L'anatomie d'un prompt : rôle, contexte, tâche, contraintes, format

Après avoir utilisé ChatGPT ou Claude pendant un certain temps, vous commencez à remarquer que les prompts plus ou moins efficaces ont une structure reconnaissable. Dès que vous savez en nommer les parties pertinentes, vous pouvez diagnostiquer un résultat décevant au lieu de réécrire à l’aveugle.

Les cinq ingrédients sont présentés ci-dessous avec des exemples détaillés, puis assemblés. À la fin, vous disposerez d’un modèle adaptable aux prompts importants dans différents outils, ainsi que d’une étape de validation pour contrôler le résultat.

Pour les tâches récurrentes, considérez le prompt comme un contrat de tâche. Il devrait spécifier le rôle, le contexte, la tâche, les contraintes, le format de sortie et la manière dont l’incertitude doit être gérée. Cela rend le prompt réutilisable et révisable.

Les cinq parties

Dans l’ordre :

1. Rôle : quelle perspective ou posture de travail l’IA doit-elle adopter pour ce prompt ?
2. Contexte : qui vous êtes, la situation et ce qui s’est produit jusqu’à présent.
3. Tâche : ce que vous souhaitez exactement que l’IA fasse.
4. Contraintes : longueur, ton, éléments à éviter et éléments à inclure.
5. Format : la forme du résultat que vous souhaitez.

Les cinq ne figurent pas dans chaque prompt. Une question informelle n’en a pas besoin, et des exemples ou des sources peuvent compter davantage qu’un rôle. Lorsque le résultat importe, utilisez la liste comme outil de diagnostic plutôt que comme formule obligatoire. Les recommandations actuelles des fournisseurs soulignent elles aussi l’importance d’instructions claires, d’un contexte pertinent, d’exemples, d’exigences de sortie et d’une évaluation, bien qu’aucun fournisseur ne définisse exactement cette norme en cinq parties (guide d’OpenAI sur les prompts ; présentation d’Anthropic sur les prompts).

1. Rôle

Le rôle désigne la perspective ou la posture de travail que vous souhaitez voir utiliser par le modèle. Il peut aider à définir le public, le vocabulaire et l’approche attendus, mais une instruction directe sur la tâche peut fonctionner tout aussi bien. Un rôle ne confère pas au modèle de qualifications réelles ni un jugement professionnel qu’il ne possède pas.

Faible :

Expliquez les fonds de pension.

Meilleur :

Vous expliquez clairement aux salariés en milieu de carrière en Estonie le fonctionnement des régimes de retraite. Vous employez un langage simple, définissez le jargon une fois et restez au niveau des concepts : aucun choix de produit, montant de cotisation ou plan de retraite personnel.

Expliquez le fonctionnement conceptuel des fonds de pension.

Le modèle ne devient pas conseiller. L’instruction lui demande d’adopter le style et la densité d’un texte explicatif clair. Cela peut rendre la réponse plus concrète sans transformer une demande pédagogique en conseil réglementé.

Quelques notes sur les rôles :

• Préférez les détails pertinents pour la tâche. « Une personne qui explique soigneusement la comptabilité des entreprises estoniennes et distingue les concepts des conseils relatifs aux déclarations » fixe des limites plus claires que « un expert ».
• Utilisez les rôles pour définir le public, le ton et le périmètre, pas pour déposer une déclaration ou conseiller. Un rôle n’est ni une licence ni une preuve d’expertise.
• Une posture telle que « réviseur sceptique », « professeur patient » ou « éditeur prudent » peut être utile lorsqu’elle modifie le comportement demandé. Si la cohérence importe, comparez-la à des instructions concrètes équivalentes.
• Évitez les biographies inventées et l’accumulation de titres prestigieux. « Vous êtes une autorité mondiale possédant vingt ans d’expérience » ne crée pas ces qualifications. Indiquez plutôt la méthode, le public et les limites nécessaires.

2. Contexte

Le contexte réunit tout ce que le modèle doit savoir sur votre situation et qui ne ressort pas de la tâche elle-même : votre rôle, votre équipe, le projet en cours, les tentatives déjà effectuées, les échecs, le public visé et tout ce qui détermine la forme d’une bonne réponse.

Faible :

Rédigez une mise à jour de projet pour mon manager.

Meilleur :

À propos de moi : je suis un responsable produit dans une entreprise de logiciels SaaS B2B à Tallinn. J’ai mené un projet pour migrer notre système d’authentification, qui a commencé il y a deux mois.

Ce qui s’est produit : nous avons rencontré un problème majeur la semaine dernière avec un fournisseur d’identité tiers. La correction entraîne un retard de livraison de deux semaines. Pour le reste, l’équipe progresse bien.

Mon responsable : vice-président expérimenté chargé du produit. Il préfère les mises à jour très directes, déteste les excuses et les formules creuses comme « nous sommes engagés », et veut connaître les risques ainsi que les mesures que je prends.

Rédigez une mise à jour de projet.

