Prompt engineering : écrire de bons prompts (exemples)
Deux personnes posent la même question à la même IA et obtiennent deux réponses de qualité très différente : l’écart tient souvent à la façon de demander. La formation Claude de Dyma apprend à rédiger de meilleures instructions et à structurer ses demandes. Ce guide donne les règles qui marchent, des exemples avant et après, les erreurs fréquentes et une méthode pour écrire le prompt d’un agent. Les exemples visent Claude, mais les principes valent pour ChatGPT ou Gemini. Tout a été vérifié le 11 novembre 2026 sur les guides officiels d’Anthropic, d’OpenAI et de Google. Dyma est indépendante et n’est affiliée à aucun de ces éditeurs.
Prompt engineering, c’est quoi ?
Un prompt est le texte que vous donnez à un modèle d’IA : une question, une consigne, des documents, des exemples. Anthropic définit le prompt engineering comme l’art de structurer ses instructions pour obtenir de meilleurs résultats des modèles. Ce n’est ni une liste de formules magiques ni un jargon : c’est savoir expliquer une tâche à quelqu’un qui ne sait rien de vous.
La documentation d’Anthropic pose trois conditions avant de s’y mettre : une définition claire de ce qu’est une bonne réponse, un moyen de la vérifier, et un premier jet à améliorer. Elle rappelle aussi que tout ne se règle pas par le prompt : un problème de vitesse ou de coût se résout parfois mieux en changeant de modèle, ce que notre guide des modèles Claude détaille.
Les cinq règles d’un bon prompt
Les guides d’Anthropic, d’OpenAI et de Google se recoupent largement. Leurs conseils communs tiennent en cinq règles.
- Soyez clair et direct. Anthropic conseille de voir le modèle comme un employé brillant mais nouveau, qui ne connaît ni vos habitudes ni votre projet. Test simple : un collègue qui ne connaît pas le sujet comprendrait-il votre demande ?
- Donnez le contexte et le pourquoi. Expliquer la raison d’une consigne aide le modèle à généraliser au lieu d’appliquer une règle à l’aveugle.
- Précisez le format et les contraintes. Longueur, ton, public, structure : dites ce que vous voulez recevoir, plutôt que ce que vous ne voulez pas.
- Montrez des exemples. Selon Anthropic, c’est l’un des moyens les plus fiables d’obtenir le format, le ton et la structure voulus.
- Structurez la demande. Séparez consignes, contexte, exemples et données, et numérotez les étapes quand l’ordre compte.
Si vous voulez que le modèle aille au-delà du strict nécessaire, demandez-le explicitement. Anthropic donne l’exemple d’un tableau de bord : « Crée un tableau de bord d’analyse » produit le minimum ; ajouter « avec le plus de fonctions et d’interactions utiles possible, au-delà des bases » donne une version complète.
Exemples avant et après
Les règles se comprennent mieux sur des cas concrets. Chaque ligne reprend une demande vague, puis sa version précise.
| Avant | Après |
|---|---|
| « Écris un e-mail de relance. » | « Écris un e-mail de relance de quatre phrases à un client dont la facture est échue depuis quinze jours. Ton cordial mais ferme, vouvoiement. Termine par une question à laquelle il peut répondre par oui ou non. » |
| « N’utilise jamais de points de suspension. » | « Ta réponse sera lue par une synthèse vocale, qui ne sait pas prononcer les points de suspension : n’en utilise jamais. » (exemple d’Anthropic) |
| « Ne fais pas de listes à puces. » | « Réponds en paragraphes de prose continue. » |
| « Tu peux suggérer des améliorations pour cette fonction ? » | « Modifie cette fonction pour améliorer ses performances. » Avec la première, Claude se contente parfois de suggérer. |
| « Résume ce rapport. » | Le rapport d’abord, puis : « Résume ce rapport en cinq points pour un directeur financier qui ne l’a pas lu. Cite le passage qui justifie chaque point. » |
Dans chaque cas, la version « après » répond aux questions qu’un humain poserait avant de commencer : pour qui, dans quel but, sous quelle forme, avec quelles limites. Le deuxième exemple montre l’intérêt du pourquoi : Claude comprend qu’il écrit pour l’oral, et en tire d’autres conséquences que la seule règle donnée.
Donner du contexte et des exemples
Le contexte, c’est tout ce que vous savez et que le modèle ignore : le public, l’objectif, les contraintes de votre entreprise, le document de référence. Google recommande d’inclure dans le prompt les informations dont le modèle a besoin, pour qu’il réponde à partir de vos sources plutôt que de connaissances générales.
