Skip to main content
Connaître les composantes d’un prompt, c’est bien. Savoir les assembler de façon efficace dans n’importe quelle situation, c’est mieux. Ces dix règles constituent le guide de référence du prompt engineering pratique : chacune est illustrée par un exemple de ce qu’il ne faut pas faire et de ce qu’il faut faire à la place. Gardez cette page sous la main, vous y reviendrez souvent.
Les erreurs les plus fréquentes en prompt engineering ne sont pas techniques : elles sont communicationnelles. Formuler une demande vague, omettre le contexte, ou ne jamais tester de variantes sont les trois pièges dans lesquels tombent la majorité des utilisateurs débutants. Les règles ci-dessous vous en préservent.

Les 10 règles fondamentales

La vagueur est l’ennemie de la qualité. Plus votre demande est précise, moins le modèle doit « deviner » vos intentions, et plus la réponse sera pertinente. Précisez le sujet, l’angle, la profondeur et l’objectif attendu.
Pourquoi ça marche : chaque détail ajouté (audience, longueur, angle, contexte temporel) réduit l’espace d’interprétation du modèle et concentre sa réponse sur votre besoin réel.
Le modèle ne connaît pas votre situation, votre secteur ni vos contraintes. Chaque information de contexte que vous fournissez est une contrainte utile qui personnalise la réponse. Pensez à préciser : qui vous êtes, pour qui vous rédigez, et quel est l’enjeu.
Sans instruction de format, le modèle choisit lui-même la structure de sa réponse, et ce choix n’est pas toujours adapté à votre usage. Indiquez explicitement : longueur, structure, ton, et style de présentation.
Face à une tâche complexe et multi-étapes, le modèle peut se perdre ou bâcler certaines parties. Divisez vos demandes complexes en plusieurs prompts séquentiels, ou guidez explicitement le modèle étape par étape.
Conseil : enchaînez ensuite les prompts en utilisant les résultats du précédent comme entrée du suivant. C’est plus lent, mais la qualité globale est bien supérieure.
Lorsque votre prompt contient plusieurs blocs distincts (instruction, contexte, données à traiter), utilisez des délimiteurs visuels pour les séparer. Cela évite que le modèle confonde le texte à traiter avec vos instructions.
Délimiteurs recommandés : """...""", ---...---, <texte>...</texte>, ###...###. Choisissez-en un et soyez cohérent.
Pour les questions complexes ou les problèmes nécessitant un raisonnement, demandez explicitement au modèle de réfléchir étape par étape avant de donner sa conclusion. Cette technique, appelée chain-of-thought, améliore significativement la qualité du raisonnement.
Le cerveau humain ignore instinctivement le « ne pas », les modèles de langage aussi. Dire « ne sois pas trop technique » est moins efficace que dire « utilise un langage accessible à un débutant ». Reformulez toujours en positif.
Règle simple : chaque contrainte doit décrire ce que vous voulez obtenir, pas ce que vous voulez éviter.
Un exemple vaut mille mots d’explication. En fournissant un exemple du résultat attendu (technique appelée few-shot prompting), vous ancrez le modèle dans votre format, votre style et votre niveau de détail sans avoir à tout décrire.
Le premier prompt est rarement le meilleur. L’itération n’est pas un signe d’échec : c’est le processus normal et attendu. Chaque version vous rapproche du résultat idéal. Notez ce qui fonctionne et construisez une bibliothèque de vos meilleurs prompts.
Un même sujet peut être expliqué à un lycéen, à un expert, ou à un décideur, et ces trois explications seront radicalement différentes. Précisez toujours à qui s’adresse la réponse et quel niveau de technicité est approprié.
Niveaux utiles à spécifier : débutant complet / lycéen / étudiant en licence / professionnel du secteur / expert technique / décideur non-technique.

Synthèse : la checklist du prompt efficace

Avant d’envoyer votre prochain prompt, parcourez rapidement cette liste : Si vous cochez les sept cases, votre prompt est prêt. Sinon, affinez les points manquants, cela ne prend que quelques secondes et fait toute la différence.