Qu'est-ce qu'un prompt ?

Un prompt est l'instruction qu'un utilisateur adresse à une intelligence artificielle générative, et cette instruction peut prendre la forme d'une question, d'une consigne détaillée, d'un document à analyser ou d'une série de règles à respecter.

Le terme vient de l'anglais et signifie littéralement « invite », au sens de ce qui déclenche une réponse. Autrement dit, le prompt constitue le point de départ de l'échange, et il représente tout ce que le modèle sait de votre besoin à cet instant précis.

Contrairement à une requête tapée dans un moteur de recherche, un prompt ne sert pas à retrouver une page qui existe déjà. Il demande à un modèle de produire un contenu qui n'existait pas avant votre demande, et cette nuance change tout dans la manière de le formuler.

Le texte n'est d'ailleurs pas la seule sortie possible, car un prompt peut également décrire l'image, le tableau, la synthèse ou le code attendus, selon les capacités de l'outil utilisé.

En février 2023, quelques mois après l'arrivée de ChatGPT, Sam Altman, le dirigeant d'OpenAI, publiait sur X une phrase devenue une référence dans l'écosystème de l'intelligence artificielle. Rédiger un très bon prompt constitue selon lui une compétence à très fort effet de levier, et surtout un premier exemple de « programmation en langage naturel ».

Cette définition déplace le curseur, car le prompt cesse d'être une simple question posée à un assistant conversationnel pour devenir une instruction qui pilote le comportement d'un système.

Elle explique aussi pourquoi cette compétence intéresse autant les entreprises, puisqu'elle permet à des profils non techniques de faire exécuter des tâches complexes sans écrire la moindre ligne de code, comme nous l'expliquions dans notre article faut-il savoir coder pour utiliser l'IA.

Un modèle de langage ne comprend pas votre demande comme le ferait un collaborateur, il découpe votre texte en unités appelées tokens, puis génère la suite la plus probable, mot après mot. Cette mécanique a une conséquence directe, car le modèle ne devine jamais ce que vous n'avez pas écrit, et il comble les vides par ce qui est statistiquement le plus courant.

L'ensemble des informations que vous fournissez tient dans ce que l'on appelle la fenêtre de contexte, c'est-à-dire la quantité de texte que le modèle peut prendre en compte au sein d'un même échange.

Une demande vague oblige donc l'intelligence artificielle à formuler des hypothèses.

Elle produit alors des réponses génériques, alors qu'un prompt précis réduit l'incertitude et oriente le résultat. C'est également la raison pour laquelle un prompt mal cadré favorise les hallucinations, ces réponses affirmées avec assurance mais fausses, que vous pouvez apprendre à repérer grâce à la théorie du canari.

Un bon prompt ne se reconnaît pas à sa longueur, il se reconnaît à la quantité d'informations utiles qu'il apporte au modèle sur le contexte, l'objectif, le format attendu et le public visé.

Prenons un exemple concret. La demande « Rédige un post LinkedIn sur l'intelligence artificielle » ne fournit ni intention, ni audience, ni longueur, et elle produira un texte passe-partout que n'importe quelle organisation aurait pu publier.

En revanche, l'instruction « Rédige un post LinkedIn de 200 mots destiné à des dirigeants de PME industrielles, présentant trois usages concrets de l'intelligence artificielle en production, sur un ton pédagogique » change complètement le résultat. Le modèle dispose cette fois du format, de la longueur, de l'audience et de l'angle, il n'a donc plus à les inventer à votre place.

Cette différence a donné naissance à une discipline à part entière, le prompt engineering, qui rassemble les méthodes permettant de structurer et d'optimiser ces instructions. La méthode CRAFT en est l'exemple le plus connu, et vous la retrouverez détaillée dans notre article consacré au prompt engineering.

En raison de notre expérience auprès des organisations que nous formons, voici les erreurs qui reviennent le plus souvent chez les utilisateurs professionnels.

• Le prompt trop vague : une demande formulée en cinq mots renvoie une réponse générique, car le modèle ne dispose d'aucun élément sur votre métier, votre secteur ou votre objectif.
• Le prompt qui empile toutes les demandes : réunir une analyse, une synthèse, un tableau et un email dans une seule instruction dilue la qualité de chacun des résultats obtenus.
• L'absence de rôle et de format : préciser « Vous êtes un juriste spécialisé en droit social » et demander un tableau comparatif oriente la réponse bien plus efficacement qu'une consigne neutre.
• Les données confidentielles copiées sans précaution : coller un contrat ou un fichier client dans un outil grand public expose votre organisation, un risque que votre charte IA doit encadrer.
• Croire que l'intelligence artificielle se souvient de tout : hors des fonctions de mémoire, chaque nouvelle conversation repart de zéro, et le contexte utile doit être fourni à nouveau.