Les exemples, eux, montrent ce que des mots décrivent mal. Anthropic en conseille trois à cinq, pertinents (proches de votre cas réel) et variés (pour que le modèle n’imite pas un détail par hasard). Google recommande d’en mettre toujours, sans en mettre trop, pour éviter que le modèle colle trop à eux. OpenAI conseille de couvrir des entrées variées.
Pour séparer les morceaux, Anthropic suggère des balises de type XML, et OpenAI des titres Markdown ou des balises. Un gabarit simple :
<contexte>
Je gère le support d’une boutique en ligne de matériel de randonnée.
Les réponses partent par e-mail à des clients mécontents.
</contexte>
<exemples>
<exemple>
Client : « Mon colis a une semaine de retard. »
Réponse : « Bonjour Madame Martin, je comprends votre agacement… »
</exemple>
</exemples>
<consigne>
Rédige la réponse au message ci-dessous, sur le ton des exemples,
en moins de 120 mots, et propose une solution concrète.
</consigne>
<message>
{{MESSAGE_DU_CLIENT}}
</message>
Avec un long document (Anthropic parle de 20 000 jetons et plus), placez-le en haut et votre question à la fin : selon ses tests, cela peut améliorer la qualité des réponses jusqu’à 30 %, surtout avec plusieurs documents. C’est un conseil d’Anthropic pour Claude : le guide d’OpenAI place plutôt le contexte vers la fin du prompt, et en tête ce qui se répète d’une requête à l’autre, pour profiter de son cache. Enfin, selon Anthropic, une seule phrase de rôle (« Tu es un développeur Python expérimenté ») change déjà le ton et le niveau des réponses.
Les erreurs fréquentes
Anthropic en recense six dans son article sur les bonnes pratiques du prompt engineering. Elles valent pour tous les assistants.
| Erreur | Ce qu’il faut faire |
|---|---|
| Croire qu’un prompt plus long est meilleur | Écrire ce qui manque au modèle, pas tout ce qu’on sait |
| Empiler les techniques avancées sur une demande floue | Régler d’abord la clarté de la demande |
| Supposer que le modèle devine | Lever les ambiguïtés : public, but, format |
| Utiliser toutes les techniques à la fois | Choisir celle qui répond au problème observé |
| S’arrêter au premier essai | Tester, relire, corriger le prompt |
| Garder des recettes datées | Partir de consignes claires : les modèles récents ont moins besoin de rôles appuyés et d’artifices |
Ajoutons-en une, que le même article traite : oublier d’autoriser le modèle à dire qu’il ne sait pas. Lui permettre de signaler qu’il manque d’informations réduit les réponses inventées. Pour la prise en main de Claude au quotidien, notre guide comment utiliser Claude reprend ces bases dans l’application.
Un prompt pour un agent
Un agent ne se contente pas de répondre : il agit, en modifiant des fichiers, en lançant des commandes, en naviguant sur des sites. Son prompt doit donc dire aussi ce qu’il a le droit de faire. Anthropic note que ses modèles récents suivent les instructions à la lettre : si vous voulez qu’il agisse, demandez-lui d’agir, pas de suggérer.
- Fixez le but et le critère de réussite : « les tests passent », « la page s’affiche sans erreur dans la console ».
- Donnez le contexte durable dans un fichier que l’agent lit à chaque session, comme le CLAUDE.md de Claude Code.
- Bornez les actions : libre pour ce qui se défait (modifier un fichier, lancer les tests), accord obligatoire pour ce qui ne se défait pas (supprimer, pousser, envoyer un message).
- Faites vérifier : un brouillon, une relecture contre vos critères, une correction. Anthropic appelle ce schéma l’autocorrection.
La troisième étape reprend presque mot pour mot un prompt proposé par Anthropic : agir librement pour les actions locales et réversibles, demander avant toute action difficile à annuler, visible par d’autres ou destructrice. Dernier point : un agent lit des pages et des e-mails qui peuvent contenir des instructions cachées. C’est l’injection de prompt, que notre guide de Claude dans Chrome aborde côté navigateur. Notre article sur le fichier CLAUDE.md montre comment écrire le contexte d’un agent de code ; la formation Claude Code et la formation IA pour développeurs, qui traite la conception de prompts et les injections, vont plus loin.
Questions fréquentes
Qu’est-ce qu’un prompt ?
Ces règles valent-elles pour ChatGPT et Gemini ?
Combien d’exemples faut-il donner ?
Faut-il donner un rôle à l’IA ?
Existe-t-il des outils pour écrire un prompt ?
