Comment rédiger de meilleurs prompts pour l’IA : une méthode simple pour vérifier et réviser

Supposons que vous donniez cette instruction à une IA :

Rédige un e-mail de suivi à partir de ces notes de réunion.

La réponse semble soignée. Elle remercie tout le monde, énumère trois décisions et attribue les prochaines étapes. Il n’y a qu’un problème : les notes contiennent deux propositions, et non deux décisions, et personne n’a convenu de la personne responsable de l’une des tâches.

La formulation est bonne. L’e-mail n’est pas prêt à être envoyé.

À ce stade, beaucoup de débutants concluent qu’il leur faut un prompt plus long, une formule particulière ou un rôle impressionnant comme « expert mondial de la communication ». Le diagnostic le plus utile est plus simple : on n’a pas indiqué à l’IA comment distinguer une réponse exploitable d’une réponse fluide mais inexacte.

Un meilleur prompt fonctionne comme un cahier des charges vérifiable. Il indique à l’IA la tâche à accomplir, fournit les informations nécessaires, protège les limites que la réponse ne doit pas franchir et rend le résultat facile à contrôler par une personne. Toutes les demandes n’exigent pas chacun de ces éléments, et votre premier message n’a pas besoin d’être parfait.

Qu’est-ce qui rend un prompt meilleur qu’un autre ?

Pour une tâche courante, appliquez trois tests pratiques :

• Utile : le résultat peut-il servir à l’action suivante que vous envisagez ?
• Fidèle : préserve-t-il les faits, les distinctions et les incertitudes importantes de votre contenu ?
• Vérifiable : savez-vous à quoi comparer la réponse avant de vous y fier ?

« Rends-le professionnel » peut influer sur le ton, mais ne répond à aucune de ces questions. « Sépare les décisions confirmées des questions en suspens et n’invente pas de responsable » y répond.

Cet article s’appuie sur des notes de réunion fictives pour construire un prompt par étapes. La réunion, les personnes et le projet ne sont pas réels.

1. Donnez une seule tâche claire à l’IA

Commencez par le résultat dont vous avez besoin, et non par un rôle attribué à l’IA.

Vague :

Aide-moi avec ces notes de réunion.

Plus clair :

Rédige un e-mail de suivi destiné à l’équipe projet à partir des notes de réunion ci-dessous.

La deuxième demande précise l’action, le contenu source, le livrable et ses lecteurs. Pour la tester, imaginez que vous donniez l’instruction à un collègue compétent qui n’a pas assisté à la réunion. Saurait-il quoi produire ?

Avant d’en écrire davantage, définissez ce que signifie « terminé ». Dans cet exemple, l’e-mail doit permettre à l’équipe de voir ce qui a été décidé, ce qu’une personne s’est engagée à faire et ce qui attend encore une réponse. S’il brouille ces catégories, il a échoué, même si le texte est excellent.

Cette idée figure aussi dans les recommandations d’Anthropic sur la conception de prompts : définir les critères de réussite et un moyen de les tester avant de consacrer du temps à optimiser la formulation. Pour une conversation ordinaire, nul besoin d’un système d’évaluation. Une courte liste de contrôle mentale suffit.

2. Ajoutez le contexte susceptible de changer le résultat

Une IA ne peut pas déduire le contenu de votre compte rendu privé à partir de la phrase « rédige un e-mail de suivi ». Incluez le document source et tout contexte qui change la manière dont il doit être utilisé.

Pour cet exercice, voici le contexte nécessaire :

Notes de réunion

- L’équipe a confirmé un pilote de la nouvelle page d’aide pour le 18 septembre.
- Mei préparera la première version d’ici le 8 septembre.
- Le groupe a discuté de l’ajout d’une vidéo, mais n’a pris aucune décision.
- Quelqu’un doit vérifier le coût du sous-titrage ; aucun responsable ni aucune échéance n’a été désigné.
- Le client doit encore confirmer si son équipe d’assistance peut relire la version préliminaire.

Le destinataire et l’objectif comptent également : il s’agit d’un suivi interne qui doit rendre les engagements visibles. L’historique de toutes les réunions antérieures du projet n’est probablement pas utile.

Un prompt peut réunir une tâche, les éléments nécessaires, des limites et le résultat attendu. N’utilisez que les parties qui changent le travail.

Un contexte pertinent n’est pas synonyme de contexte maximal. Une étude sur les modèles de langage à long contexte a montré que, dans les tâches testées de recherche d’informations et de réponse aux questions, les modèles n’exploitaient pas toutes les positions d’une longue entrée avec la même fiabilité. Les modèles et leurs capacités continuent d’évoluer ; il ne s’agit donc pas d’une limite universelle. Cela reste toutefois une bonne raison d’organiser les éléments importants au lieu de les noyer dans du texte sans rapport.

