Anatomie d’un prompt qui marche

Pourquoi tes prompts déçoivent (et pourquoi ce n’est pas la faute du modèle)

Lundi matin, Sofia tape : « Écris un post LinkedIn sur notre nouveau produit ». Le résultat est une bouillie d'enthousiasme générique, avec des formules creuses qu'elle pourrait copier-coller sur n'importe quelle entreprise. Elle conclut que « l'IA écrit mal ». Le diagnostic est faux : le modèle a fait exactement ce qu'on lui a demandé — c'est-à-dire presque rien de précis.

Un modèle de langage ne lit pas dans tes pensées. Il complète ton texte avec la suite la plus probable compte tenu de ce que tu lui as donné. Si tu lui donnes une demande floue, la suite la plus probable est une réponse floue, moyenne, consensuelle — la moyenne statistique de tout ce qui ressemble à ta demande sur Internet. La précision de ta demande est donc le levier numéro un de la qualité, bien avant le choix du modèle.

C'est la bonne nouvelle de ce cours : tu n'as pas besoin d'un meilleur outil, tu as besoin d'une meilleure façon de demander. Et cette façon de demander s'apprend, se structure et se réutilise. Commençons par l'anatomie de base.

Contexte + Tâche + Format : les trois ingrédients

Un prompt fort répond à trois questions : qui es-tu et dans quelle situation (contexte/rôle), que dois-tu faire exactement (tâche précise), sous quelle forme livrer le résultat (format de sortie). Enlève l'un des trois et la qualité chute de façon visible.

Le contexte cadre l'univers de la réponse : le secteur, l'audience, la situation, le ton de l'entreprise. La tâche définit l'action attendue avec un verbe précis : rédiger, résumer, comparer, classer, reformuler. Le format verrouille la livraison : longueur, structure, ton, ce qu'il faut inclure et exclure. Ensemble, ils transforment une loterie en commande précise.

Tu es un expert SEO. (rôle)
Rédige 5 titres pour un article sur le café de spécialité. (tâche)
Format : liste numérotée, chaque titre < 60 caractères, ton curieux. (format)

flowchart LR
  C["Contexte / rôle"] --> PR["Prompt structuré"]
  T["Tâche précise"] --> PR
  F["Format de sortie"] --> PR
  PR --> Q["Sortie de qualité"]
  PR -.->|"Un ingrédient manque"| G["Sortie générique"]

Le contexte : donner au modèle ce qu’il ne peut pas deviner

Le modèle connaît le monde en général, mais il ignore tout de ta situation : ton entreprise, ton audience, ta contrainte de la semaine, ce qui a déjà été essayé. Tout ce que tu ne dis pas, il l'invente — et il l'invente moyen. Le contexte, c'est la partie du prompt où tu combles ce trou.

Pour Sofia, un bon contexte ressemble à : « Nous sommes une PME de 40 personnes qui vend un logiciel de gestion de planning aux restaurateurs. Notre audience LinkedIn : des gérants de restaurant débordés, peu technophiles, sensibles au temps gagné. Ton de marque : direct, concret, jamais corporate. » Trois phrases, et le modèle ne peut déjà plus produire la même bouillie générique qu'avant.

Règle pratique : demande-toi ce qu'un nouveau collègue brillant mais arrivé ce matin aurait besoin de savoir pour faire la tâche. C'est exactement ce que le modèle a besoin de savoir aussi. Ni plus (inutile de raconter ta vie), ni moins.

La tâche : un verbe d’action et un objectif mesurable

« Parle-moi du marketing » n'est pas une tâche, c'est un thème. « Rédige 3 accroches LinkedIn pour vendre une formation marketing à des freelances débordés » est une tâche : un verbe (rédige), une quantité (3), un livrable (accroches), une cible (freelances débordés) et un objectif (vendre).

Méfie-toi aussi des tâches multiples cachées dans une seule phrase. « Résume ce rapport et propose des actions et rédige un email à l'équipe » mélange trois livrables : le modèle va en bâcler au moins un. Sépare en trois demandes, ou annonce explicitement les trois parties attendues avec leur format respectif.

Le format : l’ingrédient le plus oublié

C'est l'oubli le plus fréquent, et le plus coûteux. Sans format, le modèle choisit pour toi : souvent trop long, structuré en paragraphes là où tu voulais une liste, avec un ton d'assistant poli là où tu voulais du percutant. Préciser le format, c'est éviter 80 % des allers-retours de correction.

• Longueur : « maximum 120 mots », « en 5 puces », « une seule phrase ».
• Structure : « liste numérotée », « tableau à 3 colonnes », « titre + 2 paragraphes + appel à l'action ».
• Ton : « direct et concret », « chaleureux sans être familier », « neutre et factuel ».
• Inclusions/exclusions : « sans jargon technique », « sans point d'exclamation », « inclus un chiffre par puce ».

Le piège du prompt vague : un avant/après

Voyons la différence sur le cas réel de Sofia. Version vague :

Écris un post LinkedIn sur notre nouveau produit.

Résultat : « Nous sommes ravis d'annoncer le lancement de notre nouveau produit révolutionnaire... » — du remplissage interchangeable, zéro information, ton corporate que personne ne lit. Maintenant la version structurée :

Contexte : nous sommes une PME qui vend un logiciel de planning aux restaurateurs. Audience LinkedIn : gérants de restaurant débordés, peu technophiles. Ton de marque : direct, concret, jamais corporate.

Tâche : rédige un post LinkedIn annonçant notre nouvelle fonctionnalité « remplacement en 1 clic » (trouver un remplaçant quand un serveur est malade, en 1 clic au lieu de 12 appels).

Format : 80-120 mots, accroche en première ligne sous forme de question, 1 bénéfice chiffré, appel à l'action final, aucun point d'exclamation, pas de hashtag.

Même modèle, même jour, même fonctionnalité. La seconde version produit un post publiable presque tel quel. La différence ne vient pas de l'outil : elle vient des informations et des garde-fous que le prompt fournit. La précision n'est pas optionnelle, c'est le levier principal.

Prompt système vs prompt utilisateur

Dans la plupart des outils (ChatGPT, Claude, les API), il existe deux niveaux d'instruction. Le prompt système (ou « instructions personnalisées ») définit le comportement permanent : qui est l'assistant, son ton, ses règles. Le prompt utilisateur, c'est ta demande du moment. Le système pèse plus lourd et persiste sur toute la conversation.

Concrètement : si Sofia répète à chaque message « ton direct, jamais corporate, pas de point d'exclamation », elle gaspille du temps. Ces règles permanentes ont leur place dans les instructions système ou personnalisées de son outil. Le prompt utilisateur, lui, ne contient plus que ce qui change : la tâche du jour et son format. C'est aussi la base des « GPTs » personnalisés et des assistants configurés en entreprise.

Structurer pour clarifier (et préparer la suite)

Sépare visuellement les parties de ton prompt : un bloc contexte, un bloc tâche, un bloc contraintes. Utilise des intertitres (« Contexte : », « Tâche : », « Format : ») ou des délimiteurs comme --- ou des balises pour isoler un texte à traiter du reste des instructions. Le modèle suit mieux, et toi, tu relis mieux.

Cette discipline a un second bénéfice, qu'on exploitera au chapitre 5 : un prompt structuré en blocs se transforme en template réutilisable en deux minutes. Un prompt écrit d'un seul jet confus, lui, devra être réécrit à chaque fois. Structurer aujourd'hui, c'est capitaliser pour demain.