Prompt IA : comment écrire un bon prompt (méthode et exemples)
En bref : un prompt IA est l’instruction que vous donnez à une IA comme ChatGPT, Claude, Gemini ou Le Chat. Un bon prompt précise six choses : le rôle, le contexte, la tâche, les contraintes, le format attendu et, si possible, un exemple. Le prompt engineering est l’art de rédiger, tester et améliorer ces instructions pour obtenir des réponses fiables et réutilisables. La règle d’or : écrivez à l’IA comme à un collègue compétent qui ne connaît rien de votre dossier.
Deux personnes utilisent le même outil d’IA. La première obtient des réponses génériques et conclut que « l’IA, ça ne marche pas ». La seconde gagne une heure par jour. La différence ne tient presque jamais à l’outil : elle tient à la façon de formuler la demande.
Ce guide vous donne une méthode simple, des exemples prêts à adapter et les techniques de prompt engineering qui comptent vraiment en entreprise.
Prompt IA : définition
Un prompt (en français, « invite » ou « instruction ») est le texte que vous envoyez à un modèle d’IA générative pour obtenir une réponse. Il peut tenir en une ligne ou en une page, et contenir des documents, des exemples ou des consignes de format.
Pourquoi la formulation compte autant ? Parce qu’un modèle de langage produit la suite la plus probable de ce que vous lui donnez. Une demande vague appelle une réponse moyenne, valable pour tout le monde et donc utile pour personne. Une demande précise réduit les possibilités et oriente la réponse vers votre besoin. Nous détaillons ce mécanisme dans LLM : définition et fonctionnement.
La méthode en 6 éléments pour écrire un bon prompt
| Élément | Question à se poser | Exemple |
|---|---|---|
| Rôle | Qui l’IA doit-elle être ? | « Tu es responsable du service client d’une boutique en ligne. » |
| Contexte | Que doit-elle savoir de la situation ? | « Le client a reçu un colis abîmé, c’est sa première commande. » |
| Tâche | Que doit-elle produire, précisément ? | « Rédige la réponse à son e-mail. » |
| Contraintes | Quelles limites respecter ? | « 120 mots maximum, ton chaleureux, pas de promesse de délai. » |
| Format | Sous quelle forme ? | « Objet de l’e-mail, puis le corps du message. » |
| Exemple | À quoi ressemble un bon résultat ? | Une réponse précédente que vous aviez appréciée. |
Vous n’avez pas besoin des six à chaque fois. Mais quand une réponse vous déçoit, c’est presque toujours l’un d’eux qui manque, le plus souvent le contexte.
Avant / après : la différence en pratique
Prompt vague :
Écris un post LinkedIn sur notre nouveau service.
Prompt précis :
Tu es responsable marketing d'un cabinet de conseil informatique de 5 personnes en Île-de-France.
Contexte : nous lançons une offre de maintenance de site web pour les artisans et commerçants, à 49 euros HT par mois. Nos clients actuels nous disent surtout qu'ils n'ont "pas le temps de s'occuper du site".
Tâche : rédige un post LinkedIn qui annonce cette offre.
Contraintes :
- 150 mots maximum ;
- commence par une question qui parle du problème du client, pas de nous ;
- aucun jargon technique (pas de "SEO", "CTR", "backlinks") ;
- termine par un appel à réserver, sans point d'exclamation.
Format : le texte du post, puis 3 hashtags.
Le second prompt prend une minute de plus à écrire. Il évite trois allers-retours de corrections.
8 bonnes pratiques qui changent tout
- Donnez du contexte, beaucoup de contexte. Qui est le lecteur, quel est l’objectif, ce qui a déjà été essayé. L’IA ne devine rien.
- Dites ce que vous voulez, pas seulement ce que vous ne voulez pas. « Écris des phrases courtes » fonctionne mieux que « n’écris pas de phrases longues ».
- Séparez clairement les instructions et les données. Placez un document à analyser entre des repères explicites (des guillemets, des balises ou un titre « Texte à analyser : »).
- Fixez le format de sortie. Tableau, liste à puces, JSON, nombre de mots : précisez-le, surtout si le résultat doit être copié dans un autre outil.
