Qu'est-ce que le prompt engineering ? Guide pratique pour les non-développeurs
Le prompt engineering consiste à rédiger et à affiner les instructions données à un modèle d'IA pour qu'il produise de façon fiable ce que vous voulez. Un prompt, c'est tout ce que vous donnez au modèle : une question, une tâche, du contexte, des exemples. Le faire bien, c'est choisir avec soin ce qui entre, tester ce qui en sort et ajuster. Il s'agit moins de formules magiques que de communication claire.
Pourquoi c'est important quand on crée avec l'IA
Avec un générateur d'applications par IA, vos prompts tiennent lieu de cahier des charges. L'IA ne peut construire que ce que vous décrivez, et quand votre demande laisse des zones floues, elle comble les vides par des suppositions plausibles. Parfois elles sont bonnes. Souvent, elles ne correspondent pas à ce que vous vouliez : mauvais champs dans un formulaire, fonctionnalité superflue, design qui ne convient pas à votre public.
Un prompt clair vous évite plusieurs allers-retours de corrections, et chacun coûte du temps et, en général, des crédits. Le prompt compte aussi si vous ajoutez de l'IA à l'intérieur de votre application : les instructions que vous donnez à ce modèle déterminent la façon dont votre chatbot parle à vos clients, ce qu'il refuse et s'il s'en tient à vos informations. Pour la création d'applications en particulier, voir comment écrire des prompts pour les générateurs d'applications IA.
Une analogie du quotidien
Imaginez que vous donnez un brief à un freelance compétent qui ne vous connaît pas, ignore tout de votre activité et commencera à travailler dès que vous aurez fini de parler.
« Fais-moi un logo » donne un logo. « Un logo pour une école de natation pour enfants à Dubaï ; sympathique, pas puéril ; bleu et orange ; doit rester lisible en petit sur un bonnet de bain ; voici deux logos que nous aimons et un que nous n'aimons pas » donne quelque chose de proche de ce que vous voulez.
Un modèle d'IA, c'est ce freelance : talentueux, rapide et entièrement dépendant de votre brief. Le prompt engineering consiste à apprendre à bien rédiger un brief.
Les techniques essentielles
| Technique | Ce que cela signifie | Exemple |
|---|---|---|
| Être précis sur l'objectif | Dites ce que vous voulez et pourquoi. | « Une page de réservation pour que les nouveaux clients choisissent une séance de 30 ou 60 minutes. » |
| Donner du contexte | Pour qui c'est, ce qui existe déjà, ce qui compte. | « Les utilisateurs sont surtout des clients plus âgés, sur téléphone. » |
| Définir « terminé » | Décrivez le résultat final. | « C'est terminé quand un client peut réserver et que je reçois un e-mail. » |
| Poser des contraintes | Ce qu'il ne faut pas faire, et les limites. | « Ne pas ajouter de connexion pour l'instant. Garder les couleurs existantes. » |
| Montrer des exemples | Donnez un échantillon de ce qui est réussi. | « Rédige la réponse dans ce style : … » |
| Demander un format | Indiquez comment structurer la réponse. | « Réponds sous forme de tableau avec les colonnes X, Y, Z. » |
| Découper en étapes | Une pièce à la fois pour les gros chantiers. | « D'abord le modèle de données, puis le formulaire, puis les e-mails. » |
| Laisser l'IA poser des questions ou planifier d'abord | Obtenir un plan avant toute modification. | « Avant de construire, liste tes questions et un plan. » |
| Itérer | Vérifiez le résultat et affinez. | « Le formulaire fonctionne. Agrandis maintenant le sélecteur de date. » |
Un exemple concret : avant et après
Avant :
Fais-moi une application de salle de sport.
L'IA doit deviner tout le reste : des membres ou du personnel ? Des cours collectifs ou du coaching individuel ? Des paiements ? Vous obtiendrez probablement un tableau de bord générique avec des séances d'entraînement inventées.
Après :
Crée une application web pour une petite salle de boxe d'environ 150 membres.
Qui l'utilise : les membres réservent leurs cours sur leur téléphone. La propriétaire, Sam, gère le planning sur un ordinateur portable.
Les membres peuvent : consulter les cours de la semaine (horaire, coach, places restantes) et réserver ou annuler jusqu'à 2 heures avant le début.
Sam peut : ajouter, modifier et annuler des cours, et voir qui est inscrit à chacun.
Règles : 12 personnes maximum par cours. Pas de double réservation sur le même créneau.
Pas pour l'instant : paiements, suivi des entraînements, application mobile.
Style : fond sombre, accents rouges, grandes zones tactiles.
Avant de construire, liste tout ce qui n'est pas clair et décris les pages que tu vas créer.
Le second prompt n'a rien d'astucieux, il est complet. Il nomme les utilisateurs, les actions, les règles, ce qu'il faut laisser de côté et la manière de commencer. La dernière ligne invite l'IA à planifier et à poser des questions, ce qui permet de repérer les malentendus avant l'écriture du moindre code.