Observez à quel point la réponse change lorsque le modèle sait qui vous êtes, ce qui s’est produit et qui lira le texte. Il ne s’agit pas d’ajouter du contexte sans raison : chaque ligne façonne le résultat.

Trois champs de contexte à vérifier :

• Qui vous êtes. Votre rôle, votre niveau hiérarchique, ce que vous faites.
• Ce qui s’est déjà produit. L’histoire, les tentatives précédentes, les décisions antérieures.
• À qui le résultat est destiné. Le public, ses préférences, son expertise et ses contraintes.

Si vous exécutez régulièrement le même type de prompt approuvé, vous pouvez enregistrer des instructions stables dans un GPT personnalisé ou un Projet Claude, si votre offre et votre espace de travail prennent en charge cette fonction. N’y placez pas de données confidentielles ou réglementées sauf si le compte, le contrat et la politique de l’organisation l’autorisent, et réexaminez les instructions enregistrées lorsque le flux de travail change.

3. Tâche

La tâche est la demande réelle. C’est la partie par laquelle la plupart des gens commencent. Vous pouvez souvent l’écrire comme d’habitude : « rédigez un e-mail », « résumez ce document » ou « donnez-moi trois options », à condition que le reste du prompt apporte les précisions nécessaires.

Quelques modèles de tâche à essayer :

• Générer des variantes. « Donnez-moi trois brouillons. » « Produisez cinq options. » Les variantes vous permettent de comparer plusieurs approches au lieu d’accepter le premier résultat.
• Interroger d’abord, puis agir. « Avant de rédiger, posez-moi cinq questions auxquelles vous avez besoin que je réponde. Attendez mes réponses. » C’est utile lorsque des informations manquantes pourraient modifier sensiblement le résultat.
• Critiquer, ne pas réécrire. « Trouvez ce qui est faux ici. Citez des lignes spécifiques. Ne réécrivez pas. » Utile lorsque vous souhaitez que le modèle affine votre travail, pas le remplacer.
• Comparer et recommander. « Comparez X et Y sur ces quatre dimensions. Puis recommandez-en un, et dites-moi ce qui changerait votre réponse. » Réservez cette formulation aux décisions à faible enjeu ; pour les décisions médicales, juridiques, financières ou opérationnelles importantes, utilisez la sortie pour préparer un examen par une personne qualifiée, et non pour le remplacer.
• Appliquer un cadre. « Analysez cela à l’aide du cadre [STAR / SWOT / RACI / Five Whys / ICE]. »

Le principe reste toujours le même : précisez clairement l’action que le modèle doit accomplir.

4. Contraintes

Les contraintes définissent les limites de la sortie : longueur, ton, format, vocabulaire, éléments à inclure et éléments à éviter.

Sans contraintes, les modèles peuvent produire une réponse trop longue, trop générique ou mal adaptée à votre usage. Des limites claires réduisent cet espace de recherche et facilitent l’évaluation du résultat.

Contraintes utiles :

• Longueur. « Moins de 100 mots. » « Maximum trois phrases. » « Un paragraphe. » « Deux pages. » Une limite de longueur explicite est l’un des moyens les plus simples de rendre la sortie plus facile à lire et à comparer.
• Ton. « Chaleureux mais professionnel. » « Direct et précis. » « Naturel, avec une légère autodérision. » « Adoptez le ton de [paste example]. »
• Vocabulaire. « Ne pas utiliser les mots « exploiter », « utiliser » ou « dans l’avenir ». » « Éviter le jargon. » « Utiliser uniquement des mots compréhensibles par un enfant de 12 ans. »
• Contraintes de format. « Pas de préambule. » « Pas de résumé final. » « Ne commencez pas par « Très bonne question. » »
• Ce qu’inclure. « Inclure un exemple spécifique. » « Référez-vous aux données que je viens de vous donner. »
• Ce qu’il faut exclure. « Ne répétez pas d’avertissements génériques. » « Distinguez les faits des hypothèses. » « Ne commencez pas par des excuses. » Pour les sujets à fort enjeu, conservez les incertitudes pertinentes et les limites professionnelles.

Les contraintes négatives, comme « ne pas », peuvent supprimer une formule indésirable, mais les instructions positives sont généralement plus faciles à exécuter et à vérifier. Dites à la fois ce qu’il faut éviter et ce qu’il faut produire à la place. Par exemple : « Ne commencez pas par une formule de politesse ; commencez directement par la décision. »

5. Format

Le format est la forme de la sortie. Listes à puces, tableau, liste numérotée, paragraphe, JSON, markdown, bloc de code, texte brut. Spécifier le format vous évite le travail de nettoyage ultérieur.

Exemples :

Retournez sous forme de tableau markdown avec trois colonnes : option, avantages, inconvénients.

Retournez sous forme d’objet JSON avec les clés « résumé », « décisions » et « questions ouvertes ».

Retournez sous forme de trois courts paragraphes, sans titres.

Retournez sous forme de liste numérotée de cinq éléments, chacun étant une phrase.

