Le mot circule partout, dans les réunions, les formations, les conversations entre collègues. Beaucoup de gens l’ont entendu sans jamais oser demander ce qu’il recouvre exactement, et préfèrent hocher la tête. Pourtant la chose est simple. Un prompt, c’est une demande. Rien de plus, mais rien de moins non plus.
Un prompt, c’est une demande écrite en français
Quand vous demandez à un modèle de langage de résumer un texte, de rédiger un courriel ou d’expliquer une notion, la phrase que vous tapez est le prompt. La documentation de Google en donne une définition officielle : la conception de requêtes est « le processus de création de requêtes, ou demandes en langage naturel, qui permettent d’obtenir des réponses précises et de haute qualité à partir d’un modèle de langage » (Google, stratégies de conception des invites). Ce document officiel décrit donc exactement ce que fait tout utilisateur au quotidien : on écrit une phrase, on obtient une réponse.
Ce n’est ni un réglage caché, ni un mot de passe technique. La même page insiste sur un point souvent oublié : une consigne efficace commence par des instructions claires et spécifiques. Autrement dit, la qualité de la réponse dépend d’abord de la précision de la demande. Le reste vient après.
Pourquoi la même question donne-t-elle deux réponses différentes ?
Parce qu’un modèle de langage travaille uniquement sur les mots qu’on lui donne. Il ne complète pas les trous, il répond à ce qui est écrit. Si la demande reste vague, la réponse reste vague, et elle variera selon la façon dont la phrase est tournée.
Prenez une demande comme « parle-moi de mon marché ». Le cas se voit aussi dans les usages quotidiens de ChatGPT en TPE. Aucun modèle ne peut savoir s’il s’agit du marché local, du marché européen, de vos concurrents, de vos clients ou de vos prix. Ajoutez la ville, le secteur, le type de client visé, et la réponse change du tout au tout. Ce n’est pas de la magie, c’est de la lecture attentive. Un modèle ne peut pas travailler avec une information qu’on n’a pas écrite.
La documentation d’OpenAI résume l’objectif de la même manière : il s’agit d’améliorer les résultats grâce à des stratégies de rédaction de requêtes (guide Prompt engineering d’OpenAI). Le principe est identique chez les deux fournisseurs : mieux formuler, mieux obtenir.
Trois exemples de reformulation pour le travail courant
Les situations professionnelles se ressemblent souvent. Voici trois cas ordinaires, avec la version vague et la version précise, pour voir ce qui change concrètement.
Rédiger un devis
La demande floue ressemble à « fais-moi un devis ». Le modèle ne connaît ni le métier, ni la prestation, ni le client. Une version précise décrit la situation : « rédige un devis pour la pose d’un parquet dans un appartement de trois pièces, avec une ligne pour la fourniture, une ligne pour la main-d’œuvre et une ligne pour l’évacuation des gravats ». La structure demandée reste la même d’un devis à l’autre, seul le contenu change. Le même principe s’applique à la génération d’images, où la description remplace la phrase.
Résumer un contrat
« Résume ce contrat » produit un résumé générique. « Résume ce contrat en trois paragraphes, en listant les dates d’engagement, les conditions de résiliation et les pénalités prévues » produit une fiche utilisable en réunion. La différence ne tient pas à la longueur du texte envoyé, elle tient au critère de tri demandé. Vous décidez de ce qui compte avant même de lire la réponse.
Préparer un courriel client
Un courriel demandé sans contexte sort plat et impersonnel. Précisez le destinataire, le ton attendu, la raison du message et le résultat souhaité : « écris un courriel à un client mécontent d’un retard de livraison, ton calme et factuel, qui annonce une nouvelle date et propose un geste commercial ». La réponse devient un brouillon proche du but, au lieu d’un texte à réécrire entièrement.
Faut-il apprendre un langage spécial ?
Non. C’est probablement la confusion la plus répandue. On imagine une syntaxe, des commandes, des mots-clés réservés. Il n’y en a pas. Aucune syntaxe n’est réservée : une demande écrite en français courant fonctionne, y compris avec des fautes de frappe et des phrases courtes.
Ce qui aide, en revanche, c’est la rigueur de la description : dire qui parle, à qui, dans quel but, avec quelles contraintes. Ces éléments existent déjà dans votre tête quand vous confiez un travail à quelqu’un. Il s’agit simplement de les écrire au lieu de les garder pour soi.
L’erreur la plus fréquente : croire la première réponse définitive
C’est ici que naissent la plupart des déceptions. On pose une question, la réponse déçoit un peu, et on conclut que l’outil ne vaut rien. La documentation de Google dit l’inverse : « Le prompt engineering est un processus itératif. Ces consignes et modèles sont des points de départ » (Google, stratégies de conception des invites). Le premier essai est un brouillon, jamais un verdict.
Concrètement, cela veut dire qu’on répond au modèle comme à un collègue : « c’est trop long », « garde le même plan mais enlève le paragraphe sur les prix », « reprends la deuxième phrase avec un ton plus neutre ». Chaque précision resserre la réponse suivante. Le travail tient dans ces allers-retours, pas dans une phrase magique trouvée du premier coup.
Un point pratique : restez dans la même conversation. Reprendre à zéro à chaque essai oblige à réécrire tout le contexte, et le modèle perd ce qui avait déjà été validé.
Ce qu’un prompt n’est pas
Un prompt n’est pas du code. Aucune ligne de programmation n’est nécessaire, et apprendre un langage informatique ne rendra pas vos demandes meilleures. Ce n’est pas non plus un réglage caché que seuls les initiés connaîtraient : il n’existe pas de formule secrète réservée à quelques personnes.
Il ne remplace pas davantage votre expertise. Un modèle de langage produit du texte à partir d’une demande, mais il ne connaît ni votre client, ni votre historique, ni vos contraintes internes. Ses limites sont décrites dans les risques de l’IA pour une TPE, notamment les réponses inventées. Ces éléments n’existent pour lui que si vous les écrivez.
Questions fréquentes
Un prompt, c’est juste une question ?
Presque. Une question en fait partie, mais une demande peut aussi prendre la forme d’une consigne (« résume ce texte »), d’un format attendu (« en trois points ») ou d’un rôle (« explique comme à un débutant »).
Faut-il écrire en anglais ?
Non. Une demande rédigée en français fonctionne. Le choix de la langue dépend surtout de la langue dans laquelle vous attendez la réponse.
Faut-il beaucoup de temps pour bien formuler ?
Quelques précisions suffisent souvent à changer la réponse. L’essentiel consiste à décrire le contexte, l’objectif et le format attendu.
Pourquoi la réponse change-t-elle alors que je pose la même question ?
Le moindre détail de formulation compte : un mot ajouté, un ordre de consignes différent, un contexte oublié. Le modèle répond à ce qui est écrit, pas à ce que vous aviez en tête.
Un prompt peut-il remplacer un professionnel ?
Non. Il peut accélérer la production d’un premier jet, d’un résumé ou d’un brouillon. La vérification, la décision et la responsabilité restent du côté humain.
Comment savoir si une demande est assez précise ?
Un test simple : la relire comme si vous ne connaissiez ni votre métier ni votre client. Si des informations indispensables manquent, la demande manque de contexte.
Sources
- Google, stratégies de conception des invites (documentation officielle, version française)
- OpenAI, guide Prompt engineering (documentation officielle)