- Montrez un exemple. Un ou deux exemples de bon résultat valent mieux qu’un long paragraphe de description du style attendu.
- Découpez les tâches complexes. Plutôt qu’un prompt géant, enchaînez : d’abord le plan, puis chaque partie, puis la relecture.
- Demandez à l’IA de raisonner avant de conclure pour les problèmes de logique, de calcul ou d’analyse : « Explique ton raisonnement étape par étape, puis donne ta conclusion. »
- Autorisez-la à dire qu’elle ne sait pas. « Si l’information n’est pas dans le document, réponds « information absente » » réduit nettement les réponses inventées.
Les techniques de prompt engineering à connaître
Le prompt engineering désigne l’ensemble des méthodes pour concevoir, tester et améliorer des prompts, en particulier quand ils sont réutilisés à grande échelle (dans un outil interne, un agent IA, une automatisation). Les principales techniques :
| Technique | Principe | Quand l’utiliser |
|---|---|---|
| Zero-shot | Une consigne seule, sans exemple | Tâches simples et courantes |
| Few-shot | Une consigne et quelques exemples entrée / sortie | Respecter un style, un format ou une classification précise |
| Chaîne de raisonnement | Demander un raisonnement étape par étape avant la réponse | Calculs, logique, analyse de cas |
| Prompt de rôle | Attribuer un rôle ou une expertise | Ajuster le ton, le vocabulaire et le niveau de détail |
| Enchaînement de prompts | Découper une tâche en étapes successives | Documents longs, processus en plusieurs phases |
| Auto-vérification | Demander à l’IA de relire et corriger sa réponse selon des critères | Contenus à publier, réponses factuelles |
Deux de ces techniques viennent directement de la recherche. Le few-shot a été popularisé par l’article d’OpenAI présentant GPT-3 en 2020, qui montrait qu’un modèle apprend une tâche à partir de quelques exemples placés dans le prompt. La chaîne de raisonnement (chain-of-thought) a été décrite par des chercheurs de Google en 2022 : demander les étapes intermédiaires améliore nettement les résultats sur les problèmes de raisonnement.
Du prompt engineering au « context engineering »
Avec les modèles récents, l’enjeu se déplace. Les modèles comprennent mieux les consignes, et les astuces de formulation comptent moins qu’avant. Ce qui fait la différence, c’est l’information qu’on leur fournit : les bons documents, les bonnes données, les règles métier. On parle de plus en plus de « context engineering ».
En entreprise, cela se traduit par deux pratiques : connecter l’IA à vos documents (c’est le principe du RAG) et, pour les tâches répétitives, transformer vos meilleurs prompts en agents IA qui disposent des bons outils.
Exemples de prompts IA pour l’entreprise
Résumer une réunion
Voici la transcription d'une réunion d'équipe.
Rédige un compte rendu avec :
1. Les décisions prises (une ligne chacune).
2. Les actions à mener, sous forme de tableau : action, responsable, échéance.
3. Les points restés ouverts.
N'invente aucun responsable ni aucune date : si l'information manque, écris "à définir".
Transcription :
"""
[collez la transcription]
"""
Rédiger une user story
Tu es Product Owner dans une équipe agile.
Contexte : application de prise de rendez-vous pour des cabinets de kinésithérapie. Les patients oublient souvent leurs rendez-vous.
Tâche : rédige une user story pour l'envoi d'un rappel par SMS la veille du rendez-vous.
Format :
- la story au format "En tant que..., je veux..., afin de..." ;
- 4 à 6 critères d'acceptation au format Given / When / Then ;
- les questions à poser au métier avant de démarrer.
Respecte les critères INVEST.
Analyser des avis clients
Voici 40 avis clients sur notre boutique en ligne, un par ligne.
1. Classe chaque avis dans une catégorie : livraison, qualité produit, service client, prix, site web.
2. Donne pour chaque catégorie le nombre d'avis positifs et négatifs, dans un tableau.
3. Cite les 3 problèmes les plus fréquents, avec une phrase d'avis réelle pour chacun.
Base-toi uniquement sur les avis fournis.