Posez-vous cette question pour chaque détail :

Si je le retire, une réponse correcte pourrait-elle changer ?

Si oui, il est peut-être nécessaire. Sinon, envisagez de l’omettre. Avant l’envoi, retirez aussi les noms, coordonnées, informations de compte, dossiers internes et autres données sensibles dont la tâche n’a pas besoin. Lorsque le contenu est confidentiel, consultez la politique actuelle de l’outil utilisé en matière de données.

3. Protégez les faits, les contraintes et les inconnues

Le contexte indique à l’IA ce qu’elle peut utiliser. Les limites lui indiquent ce qu’elle ne doit pas modifier discrètement.

Dans les notes de réunion, ces catégories sont différentes :

• Un fait est une information consignée, comme la date du pilote fixée au 18 septembre.
• Une contrainte est une règle applicable au résultat, comme le maintien des dates confirmées.
• Une inconnue est une lacune que l’IA ne peut pas combler de manière responsable, comme l’identité de la personne chargée de vérifier le coût du sous-titrage.

Ajoutez ces distinctions à la demande :

Sépare les décisions confirmées, les actions attribuées, les propositions et les questions en suspens.
N’invente ni responsable, ni échéance, ni décision, ni réponse du client.
Si les notes ne contiennent pas une information nécessaire, indique « à confirmer ».

Cette instruction est plus utile que de demander à l’IA d’adopter un ton assuré. L’assurance du texte ne peut ni transformer une proposition en décision ni faire apparaître un responsable absent.

Les instructions positives sont souvent plus faciles à appliquer qu’une longue liste d’interdictions. Au lieu de dire seulement « ne mélange pas les éléments », précisez les catégories que la réponse doit utiliser. Conservez une limite négative pour les erreurs qui rendraient le résultat dangereux ou inutilisable.

4. Demandez un résultat que vous pouvez contrôler

Les exigences de sortie ne sont pas décoratives. Elles doivent rendre la réponse plus facile à utiliser et à vérifier.

Pour l’e-mail, ajoutez :

Utilise cette structure :

1. Un résumé de la réunion en deux phrases.
2. Décisions confirmées.
3. Actions attribuées, avec uniquement les responsables et les dates mentionnés dans les notes.
4. Questions en suspens et actions non attribuées.
5. Une conclusion demandant aux destinataires de corriger toute information inexacte.

Limite l’e-mail à 250 mots et emploie un langage direct et neutre.

Les sections rendent les omissions visibles. Une section distincte « Questions en suspens » réduit le risque qu’un point non résolu disparaisse dans un paragraphe fluide. La limite de mots empêche le brouillon de devenir une transcription de la réunion.

Les exemples peuvent aider lorsque le format, la classification ou le ton souhaité est difficile à décrire. OpenAI, Google et Anthropic présentent tous les exemples comme un moyen d’orienter les réponses. Ils constituent toutefois une illustration facultative de votre intention, et non un ingrédient obligatoire. Une tâche familière accompagnée d’une demande claire peut s’en passer.

Le prompt complet

La demande assemblée devient :

Rédige un e-mail de suivi interne destiné à l’équipe projet à partir des notes de réunion ci-dessous.
L’e-mail doit rendre faciles à repérer les décisions confirmées, les actions attribuées et les questions non résolues.

Sépare les décisions confirmées, les actions attribuées, les propositions et les questions en suspens.
N’invente ni responsable, ni échéance, ni décision, ni réponse du client.
Si les notes ne contiennent pas une information nécessaire, indique « à confirmer ».

Utilise cette structure :
1. Un résumé de la réunion en deux phrases.
2. Décisions confirmées.
3. Actions attribuées, avec uniquement les responsables et les dates mentionnés dans les notes.
4. Questions en suspens et actions non attribuées.
5. Une conclusion demandant aux destinataires de corriger toute information inexacte.

Limite l’e-mail à 250 mots et emploie un langage direct et neutre.

Notes de réunion
- L’équipe a confirmé un pilote de la nouvelle page d’aide pour le 18 septembre.
- Mei préparera la première version d’ici le 8 septembre.
- Le groupe a discuté de l’ajout d’une vidéo, mais n’a pris aucune décision.
- Quelqu’un doit vérifier le coût du sous-titrage ; aucun responsable ni aucune échéance n’a été désigné.
- Le client doit encore confirmer si son équipe d’assistance peut relire la version préliminaire.

Ce prompt est plus long que l’original parce que la tâche contient des distinctions qui méritent d’être préservées. Une demande comme « Donne-moi cinq noms pour ce dossier » n’aurait pas besoin de la même structure. La longueur du prompt découle de la tâche ; ce n’est pas un indicateur de qualité.

5. Comparez la réponse avec la source

Ne jugez pas le brouillon uniquement sur son naturel. Comparez-le aux notes de réunion et aux critères de réussite définis au départ.