Les prompts à l'intérieur de votre application
Quand votre application appelle elle-même un LLM, vous rédigez des prompts qui s'exécutent des milliers de fois, pour de nombreux utilisateurs. Les mêmes principes s'appliquent, avec quelques points en plus :
- Prompt système : instructions permanentes qui façonnent chaque réponse : rôle, ton, règles. « Tu es l'assistant de Leaf & Pot, une boutique de plantes. Ne réponds qu'aux questions sur les commandes, les plantes et la livraison. »
- Ancrage : incluez les faits que le modèle doit utiliser, comme vos politiques ou votre catalogue de produits, et demandez-lui de s'y fier. Voir qu'est-ce qu'un LLM pour comprendre pourquoi c'est essentiel.
- Solutions de repli : indiquez-lui quoi faire en cas de doute : « Si la réponse ne figure pas dans les informations fournies, dis-le et propose l'adresse e-mail du support. »
- Format de sortie : si votre code lit la réponse, demandez un format strict, comme du JSON.
- Tests : essayez des entrées délicates (messages grossiers, questions hors sujet, tentatives pour lui faire ignorer ses instructions, appelées injection de prompt) avant que de vrais utilisateurs ne le fassent.
Termes clés expliqués
| Terme | Ce que cela signifie |
|---|---|
| Prompt | L'entrée que vous donnez à un modèle d'IA. |
| Prompt système | Instructions permanentes définies avant la conversation. |
| Contexte | Informations de fond incluses dans le prompt. |
| Zero-shot / few-shot | Demander sans exemple, ou avec quelques exemples du résultat souhaité. |
| Chaîne de raisonnement | Demander au modèle de résoudre un problème étape par étape avant de répondre. |
| Ancrage | Fournir au modèle des sources et lui demander de fonder ses réponses dessus. |
| Injection de prompt | Un texte qui tente de remplacer les instructions du modèle, par exemple « ignore les instructions précédentes ». |
| Fenêtre de contexte | La quantité de texte que le modèle peut prendre en compte à la fois. |
| Itération | Affiner un prompt à partir de ce qui a été produit. |
Erreurs courantes et idées reçues
- Chercher des formules magiques. « Tu es un expert de classe mondiale » compte bien moins que de dire ce dont vous avez réellement besoin.
- Tout demander d'un coup. Une demande de 20 fonctionnalités produit 20 fonctionnalités à moitié finies. Construisez par tranches.
- Décrire la solution au lieu du problème. « Ajoute un tableau à trois colonnes » est moins utile que « Sam doit voir d'un coup d'œil qui est inscrit à chaque cours ».
- Oublier ce qu'il ne faut pas faire. Si vous ne voulez pas de connexion, de paiements ou de refonte pour l'instant, dites-le.
- Ne pas relire le résultat. Testez ce qui a été construit par rapport à votre définition de « terminé » avant de passer à la suite.
- Recommencer au lieu d'affiner. En général, une courte demande de suivi (« c'est proche ; change X ») vaut mieux que de réécrire tout le prompt.
- Coller des secrets dans les prompts. Ne collez pas de mots de passe ni de clés d'API actives dans le chat, sauf si l'outil dispose d'un moyen sécurisé de les stocker.
Que demander à votre générateur d'applications IA
- « Avant de construire, pose-moi toutes tes questions et montre-moi ton plan. »
- « Reformule en trois phrases ce que je veux, selon toi. »
- « Ne modifie que le formulaire de réservation ; ne touche à rien d'autre. »
- « Qu'as-tu supposé que je n'ai pas précisé ? »
- « Transforme mes notes en un court cahier des charges avec les utilisateurs, les fonctionnalités, les règles et les éléments « pas pour l'instant ». » Voir comment rédiger un document d'exigences produit avec l'IA.
- « Propose-moi comment j'aurais pu mieux formuler cette demande. »
Prompter dans Mythex
Mythex propose trois modes de discussion adaptés à cette façon de travailler : Plan pour convenir d'une approche avant toute modification, Build pour effectuer les changements, et Ask pour poser des questions sans modifier de fichiers. Vous pouvez joindre des captures d'écran ou des maquettes comme contexte, et si une modification tourne mal, vous pouvez revenir à un point de contrôle. Les pages de documentation sur les prompts efficaces et l'itération contiennent d'autres exemples, et comment itérer sur une application créée avec l'IA détaille la boucle de suivi.
Questions
Qu'est-ce que le prompt engineering, en termes simples ?
Le prompt engineering, c'est l'art de rédiger et d'affiner les instructions données à un modèle d'IA pour qu'il produise de façon fiable le résultat attendu. Il couvre ce que vous demandez, le contexte que vous donnez, les exemples, les contraintes et le format de réponse souhaité.
Faut-il des astuces particulières ou des formules magiques ?
Pas vraiment. Les modèles actuels répondent mieux à des instructions claires, précises et bien organisées, exactement ce qui aide un collègue humain. Le contexte, des exemples et une description claire du résultat final comptent bien plus que des formules spéciales.
Qu'est-ce qu'un prompt système ?
Un prompt système est un ensemble d'instructions permanentes donné au modèle avant la conversation, par exemple son rôle, ses règles et son ton. Les applications s'en servent pour façonner chaque réponse, les messages de l'utilisateur venant ensuite.
Le prompt engineering reste-t-il utile à mesure que l'IA progresse ?
Les modèles plus performants ont besoin de moins de contournements, mais ils ne lisent toujours pas dans vos pensées. Préciser votre objectif, votre public, vos contraintes et ce que « terminé » signifie améliorera toujours les résultats, car le modèle ne peut travailler qu'avec ce que vous lui dites.