Avis :
"""
[collez les avis]
"""
Préparer un article de blog
Tu es rédacteur web pour un cabinet de conseil en IA qui s'adresse aux dirigeants de PME.
Sujet : "Faut-il former ses équipes à l'IA générative ?"
Avant de rédiger, propose :
1. 3 titres possibles ;
2. un plan en 5 parties, avec les questions auxquelles chaque partie répond ;
3. la liste des chiffres ou des sources à vérifier.
N'écris pas encore l'article : j'attends ta proposition de plan.
Ce dernier exemple illustre une bonne habitude : faire valider le plan avant le texte, pour ne pas corriger 1 500 mots partis dans la mauvaise direction.
Les erreurs les plus fréquentes
- Le prompt trop court : « Fais-moi un plan marketing » appelle un plan générique.
- Les demandes contradictoires : « très détaillé » et « en 5 lignes » dans la même consigne.
- Faire confiance aux chiffres sans vérifier : un modèle peut inventer une statistique ou une référence plausible. Vérifiez toujours les faits précis.
- Coller des données sensibles dans un outil grand public : données clients, contrats, informations RH. Utilisez une offre professionnelle qui garantit la confidentialité, et respectez le RGPD.
- Ne pas garder ses bons prompts : un prompt qui fonctionne est un actif. Rangez-le dans une bibliothèque partagée par l’équipe.
- Abandonner après la première réponse : le prompt se travaille par itérations. Dites ce qui ne va pas et demandez une nouvelle version.
Créer une bibliothèque de prompts pour votre équipe
C’est souvent la mesure la plus rentable dans une PME. En pratique :
- Repérez 5 à 10 tâches répétitives où l’IA fait gagner du temps (e-mails types, comptes rendus, fiches produits, réponses au support).
- Rédigez un prompt modèle pour chacune, avec des zones à compléter entre crochets.
- Testez-le sur 5 cas réels et ajustez.
- Partagez-le dans un document commun, ou mieux, sous forme d’assistant personnalisé (GPT personnalisé, projet Claude, Gem Gemini, agent de Le Chat).
- Mesurez le temps gagné et faites évoluer la bibliothèque chaque mois.
C’est aussi la meilleure porte d’entrée vers des usages plus avancés. Pour savoir si ces gains justifient d’aller plus loin, voyez notre méthode pour mesurer le ROI de l’IA générative.
Questions fréquentes
Qu’est-ce qu’un prompt en IA ?
C’est l’instruction écrite (ou dictée) que vous donnez à une IA générative pour obtenir une réponse : une question, une consigne, un document à traiter ou une combinaison des trois.
Faut-il écrire ses prompts en anglais ?
Non. Les grands modèles actuels comprennent très bien le français. Écrivez dans la langue de la réponse attendue : un prompt en français donne en général un français plus naturel.
Existe-t-il des prompts IA gratuits à copier ?
Oui, de nombreuses bibliothèques en proposent, ainsi que les guides officiels d’OpenAI, d’Anthropic et de Google. Un prompt copié reste un point de départ : il faut toujours l’adapter à votre contexte.
Le prompt engineering est-il un vrai métier ?
C’est surtout devenu une compétence attendue dans de nombreux métiers (marketing, produit, développement, support). Les postes dédiés existent, mais la tendance est d’intégrer cette compétence aux fonctions existantes.
Un bon prompt fonctionne-t-il avec toutes les IA ?
Les principes (contexte, tâche, format, exemples) fonctionnent partout. Chaque modèle a ses particularités : testez vos prompts importants sur l’outil que vous utilisez réellement.
Former vos équipes à l’IA générative
Savoir écrire un bon prompt s’apprend vite, à condition de pratiquer sur ses propres cas. Notre accompagnement en conseil IA générative aide les PME à identifier les tâches où l’IA fait gagner du temps, à construire leur bibliothèque de prompts et à mettre en place les bonnes règles d’usage.
Sources
- OpenAI, guide du prompt engineering
- Anthropic, prompt engineering overview
- Google, stratégies de rédaction de prompts pour Gemini
- Brown et al., Language Models are Few-Shot Learners, 2020
- Wei et al., Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, 2022







