Comment un LLM lit réellement ton prompt
Quand tu écris à une IA, elle ne lit pas ton texte comme le ferait un humain. Elle ne « comprend » pas réellement ce que tu veux dire. À la place, elle compare tes mots à d'immenses volumes de données textuelles qu'elle a déjà assimilés et prédit quelle réponse est la plus susceptible de suivre.
C'est pourquoi l'IA peut parfois donner des réponses exceptionnelles… et d'autres fois passer complètement à côté de la plaque.
Voici ce que tu dois savoir :
- L'IA travaille uniquement avec ce que tu écris réellement. Si ta question est floue ou imprécise, la réponse le sera généralement aussi.
- Chaque mot compte. Une formulation familière entraînera des réponses plus informelles. Des consignes claires et spécifiques garantissent des résultats plus précis.
- Si tu omets des détails cruciaux, l'IA comblera les vides d'elle-même. Généralement avec la supposition la plus moyenne ou statistiquement la plus probable, qui correspond rarement à ce que tu espérais.
- L'IA est conçue pour avoir l'air convaincante, pas pour être infaillible. Cela signifie qu'elle peut parfois t'offrir une réponse parfaitement fausse d'un ton parfaitement assuré et professionnel.
Les cinq axesCe que nous mesurons, et pourquoi
Chaque prompt conserve la même échelle en cinq parties, de 0 à 100. La clarté de l'objectif est toujours notée ; le contexte, le format, les contraintes et les exemples peuvent être marqués « Non nécessaire ».
Axe 1 — Clarté de l'objectif – Dis exactement ce que tu veux
Un LLM ne peut pas lire dans tes pensées. L'objectif structure tout le reste ; si tu te trompes ici, même le meilleur format de sortie ne pourra pas te sauver.
L'IA fonctionne en repérant des schémas récurrents dans le texte. Lorsqu'un prompt est vague ou ambigu, le modèle cherche à deviner le sens le plus commun ou le plus « moyen » derrière tes mots, ce qui correspond rarement à ton intention réelle. Définir un objectif limpide permet de cadrer l'IA. Plus la tâche est spécifique, moins le modèle a besoin de deviner, ce qui mène à des résultats bien plus précis et prévisibles.
Quand cela est indispensable
- Les prompts clairs sont particulièrement importants lorsque tu attends de l'IA une création concrète : du texte rédigé, du code, une analyse ou un résumé. Ils sont également capitaux lorsque les mots employés ont plusieurs significations (par exemple, « Python » peut désigner le serpent ou le langage de programmation). Enfin, ils comptent si tu prévois d'évaluer la qualité du résultat, car un prompt flou rend impossible toute évaluation objective.
Quand tu peux être plus souple
- Le brainstorming libre est une des rares situations où tu n'as pas besoin de prompts rigides, puisque le but est d'explorer un large éventail d'idées et de pistes différentes. C'est également le cas pour les discussions informelles avec l'IA, où tu peux affiner le résultat étape par étape de manière naturelle.
Contre-exemple
Parle-moi de marketing.
- « Parle-moi de marketing » est un prompt extrêmement vague. Il n'explique pas quel type de réponse est attendu, car le marketing est un domaine gigantesque. L'IA doit maintenant deviner : veux-tu une explication pour débutant, des stratégies de vente, l'histoire du marketing, des astuces pour les réseaux sociaux ou tout autre chose ?
Meilleure version
Rédige un guide d'une page destiné à un fondateur de startup débutant, expliquant la différence entre le marketing de marque (brand marketing) et le marketing à la performance (performance marketing), et précisant quand utiliser chacun d'eux.
- Verbe d'action (« Rédige ») + livrable concret (« guide d'une page »).
- Le sujet est ultra-précis : marque vs performance, orienté vers une aide à la décision.
- Des critères de réussite implicites que le lecteur peut directement vérifier.
Piège classique: Accumuler trois objectifs distincts dans un seul prompt (« résume, traduis et réécris sous forme de poème »). Sépare les tâches, sinon le modèle exécutera les trois à moitié.
Axe 2 — Contexte – Explique le qui, le pourquoi et le où
Le contexte fait toute la différence entre une réponse générique standardisée et un résultat qui s'adapte précisément à ton cas réel.
Par défaut, l'IA assume qu'elle écrit pour l'internaute moyen. Sans détails sur le destinataire de la réponse ou l'usage que tu en feras, le résultat sonnera souvent impersonnel. Fournir du contexte aide l'IA à moduler son ton, son vocabulaire et son niveau de détail pour s'aligner exactement sur tes besoins réels.
