Formation prompt IA : quatre éléments et trois exercices

La plupart des mauvaises réponses d’une IA ne viennent pas d’un modèle limité. Elles viennent d’une demande qui ne lui donnait pas de quoi construire une bonne réponse. Une formation au prompt n’a pas besoin d’être compliquée : quatre éléments suffisent à couvrir l’essentiel de ce qui se passe au bureau.

Les quatre éléments d’un bon prompt

• —Le rôle et le contexte : qui doit répondre, et dans quelle situation. « Répondez comme un responsable RH qui doit refuser poliment une demande de télétravail » donne un cadre que « rédigez un refus » n’a pas.
• —La tâche précise : ce que vous voulez obtenir, pas seulement un sujet. « Résumez ces notes en trois points » plutôt que « parlez-moi de cette réunion ».
• —La forme attendue : longueur, structure, ton. Sans cela, le modèle choisit à votre place, et son choix par défaut est rarement le bon.
• —Les données réelles à utiliser : vos propres notes, un extrait de document, des chiffres exacts. Sans données, le modèle comble les trous avec quelque chose de plausible plutôt que de vrai.

Un avant/après concret

Les métiers où ce genre d’écrit occupe une vraie part de la semaine ressortent nettement des statistiques d’emploi. Prompt vague : « Écris-moi un message pour annoncer un retard de livraison. » Résultat : un texte poli, générique, qui pourrait convenir à n’importe quelle entreprise et qui, justement pour cela, ne convainc personne.

Prompt complet : « Vous êtes responsable client chez [entreprise]. Un client attend une livraison prévue pour le 12, qui aura trois jours de retard à cause d’un problème logistique chez le transporteur. Écrivez un message court, direct, qui annonce le retard, donne la nouvelle date et propose un geste commercial de 10 %. Pas de formule du type ‘nous vous prions de nous excuser pour la gêne occasionnée’. » Le deuxième donne un texte qui ressemble à ce qu’une personne écrirait vraiment, parce qu’il contient les faits et le ton, pas seulement le sujet.

Trois exercices à faire cette semaine

1. 01Reprenez un e-mail que vous avez envoyé récemment et réécrivez le prompt qui aurait permis d’obtenir un premier jet proche du résultat final. Comparez ce qui manquait à un prompt plus court.
2. 02Demandez un résumé d’un document que vous connaissez déjà par cœur, puis vérifiez ligne par ligne s’il a inventé un détail absent du texte original.
3. 03Donnez la même tâche deux fois, une fois sans contexte, une fois avec vos propres données réelles, et comparez les deux réponses côte à côte.

Ce qu’aucun prompt ne peut faire à votre place

Dès qu’un prompt contient des données personnelles — un nom de client, une adresse — les règles de la CNIL s’appliquent comme partout ailleurs. Même un prompt parfait ne garantit pas une réponse exacte. Le modèle reste aussi sûr de lui quand il se trompe que quand il a raison — un point que les lignes directrices de l’OCDE traitent comme un risque à gérer, pas comme un défaut passager — un chiffre, une date ou un nom inventé peut sonner exactement comme un vrai. C’est pour cela que la vérification reste une étape séparée, jamais une option.

Un bon prompt réduit le travail de correction. Il ne le supprime pas. Les mêmes règles s’appliquent aux nouveaux assistants, comme le montrent les prompts avant/après de ce [tutoriel Muse Spark](/fr/blog/muse-spark-tutoriel).

Pour la question plus simple de la formulation elle-même — faut-il une syntaxe spéciale, le tutoiement change-t-il quelque chose — Comment parler à ChatGPT y répond directement avant d’aller plus loin. Vous retrouverez ce sujet plus en détail dans Formation ChatGPT, qui explique comment juger si une formation entière couvre bien cette étape de vérification. Cette compétence n’est que la deuxième étape d’un parcours plus large, décrit dans Formation IA générative. Pour un exemple appliqué à une tâche précise, Lettre de motivation IA reprend ces quatre éléments sur un cas concret, avec un avant/après complet — et Google Veo 2 montre que le même principe de contexte précis s’applique aussi à la génération vidéo. Sur un texte plus long, IA pour écrire un livre applique le même principe à un plan de chapitre et une fiche de personnage. Dès que la même demande se répète assez souvent pour vouloir la relier à un déclencheur plutôt que de la retaper, Automatisation IA applique ce même principe de contexte précis à un enchaînement plutôt qu’à une seule réponse. Sur un tableau plutôt qu’un texte, Analyse de données Excel avec l’IA montre les quatre mêmes éléments appliqués à une question de calcul. Sur une présentation, Chat PowerPoint applique ce même principe à un plan de diapositives plutôt qu’à un texte continu. Appliqué à un planning de projet plutôt qu’à un texte ou un tableau, Formation intelligence artificielle et gestion de projet montre la même exigence de données réelles avant de faire confiance à un résultat. Sur un document plus long, comme une étude de marché ou de faisabilité, Étude IA applique la même exigence de source citée à chaque affirmation. Une fois le brouillon obtenu, la reprise qui le rend réellement personnel plutôt que générique est détaillée dans Humaniser un texte IA. Pour un premier pas complet avec l’outil, du prompt vague au résultat utilisable, Comment utiliser ChatGPT reprend ces mêmes éléments sur un exemple de bureau. Si l’objectif est de rester sur la version gratuite des outils plutôt que de payer un abonnement, IA prompt gratuit montre où se situent les vraies limites. Sur une affiche plutôt qu’un texte ou une photo, IA affiche applique ce même principe de contexte précis, en séparant le visuel du texte.

Sur la vitesse à laquelle ces modèles évoluent, le Stanford HAI publie chaque année un état des lieux des progrès et des usages. Sur les tâches concrètement automatisables, la DARES étudie en continu quels métiers et quelles activités sont les plus concernés en France.

À essayer dès lundi

1. 01Choisissez une tâche d’écriture que vous refaites chaque semaine et notez, pour une fois, tout le contexte que vous avez dans la tête avant de la donner à l’IA.
2. 02Écrivez le prompt en incluant ce contexte, la forme attendue et les données réelles — pas seulement la demande.
3. 03Comparez le résultat à ce que vous auriez écrit sans IA, et notez précisément ce qu’il faut corriger.
4. 04Gardez ce prompt qui fonctionne quelque part pour la prochaine fois, plutôt que de tout réinventer.

Cette compétence s’applique quel que soit le modèle derrière l’outil — y compris un modèle « open source », pour lequel IA open source détaille ce qui change vraiment pour vos données selon qui l’héberge.

C’est exactement ce que Coursium fait pratiquer, par petites leçons sur votre téléphone. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.