Le prompt efficace : contexte, objectif, contraintes

Partie 1 — L'anatomie d'un prompt efficace

Dans cette partie :

• 1.1 — Les 5 piliers : QUI, QUOI, POUR QUI, COMMENT, AVEC QUOI
• 1.2 — Les mots qui changent tout

Définition : Prompt structuré

Un prompt structuré est une instruction rédigée selon un cadre en cinq dimensions : QUI (le rôle donné à l'IA), QUOI (la tâche à accomplir), POUR QUI (le public cible du résultat), COMMENT (le format, le ton, la longueur), et AVEC QUOI (les données ou contraintes fournies). Plus chaque dimension est renseignée, plus la réponse est pertinente et immédiatement utilisable.

Origine du terme : prompt : de l'anglais, « souffler une réplique à un acteur » — par extension, l'instruction donnée à une IA pour déclencher une réponse précise.

Définition : Modificateur de prompt

Un modificateur de prompt est une expression courte insérée dans l'instruction qui conditionne la structure, la granularité ou la progression de la réponse. Exemples : « étape par étape », « sous forme de tableau », « en 10 lignes maximum », « avec des exemples concrets pour chaque point », « en adoptant un ton neutre et factuel ». Ces modificateurs agissent comme des paramètres de rendu : ils ne changent pas le fond mais transforment radicalement la lisibilité et l'utilisabilité du résultat.

Origine du terme : modifier : du latin modificare, « régler, limiter » — ici, les expressions qui règlent précisément la forme ou la progression de la réponse attendue.

À retenir : Partie 1.1

• Un prompt structuré se construit sur 5 piliers : QUI / QUOI / POUR QUI / COMMENT / AVEC QUOI.
• Chaque pilier renseigné réduit l'ambiguïté et améliore la pertinence de la réponse.
• Le rôle donné à l'IA (QUI) est souvent le pilier le plus négligé — et pourtant le plus impactant.
• Fournir un contexte concret (AVEC QUOI) vaut mieux que multiplier les qualificatifs vagues.
• L'IA assiste ; vous restez responsable de vérifier et valider le résultat final.

À retenir : Partie 1.2

• Les modificateurs agissent sur la FORME, pas le fond : ils ne changent pas le sujet traité.
• « Étape par étape » force un raisonnement structuré — idéal pour les sujets complexes.
• « Sous forme de tableau » améliore la comparaison et la lisibilité d'emblée.
• Combiner plusieurs modificateurs dans un seul prompt est non seulement possible, mais recommandé.
• Un modificateur de volume (« en 10 lignes ») est particulièrement utile pour les résumés et les synthèses.

Partie 2 — Avant / Après : 8 prompts réels décortiqués

Dans cette partie :

• 2.1 — Mail professionnel et synthèse de réunion
• 2.2 — Plan d'exposé et tableau comparatif

Définition : Cas d'usage de prompt

Un cas d'usage de prompt est une situation professionnelle ou académique réelle dans laquelle on sollicite une IA générative pour produire ou transformer un contenu. Analyser des cas d'usage en version « avant / après » permet d'identifier les leviers d'amélioration d'un prompt et de les transférer à d'autres contextes.

Origine du terme : cas d'usage : de l'anglais use case, terme issu du génie logiciel (années 1980) désignant un scénario concret d'utilisation d'un système.

Définition : Plan structuré et tableau comparatif

Un plan structuré est une arborescence hiérarchisée de sections qui guide la rédaction d'un exposé, d'un rapport ou d'une présentation. Un tableau comparatif est une mise en regard organisée de plusieurs éléments selon des critères communs. L'IA peut générer ces deux formes très rapidement à condition que le prompt précise le niveau de détail souhaité et les critères de structuration.

Origine du terme : plan : du latin planus, « surface plane, surface de travail » — ici, la cartographie organisée d'un contenu à produire. Tableau : du vieux français tablel, « petite table », surface de mise en ordre de données.

À retenir : Partie 2.1

• Pour un mail : préciser toujours le profil du destinataire ET la situation déclenchante.
• Pour une synthèse : imposer les sections attendues dans le prompt lui-même, pas après.
• Un tableau dans le prompt (ex. : responsable / action / date) produit un tableau dans la réponse.
• La contrainte de longueur (mots max) est aussi importante que la structure pour un rendu professionnel.
• Coller le texte brut directement dans le prompt (AVEC QUOI) évite les inventions de l'IA.

À retenir : Partie 2.2

• Pour un plan : préciser le nombre de parties, le niveau de détail (sous-parties, idée-force) et le contexte de présentation.
• Pour un tableau : nommer explicitement les colonnes dans le prompt — l'IA n'invente pas les bons critères à votre place.
• Préciser le profil du lecteur final influe sur le niveau de technicité des contenus produits.
• Demander la neutralité explicitement (« sans recommandation commerciale ») protège contre les biais de formulation.
• L'IA peut halluciner des données chiffrées : toujours vérifier les informations factuelles dans une source primaire.

Partie 3 — La technique du few-shot et la mise en pratique

Dans cette partie :

• 3.1 — Donner des exemples du résultat attendu (few-shot prompting)
• 3.2 — Construire et tester ses propres prompts

Définition : Few-shot prompting

Le few-shot prompting est une technique dans laquelle l'utilisateur fournit un ou plusieurs exemples du résultat attendu directement dans le prompt, avant de formuler la requête réelle. Ces exemples servent de patron : l'IA reproduit leur structure, leur ton et leur format pour traiter le nouveau cas. Plus les exemples sont proches du résultat souhaité, plus la réponse sera précise et homogène.

Origine du terme : few-shot : de l'anglais few (« peu ») et shot (« tentative, exemple ») — technique consistant à fournir quelques exemples de l'entrée-sortie attendue pour calibrer la réponse du modèle, par opposition au zero-shot (aucun exemple fourni).

À retenir : Partie 3.1

• Le few-shot consiste à inclure 1 à 3 exemples du résultat attendu directement dans le prompt.
• L'IA extrait de ces exemples : la structure, le ton, la longueur et le vocabulaire — et les reproduit.
• Un seul exemple bien choisi suffit souvent ; deux ou trois renforcent la cohérence si les cas varient.
• Délimitez l'exemple clairement (« --- EXEMPLE --- ») pour que l'IA ne le confonde pas avec la vraie requête.
• Le few-shot est idéal pour tout format récurrent : fiche, newsletter, rapport type, compte-rendu standard.

À retenir : Partie 3.2

• La méthode PROMPT : Poser le rôle / Rédiger la tâche / Orienter le public / Mettre en forme / Préciser le contexte / Tester.
• Prompter est itératif : modifiez une seule dimension à la fois pour identifier ce qui améliore le résultat.
• Conservez vos meilleurs prompts dans un fichier personnel — ils constituent votre bibliothèque de templates.
• Plus vous testez sur des cas réels, plus vite vous développez l'intuition du prompt efficace.
• L'IA est un assistant : la décision finale, la vérification des faits et la responsabilité vous appartiennent toujours.