vos prompts tout en expliquant pourquoi de façon pédagogique… amusez-vous bien :
https://chatgpt.com/g/g-685dba7194d08191b0684146aef2a1c0-coach-de-prompting-par-pierre-lefebvre
En fin de compte, « bien prompt-er » s’apprend. C’est une nouvelle compétence à développer – un langage à apprivoiser – dans notre monde où les IA deviennent de plus en plus nos interlocuteurs du quotidien. Alors autant le faire avec art et méthode. À vos prompts, et bons dialogues avec vos IA 🤖!