Quand cela est indispensable
- Le contexte est fondamental si la réponse s'adresse à un public bien précis (un dirigeant, un développeur, un enfant ou un expert). Il l'est tout autant dans des secteurs très spécialisés où le jargon, les normes industrielles ou la technicité sont essentiels, ou encore si le texte généré doit s'intégrer directement dans un processus ou des outils existants aux exigences strictes.
Quand tu peux être plus souple
- Les questions factuelles simples, les définitions ou les opérations de transformation de texte basiques se passent aisément de contexte, car la nature même de la tâche est univoque.
Contre-exemple
Explique les bases de données.
- « Explique les bases de données » est un prompt faible car l'IA ignore à qui l'explication est destinée. Le lecteur pourrait être un enfant, un développeur junior ou un administrateur système aguerri ; chacun d'eux nécessite un niveau de vulgarisation radicalement différent. L'IA ignore aussi si le but est d'étudier, d'enseigner ou de résoudre une panne. La réponse sera donc un texte encyclopédique générique de peu d'utilité pratique.
Meilleure version
Explique la différence entre les bases de données relationnelles et orientées documents à un ingénieur backend junior qui vient de déployer sa première application CRUD et s'apprête à choisir un stockage pour un SaaS multi-tenant. Concentre-toi sur les compromis concrets auxquels il sera confronté dans les 6 prochains mois.
- Public cible clair avec un niveau de compétence identifié.
- L'objectif déclaré cadre la profondeur et la structure de l'explication.
- L'horizon temporel (« 6 prochains mois ») indique au modèle ce qu'il doit prioriser.
Piège classique: Surcharger le prompt de détails biographiques inutiles. Le contexte doit affiner la réponse, pas gonfler artificiellement le prompt. Si une phrase ne modifie pas le résultat final, supprime-la.
Axe 3 — Format de sortie – Structure la réponse de manière délibérée
Si tu n'indiques pas à l'IA quelle forme de réponse tu souhaites, elle choisira pour toi. La plupart du temps, cela se traduira par de longs blocs de texte indigestes, même lorsqu'un tableau, une liste ou un résumé court aurait été beaucoup plus pratique.
Les instructions de formatage sont l'un des leviers les plus simples et les plus redoutables pour améliorer les réponses de l'IA. Une simple consigne comme « réponds sous forme de tableau de 5 lignes » transforme instantanément un texte désordonné en un document structuré, prêt à l'emploi. Un format adapté rend les réponses plus faciles à lire, à analyser ou à exploiter dans d'autres applications.
Quand cela est indispensable
- Le format est primordial lorsque le résultat doit être parcouru rapidement, car les listes, tableaux et titres se scannent visuellement bien mieux que des paragraphes continus. C'est également indispensable si un autre outil informatique doit traiter le résultat automatiquement (JSON, CSV, code informatique), ou si tu as besoin de concision.
Quand tu peux être plus souple
- La rédaction créative ou littéraire, où une structure trop rigide briderait la fluidité de l'écriture et le style.
- Les discussions informelles en mode chat où la spontanéité prime sur la mise en page.
Contre-exemple
Compare React, Vue et Svelte.
- « Compare React, Vue et Svelte » est un prompt incomplet car il ne spécifie pas la structure de la comparaison. L'IA va probablement générer plusieurs paragraphes denses et difficiles à mettre en miroir. L'absence de limites de longueur risque de produire un texte soit trop court, soit inutilement verbeux, obligeant à trier les informations manuellement.
Meilleure version
Compare React, Vue et Svelte sous forme de tableau Markdown contenant les colonnes suivantes : courbe d'apprentissage, performances, maturité de l'écosystème et marché de l'emploi. Ajoute à la fin une recommandation synthétique en 2 phrases pour une startup qui doit faire ce choix aujourd'hui.
- Structure explicite (tableau Markdown) et axes d'analyse définis (colonnes).
- Une limite de taille stricte (« 2 phrases ») pour éviter les digressions.
- Des colonnes fixes qui garantissent une réelle comparabilité des cellules entre elles.
Piège classique: Demander une sortie au format JSON sans fournir la structure exacte attendue. En l'absence de clés précises, le modèle inventera les siennes, ce qui entraînera des erreurs de décodage. Montre toujours le schéma JSON vide que tu attends du modèle.
Axe 4 — Contraintes – Fixe des limites claires à la réponse
Les contraintes indiquent au modèle ce qu'il ne doit PAS faire — et c'est souvent bien plus efficace que de simplement lui dire quoi faire.
