Aller au contenu principal

Les bases du prompting

Débutant
What you'll learn
  • Le cadre « clair et direct » — objectif, public, contexte, format, ton
  • Pourquoi la plupart des mauvais résultats viennent de prompts sous-spécifiés, pas d'un modèle faible
  • Comment transformer une demande vague en une demande précise, avec un avant/après

La plupart des « mauvais résultats d'IA » sont en réalité des prompts sous-spécifiés. Corrigez le prompt et la sortie se transforme — sans aucune astuce. C'est la fondation ; tout dans Prompting s'appuie dessus, et cela se transfère à n'importe quelle IA.

L'unique habitude : être clair et direct​

Traitez le modèle comme un nouveau collègue brillant et littéral qui ne peut pas lire dans vos pensées. Dites-lui cinq choses :

ÉlémentDemandez-vousExemple
ObjectifQue veux-je vraiment ?« Écris un e-mail à froid… »
PublicPour qui est-ce ?« …à un responsable achats d'hôpital débordé »
ContexteQue doit-il savoir ?« Nous vendons un logiciel de planification ; nous leur faisons gagner ~6 h/semaine »
FormatQuelle forme doit prendre la sortie ?« Moins de 120 mots, 3 courts paragraphes, un seul CTA »
TonComment cela doit-il sonner ?« Professionnel, chaleureux, pas insistant »

Mis bout à bout :

« Écris un e-mail à froid à un responsable achats d'hôpital débordé. Nous vendons un logiciel de planification qui leur fait gagner environ 6 heures par semaine. Moins de 120 mots, trois courts paragraphes, professionnel et chaleureux mais pas insistant, se terminant par un seul appel à l'action clair. »

E-mail à froid — clair & direct

Write a cold email to a busy hospital procurement manager. We sell scheduling software that saves them about 6 hours a week. Under 120 words, three short paragraphs, professional and warm but not pushy, ending with a single clear call to action.

Ce prompt surpassera « écris un e-mail à froid » à tous les coups.

Cinq améliorations qui pèsent plus que leur poids​

  1. Montrez un exemple. Un seul échantillon du style ou du format voulu (« reprends la voix de ceci : … ») enseigne plus vite qu'une description. C'est le prompting few-shot — voir Le few-shot bien fait.
  2. Donnez-lui un rôle. « Tu es un relecteur méticuleux » amorce le bon comportement.
  3. Demandez le raisonnement sur les problèmes difficiles. « Procède étape par étape avant de donner la réponse finale » améliore le raisonnement (chaîne de pensée).
  4. Contraignez la sortie. « Réponds uniquement avec le JSON, sans préambule. » « Exactement 5 puces. » Des formes précises sont plus faciles à utiliser.
  5. Itérez. Votre premier prompt est un brouillon. Affinez en langage clair : « plus court », « plus technique », « ajoute un contre-argument ».

Anti-patterns à abandonner​

  • ❌ Le style mots-clés (« e-mail client remise ») — vous n'utilisez pas un moteur de recherche. Écrivez des phrases complètes.
  • ❌ Enterrer la demande dans un mur de contexte. Mettez l'instruction en haut et répétez-la à la fin pour les longues entrées.
  • ❌ Les mots de qualité vagues (« rends ça bien/professionnel ») sans dire ce que cela signifie pour vous.
  • ❌ Supposer qu'il se souvient des conversations précédentes. Par défaut, il ne le fait pas — voir Tokens, contexte & mémoire.

Essayez maintenant​

Construisez un prompt structuré ci-dessous, puis copiez-le dans Claude. Remarquez comment nommer le rôle, l'objectif, le format et le ton change tout :

Votre prompt
Task: <what you want done>
If you're unsure or lack the information, say so instead of guessing.

Prenez ensuite un prompt que vous taperiez normalement, reconstruisez-le ici, et comparez les deux sorties côte à côte. Ce contraste, c'est toute la leçon.

Testez-vous

0/3
  1. Qu'est-ce qui cause généralement de mauvais résultats d'IA ?
  2. Lequel n'est PAS l'une des cinq choses à spécifier ?
  3. Comment devez-vous traiter le modèle quand vous rédigez un prompt ?

Suite​