Rôle, contraintes & format

Assigner un rôle : un raccourci puissant

« Tu es un avocat spécialisé en droit du travail » : en une phrase, cette instruction oriente le vocabulaire, le niveau de détail, la prudence des formulations et même la structure des réponses. Le rôle est un raccourci de cadrage : au lieu d'énumérer vingt micro-consignes de registre, tu actives d'un coup tout un champ de connaissances et de conventions associées à ce profil.

Pourquoi ça marche : le modèle a appris sur des textes écrits par toutes sortes de profils. En lui assignant un rôle, tu déplaces ses réponses probables vers la zone des textes que ce profil aurait écrits. « Tu es un relecteur impitoyable » produit des critiques plus franches ; « tu es un vulgarisateur pour le grand public » produit des explications plus simples — sur la même question, avec le même modèle.

Le rôle gagne en puissance quand tu lui ajoutes une audience : « Tu es un expert en cybersécurité qui s'adresse à des dirigeants non techniques » cadre les deux bouts de la communication. Sofia utilise « Tu es une responsable de communication B2B qui écrit pour des restaurateurs pressés » — le registre est verrouillé des deux côtés.

Ce qu’un rôle ne fait pas

Attention à la légende urbaine : assigner un rôle d'expert ne rend pas le modèle plus compétent. « Tu es le meilleur fiscaliste du monde » ne crée aucune connaissance fiscale nouvelle — ça oriente le style, le ton et le vocabulaire, pas la véracité. Un modèle qui se trompe sur une règle fiscale se trompera tout autant avec un titre ronflant, mais avec plus d'assurance dans la formulation. C'est même le piège : le rôle augmente la confiance apparente, pas la fiabilité.

Le rôle sert donc à cadrer le registre, jamais à garantir l'exactitude. Pour les domaines à enjeux (juridique, médical, financier), combine-le avec les réflexes du chapitre 3 : raisonnement explicite, auto-critique, et vérification humaine des points critiques.

Imposer des contraintes : la qualité par la limite

L'intuition dit que les contraintes briment la créativité. L'expérience du prompting dit l'inverse : les contraintes concentrent la qualité. Sans limite de longueur, le modèle délaie. Sans interdits, il retombe dans ses tics (« dans un monde en constante évolution... »). Sans structure imposée, il choisit la sienne, rarement celle dont tu as besoin.

Explique la blockchain à un enfant de 10 ans.
Contraintes :
- maximum 100 mots
- une analogie du quotidien
- aucun terme technique
- finis par une question pour vérifier la compréhension

Chaque contrainte de ce prompt travaille : la limite de mots force la densité, l'analogie force la pédagogie, l'interdit des termes techniques force la reformulation, la question finale force l'interactivité. Sans elles, tu obtiens une page tiède. Avec elles, un paragraphe percutant. Les meilleures contraintes sont vérifiables : tu peux contrôler en relisant si chacune est respectée — et renvoyer la copie en citant celle qui ne l'est pas.

Les contraintes négatives (« sans jargon », « aucun point d'exclamation », « ne mentionne pas la concurrence ») méritent une mention : les modèles les respectent moins fiablement que les consignes positives. Quand c'est possible, reformule en positif : au lieu de « pas de ton commercial », écris « ton factuel et informatif ». Et si un interdit est critique, place-le en fin de prompt et vérifie systématiquement.

La température implicite : doser la créativité par la formulation

Les API des modèles exposent un réglage appelé « température » : basse, les réponses sont prévisibles et conservatrices ; haute, elles sont variées et audacieuses. Tu n'as pas accès à ce curseur dans une interface de chat — mais tes formulations jouent exactement le même rôle. C'est ce qu'on peut appeler la température implicite du prompt.

« Donne LA meilleure accroche », « réponds de façon factuelle et sobre », « cite uniquement des faits établis » tirent vers le prévisible — parfait pour un résumé fidèle ou une réponse de référence. « Propose 10 pistes, des plus classiques aux plus audacieuses », « ose des angles inattendus », « brainstorme sans te censurer » tirent vers le varié — parfait pour l'idéation. Le drame de Sofia : elle demandait « une idée de campagne » (formulation froide, résultat convenu) là où elle voulait un brainstorm. Depuis qu'elle demande « 10 idées, des plus sûres aux plus osées, sans te censurer », ses sessions d'idéation ont changé de visage.

Astuce d'idéation complémentaire : demander la quantité débride la qualité. Les trois premières idées d'un modèle sont presque toujours les plus convenues — celles que tout le monde a déjà eues. C'est dans les suivantes que se cachent les angles intéressants. « Donne 10 options » coûte le même prompt que « donne une option » et multiplie tes chances.

Forcer un format machine : le JSON strict

Jusqu'ici, les sorties étaient destinées à des humains. Mais Sofia veut maintenant brancher l'IA sur son tableau de bord : analyser chaque retour client et en tirer un sentiment, des thèmes, un score. Pour qu'un script exploite la sortie, celle-ci doit être dans un format machine : du JSON strict, avec un schéma précis, sans une phrase de politesse autour.

Analyse cet avis client et réponds UNIQUEMENT en JSON valide, sans texte autour :
{ "sentiment": "positif|neutre|negatif", "themes": [..], "score": 0-100 }

Trois précautions font la différence entre un gadget et un outil fiable. Un, donne le schéma exact : les clés, les types, les valeurs autorisées — sinon le modèle improvise des variantes (« Positif », « positive », « pos ») qui cassent ton script. Deux, martèle l'exclusivité : « UNIQUEMENT le JSON, sans texte avant ni après, sans bloc de code autour ». Trois, prévois le cas limite : « si l'avis est inexploitable, renvoie {"sentiment": null} » — sinon le modèle inventera une analyse plutôt que d'avouer qu'il ne sait pas.

Teste ensuite comme tu testerais du code : passe-lui un avis dithyrambique, un avis assassin, un avis ambigu, un avis vide. Si le JSON reste valide et le schéma stable sur ces quatre cas, tu peux brancher ton script. Beaucoup d'outils proposent aussi un « mode JSON » natif qui garantit la validité syntaxique — utilise-le quand il existe, mais garde le schéma dans le prompt : le mode garantit du JSON valide, pas TES clés.

Gérer le contexte long : où placer quoi

Dernier cadrage, souvent ignoré : la position des éléments dans un prompt long. Quand tu colles un gros document (rapport, historique de mails, transcription), les modèles ont tendance à mieux exploiter ce qui se trouve au début et à la fin du prompt qu'au milieu. Conséquence pratique : ne noie jamais tes instructions au milieu du document.

La structure robuste pour les contextes longs : les instructions et le rôle en tête, le document délimité au milieu (entre des marqueurs clairs, comme vu au chapitre 1), et un rappel des consignes essentielles à la fin — « Rappel : réponds en 5 puces, uniquement à partir du document ci-dessus ». Ce rappel final, qui semble redondant, améliore nettement le respect des consignes sur les longs prompts.

Et n'oublie pas que la conversation entière est un contexte : au fil d'un long échange, les premières consignes s'éloignent et leur poids s'affaiblit. Si le ton dérive après vingt messages, ce n'est pas un caprice : re-précise tes contraintes, ou repars d'une conversation neuve avec un prompt propre — souvent plus efficace que de rafistoler.