Sans limites ou règles bien définies, l'IA a tendance à donner des réponses très généralistes, trop longues et truffées d'explications superflues ou de précautions oratoires. Des contraintes de longueur, de sujet ou de style de rédaction garantissent une réponse focalisée et immédiatement exploitable sans nécessiter de retouches majeures.
Quand cela est indispensable
- Les contraintes sont indispensables pour respecter des limites techniques strictes (nombre de caractères, limites de mots, ou utilisation d'outils et de bibliothèques logicielles spécifiques). Elles sont précieuses pour éliminer les tics de langage habituels de l'IA (comme le fameux « En tant que modèle d'IA... » ou des excuses à répétition) ainsi que les éléments visuels non désirés comme les émojis.
Quand tu peux être plus souple
- Durant la phase exploratoire d'idéation, où les contraintes pourraient bloquer la créativité et t'empêcher de découvrir des solutions inattendues.
- Lorsque les règles découlent de manière évidente de la situation et n'ont pas besoin d'être explicitées.
Contre-exemple
Rédige un bon titre de page d'accueil pour notre application.
- « Bon » n'est pas une contrainte, c'est un souhait.
- Aucune limite de longueur, pas de cible définie, pas de termes interdits.
- Tu obtiendras un cliché du genre « Révolutionnez votre productivité grâce à l'IA... » et tu auras envie de crier.
Meilleure version
Rédige 5 options de titre de page d'accueil pour un outil d'observabilité destiné aux développeurs. Règles strictes : maximum 8 mots, aucun mot galvaudé du marketing (« synergie », « révolutionner », « libérer le potentiel »), aucune question, doit inclure un bénéfice concret (gain de temps, détection d'erreurs, réduction des alertes), et doit fonctionner sans point d'exclamation.
- Consignes précises sur le nombre d'options (5), la taille (8 mots) et les termes bannis.
- Combinaison de contraintes positives (« inclure un bénéfice ») et négatives.
- Anticipation des biais et des erreurs classiques de l'IA.
Piège classique: Empiler trop de contraintes au point qu'elles finissent par se contredire. Si l'IA ne peut pas respecter toutes les consignes à la fois, elle choisira elle-même la règle à ignorer, ce qui ne correspondra pas forcément à tes priorités. Garde tes contraintes réalistes, claires et ordonnées.
Axe 5 — Examples – Montre au lieu de simplement raconter
Un seul exemple concret vaut mieux qu'une longue explication parsemée d'adjectifs comme « professionnel », « créatif » ou « naturel ». Les modèles d'IA assimilent très vite les structures par l'exemple, et s'y conforment de manière bien plus fiable qu'à des consignes abstraites.
Cette technique est souvent appelée « few-shot prompting ». Les exemples peuvent aider pour un style, une transformation, un schéma ou des cas limites difficiles, mais ils doivent être représentatifs et sont inutiles lorsque la consigne définit déjà clairement le résultat.
Quand cela est indispensable
- Les exemples sont indispensables lorsque le ton ou le style d'écriture est difficile à formaliser avec des mots mais immédiatement identifiable à la lecture. Ils sont tout aussi cruciaux pour les tâches de transformation ou de conversion de données complexes, ou pour apprendre au modèle à réagir correctement face à des erreurs d'entrée connues.
Quand tu peux être plus souple
- Pour des tâches simples et ponctuelles où la rédaction d'un exemple prendrait plus de temps que la correction manuelle de la réponse générée.
Contre-exemple
Réécris mes descriptions de produits pour qu'elles aient l'air plus haut de gamme.
- Le terme « haut de gamme » n'a pas la même signification pour Apple, une marque d'horlogerie de luxe ou un grand restaurant.
- Aucun modèle avant/après pour ancrer la transformation souhaitée.
- Le modèle va spéculer sur ta vision du « haut de gamme » et le résultat ne te plaira pas.
Meilleure version
Réécris les descriptions de produits dans le style d'une marque d'ameublement minimaliste et luxueuse (quiet luxury). Suis exactement ce schéma :
Avant : « T-shirt 100 % coton super doux, idéal pour tous les jours ! »
Après : « Un t-shirt en coton aérien, taillé pour les longs après-midis de détente. »
Réécris maintenant les descriptions suivantes en appliquant ce style : [liste]
- Un binôme avant/après illustre parfaitement la transformation.
- Le ton se comprend de lui-même grâce au modèle, sans adjectifs subjectifs.
- L'IA applique fidèlement la structure observée à ta liste de travail.
Piège classique: Fournir des exemples qui contredisent les consignes. Le modèle peut suivre le schéma montré plutôt que la règle ; vérifie donc que chaque exemple représente bien le comportement souhaité.