Un modèle particulièrement utile lorsque vous souhaitez utiliser la sortie en aval (coller dans un document, alimenter un autre prompt, publier quelque part) : montrez au modèle le format avec un modèle bref :

Retournez dans ce format :

Décision : […]

Top trois arguments pour :

1. […]
2. […]
3. […]

Top trois arguments contre :

1. […]
2. […]
3. […]

Ce qui changerait votre réponse : […]

Le modèle remplira les blancs. Le résultat devrait être plus cohérent. Si vous comptez l’exploiter automatiquement, demandez un schéma structuré, puis validez tout de même les champs et les types avant de l’utiliser.

6. Validation

La sixième partie ne figure pas toujours dans le prompt lui-même, mais elle appartient à toute méthode sérieuse : comment saurez-vous que la réponse est suffisamment bonne ?

Instructions utiles de validation :

Si vous faites une affirmation factuelle, indiquez si elle provient du texte source que je vous ai fourni ou de la connaissance générale.

Si un champ requis est manquant, écrivez [missing] au lieu de deviner.

Avant la réponse finale, listez les trois hypothèses que vous avez faites.

Après la rédaction, donnez-moi un court checklist de ce que je devrais vérifier avant d’utiliser cela.

La validation compte, car une réponse bien présentée peut toujours être fausse. Un bon prompt ne demande pas seulement au modèle de produire un résultat : il lui indique comment signaler l’incertitude, les données manquantes et les points à vérifier.

Mise en œuvre : exemple concret

Combinons les cinq sur une tâche réelle. Supposons que vous ayez besoin d’écrire une réponse polie mais ferme à un client qui demande des travaux supplémentaires gratuits sur un projet.

Sans le modèle :

Écrivez une réponse à mon client qui veut plus de travail gratuit.

Vous obtenez quelque chose de générique. Avec le modèle :

Rôle : Aidez-moi à écrire comme un designer freelance direct et cordial qui fixe une limite claire au projet sans inventer de politique, de conditions contractuelles ou d’antécédents concernant le client.

Contexte : Je suis un designer freelance. Un client (un fondateur de startup avec qui j’ai travaillé pendant un an) vient de me demander d’ajouter deux nouvelles pages à un projet qui est déjà en phase finale. La portée était clairement fixée dans notre contrat. La relation est autrement bonne. Je ne veux pas le perdre, mais je ne veux pas non plus faire le travail gratuitement.

Tâche : Rédigez trois versions de réponse.

Contraintes :

• Moins de 150 mots chacune
• Chaleureux mais sans ambiguïté : je dis non au travail gratuit, pas de négociation
• Proposer une autre voie claire (par exemple, une petite mission complémentaire)
• Pas « J’espère que vous allez bien », pas d’excuses pour la limite
• Ne pas inclure « Meilleures salutations » ou toute signature ; j’ajouterai la mienne

Format : Trois versions numérotées, chacune étiquetée avec son ton (par exemple, « 1. Chaleureux et explicatif »), et une note d’une ligne « quand envoyer cette version » sous chacune.

Le deuxième prompt devrait produire trois brouillons plus faciles à comparer. Lisez-les, vérifiez les faits et le ton, choisissez-en un, puis révisez-le avant de l’envoyer.

Quelques modèles qui combinent les cinq

Quelques formes de prompts qui valent la peine d’être essayées :

L’entretien inversé. Rôle + contexte, puis une tâche qui commence par « Posez-moi cinq questions auxquelles vous avez besoin que je réponde pour bien accomplir cette tâche. » Le modèle vous aide ainsi à préciser le prompt lui-même.

Le rédacteur à trois variantes. Rôle + contexte + « rédigez trois versions » + contraintes de longueur et de ton + format numéroté. C’est une structure pratique pour comparer des brouillons générés par l’IA.

L’analyste structuré. Rôle + contexte + « appliquez ce cadre » + « utilisez cette structure exacte » + format. La bonne forme pour toute tâche analytique.

Le tuteur patient. Rôle (un tuteur) + contexte (vous et votre niveau) + tâche (m’enseigner et m’interroger) + contraintes (« une question à la fois, attendez ma réponse ») + format (structuré par phase). Cette formule combine les cinq éléments et produit un cycle d’apprentissage utile.

Vous développerez vos propres modèles. Considérez-les comme des variations de cette structure, et non comme des lois universelles.

Une petite habitude qui s’accumule

Après une réponse médiocre de l’IA, faites une pause et demandez-vous si l’un des cinq éléments manque ou reste ambigu.

• Le modèle ne savait-il pas qui il était ? → rôle.
• N’avait-il pas ma situation ? → contexte.
• A-t-il mal compris le verbe ? → tâche.
• Le résultat était-il trop long, trop formel ou trop verbeux ? → contraintes.
• La forme de la réponse était-elle la mauvaise ? → format.

Repérez la lacune la plus précise, corrigez-la, puis régénérez la réponse. Parfois, le problème vient plutôt des données sources, de la capacité du modèle ou d’une tâche mal adaptée à l’IA. Dans tous les cas, ce diagnostic rend l’itération plus méthodique.

Cinq parties plus validation. Utilisez-les délibérément jusqu’à ce que leur utilisation devienne automatique.