Vérifiez dans cet ordre :

1. Couverture : la réponse inclut-elle toutes les décisions, actions attribuées et questions en suspens importantes ?
2. Fidélité : a-t-elle modifié une date, un responsable, un engagement ou un degré de certitude ?
3. Ajouts non étayés : a-t-elle introduit un motif, un nom, une échéance, un fait ou une citation que la source ne fournit pas ?
4. Utilité : l’équipe pourrait-elle agir à partir de cet e-mail sans devoir d’abord en démêler la structure ?

Pour des faits actuels tels que des prix, des lois, des calendriers, le comportement d’un produit ou la compatibilité technique, la source pertinente peut être une page officielle plutôt qu’un texte collé dans la conversation. Ouvrez cette source et vérifiez-la. Demander à l’IA « En es-tu sûre ? » ne constitue pas une vérification indépendante.

Le NIST qualifie les contenus faux présentés avec assurance de risque connu de l’IA générative et recommande de contrôler les sources et les citations des résultats générés. Ce risque compte précisément parce qu’une réponse inexacte peut néanmoins paraître complète.

6. Révisez l’erreur précise

Si le premier résultat est erroné, il est généralement inutile d’abandonner tout le prompt. Nommez l’erreur, rétablissez la limite et demandez la révision de la partie concernée.

Par exemple :

Aucun responsable ni aucune échéance n’a été attribué à la vérification du coût du sous-titrage. Déplace-la dans « Questions en suspens et actions non attribuées », retire le nom que tu as ajouté et ne change rien au reste de l’e-mail. Vérifie ensuite que chaque date et chaque responsable correspondent toujours aux notes.

Cette relance est utile parce qu’elle signale un problème observable. « Réessaie » ne donne à l’IA aucune information comparable.

La rédaction de prompts est une boucle : comparez le résultat à la tâche, décrivez l’écart et révisez ce qui a échoué.

Vous pouvez appliquer la même méthode quand le problème concerne le ton, la longueur, le format ou des preuves manquantes :

• « Le résumé s’adresse à des spécialistes. Réécris uniquement l’introduction pour une personne qui ne connaît pas le projet. »
• « La comparaison n’applique pas les mêmes critères aux deux options. Refais le tableau avec le prix, l’accès et les conditions de résiliation pour chacune. »
• « Deux affirmations n’ont pas de source. Supprime-les ou ajoute pour chacune un lien vers la source primaire actuelle qui l’étaye. »

Voilà pourquoi il est préférable de considérer un bon prompt comme un processus de travail plutôt que comme une phrase parfaite. Google décrit la conception de prompts comme un processus itératif, et les recommandations actuelles d’OpenAI préconisent de tester leur comportement à mesure que les modèles et les prompts évoluent. Pour un débutant, l’itération peut se limiter à vérifier un résultat, à nommer un défaut et à essayer l’instruction corrigée.

Un cadre de départ que vous pouvez raccourcir

Utilisez-le lorsqu’une tâche est suffisamment risquée ou complexe pour mériter un cahier des charges :

Tâche :
Utilise [contenu] pour produire [résultat précis] destiné à [lecteur ou situation].

Contexte nécessaire :
[Uniquement les informations susceptibles de changer une réponse correcte.]

À préserver :
[Faits, distinctions, exigences ou limites.]

Ne pas supposer :
[Inconnues que l’IA doit laisser ouvertes ou marquer comme étant à confirmer.]

Résultat :
[Sections, format, longueur ou vérifications qui rendent le résultat exploitable.]

Supprimez tout champ inutile pour la tâche concernée. Puis, avant de vous fier au résultat, demandez-vous : est-il utile, fidèle et vérifiable ? Le prompt aide à décrire la tâche. Vous restez responsable du contrôle des sources, du jugement final et de l’action dans le monde réel.

Références

• OpenAI : Prompt engineering — instructions, exemples, contexte pertinent et évaluation à mesure que les prompts et les modèles évoluent.
• Google AI for Developers : stratégies de conception de prompts — instructions claires, contexte, exemples, formats de réponse et itération.
• Anthropic : vue d’ensemble du prompt engineering — définition des critères de réussite et des tests avant l’optimisation du prompt.
• Anthropic : bonnes pratiques de rédaction de prompts — clarté, contexte, exemples et prompts structurés, y compris des recommandations propres aux modèles.
• NIST AI 600-1 : Generative Artificial Intelligence Profile — affabulation, intégrité de l’information, supervision humaine et risques pour la confidentialité des données.
• Liu et al. : « Lost in the Middle », TACL 2024 — étude empirique de la manière dont les modèles de langage testés utilisent les informations dans de longs contextes.
• Schulhoff et al. : « The Prompt Report » — revue systématique et taxonomie des techniques de prompting.