Bien prompter ChatGPT : les techniques qui font la différence

La plupart des gens obtiennent des réponses médiocres de ChatGPT non pas à cause du modèle, mais à cause de leurs demandes. Un prompt ChatGPT bâclé produit une réponse générique ; un prompt soigné produit exactement ce dont vous avez besoin. La différence ne tient pas à un don ni à des mots secrets : elle repose sur quelques techniques structurées que n’importe qui peut appliquer dès aujourd’hui. Ce guide décortique l’anatomie d’un bon prompt, passe en revue les techniques qui font vraiment la différence, et illustre chacune par des exemples avant/après.

Transparence : certains liens de cette page pourront devenir des liens affiliés une fois les partenariats validés. Cela n’entraîne aucun surcoût pour vous et n’influence pas nos analyses, qui reposent sur des critères objectifs.

Pourquoi la formulation change tout

ChatGPT ne devine pas votre intention : il complète du texte à partir de ce que vous lui donnez. Si votre demande est vague, il comble les trous par des suppositions moyennes — souvent à côté de ce que vous vouliez. Bien prompter consiste à réduire ces suppositions en fournissant ce qu’il faut, ni trop ni trop peu. C’est une compétence de communication avant d’être une compétence technique, et elle se transfère d’ailleurs à tous les assistants, de Claude à Gemini.

L’anatomie d’un bon prompt

Un prompt efficace combine cinq éléments. Vous n’avez pas besoin des cinq à chaque fois, mais les connaître vous permet de savoir quoi ajouter quand une réponse déçoit.

1. Le rôle

Assigner un rôle oriente la posture du modèle. « Tu es un professeur de mathématiques qui explique simplement » ne produit pas le même registre que « Tu es un relecteur juridique méticuleux ». Le rôle calibre le vocabulaire, le niveau de détail et le ton.

2. Le contexte

C’est l’ingrédient le plus rentable. Précisez à qui s’adresse le résultat, dans quel but, et avec quelles contraintes. « Pour un client mécontent », « pour un public débutant », « dans le cadre d’un rapport interne » : chaque précision resserre la cible.

3. La tâche

Formulez ce que vous voulez de façon univoque. « Améliore ce texte » est trop flou : améliorer selon quel critère, la clarté, la concision, le ton ? Dites-le. « Rends ce paragraphe plus concis sans perdre les chiffres » est actionnable.

4. Le format de sortie

Sinon, le modèle choisit pour vous — souvent une réponse plus longue que voulue. « Réponds en trois puces », « donne un tableau à deux colonnes », « limite-toi à 100 mots », « uniquement le code, sans explication » : vous reprenez le contrôle.

5. Les exemples

Montrer vaut mieux que décrire. Fournir un exemple d’entrée/sortie cadre le résultat bien plus précisément qu’un long paragraphe d’explication. C’est le principe du few-shot, détaillé plus bas.

Les techniques qui font la différence

Le few-shot : montrer plutôt qu’expliquer

Le few-shot prompting consiste à donner un ou plusieurs exemples du résultat attendu avant de poser votre vraie demande. Le modèle calque alors la structure, le style et le niveau de détail de vos exemples.

Voici le ton de nos réponses au support :

Question : « Ma commande est en retard. » Réponse : « Bonjour, je comprends votre inquiétude. Votre colis est en transit et arrivera sous 48 h. Voici le lien de suivi. »

Sur ce modèle, réponds à : « Je n’ai pas reçu ma facture. »

Pour tout format récurrent — emails types, descriptions de produits, messages de commit — deux ou trois exemples valent des pages de consignes.

Le chain-of-thought : demander à raisonner étape par étape

Sur les problèmes qui demandent de la logique — un calcul, une déduction, un choix argumenté — demander au modèle de détailler son raisonnement avant de conclure améliore nettement la fiabilité. « Réfléchis étape par étape, puis donne ta réponse finale » réduit les erreurs de précipitation. Vous pouvez aussi lui demander d’exposer son plan avant d’exécuter une tâche complexe, ce qui vous permet de corriger le tir avant qu’il ne parte dans la mauvaise direction.

L’itération : dialoguer plutôt que tout attendre du premier coup

Le premier jet est rarement parfait, et ce n’est pas grave. Bien prompter est un dialogue, pas une incantation unique. Quand la réponse n’est pas bonne, ne recommencez pas de zéro : corrigez avec un retour précis.

« Trop formel, rends-le plus chaleureux. »
« Tu as oublié le cas où le champ est vide, ajoute-le. »
« Garde seulement les deux premiers points, développe-les davantage. »

Traiter ChatGPT comme un collègue à qui l’on donne un feedback ciblé fait converger la réponse bien plus vite qu’une reformulation intégrale. Ce réflexe d’itération est d’ailleurs au cœur d’une formation IA sérieuse, car c’est lui qui transforme un utilisateur occasionnel en utilisateur efficace.

Les contraintes négatives

Dire ce qu’il ne faut PAS faire est parfois aussi utile que dire ce qu’il faut faire. « N’utilise aucun jargon technique », « ne dépasse pas cinq phrases », « n’invente aucune statistique » ferment des portes que le modèle emprunterait sinon.

Exemples avant/après

Rien ne vaut la comparaison directe. Voici quelques transformations concrètes.

Cas 1 — rédaction

Avant : « Écris un post sur le télétravail. »

Après : « Rédige un post LinkedIn de 150 mots sur un bénéfice sous-estimé du télétravail : la concentration. Ton professionnel mais personnel, une accroche forte en première ligne, termine par une question ouverte. »

Cas 2 — synthèse

Avant : « Résume ce texte. »

Après : « Résume ce rapport en cinq puces pour un dirigeant pressé. Garde uniquement les décisions à prendre et les chiffres clés, ignore le contexte historique. »

Cas 3 — explication

Avant : « Explique les API. »

Après : « Explique ce qu’est une API à quelqu’un qui n’a aucune notion technique, avec une analogie du quotidien, en moins de 120 mots. »

Dans chaque cas, la version « après » ne demande pas plus d’effort — juste un réflexe de précision. Le gain de qualité, lui, est considérable.

Les erreurs les plus courantes

Rester vague : « fais mieux » sans dire selon quel critère. Le modèle ne peut pas lire dans vos pensées.
Surcharger le prompt : noyer la vraie demande sous du contexte inutile. Fournissez le pertinent, pas tout.
Tout attendre du premier essai : abandonner après une réponse moyenne au lieu d’itérer.
Faire confiance aveuglément : ChatGPT peut affirmer une chose fausse avec assurance. Vérifiez systématiquement les faits, les chiffres et les sources.
Oublier le format : se plaindre d’une réponse trop longue alors qu’on n’a jamais précisé la longueur voulue.

En résumé

Bien prompter ChatGPT tient à quelques réflexes : donner un rôle et un contexte, formuler une tâche précise, spécifier le format, montrer des exemples, faire raisonner le modèle étape par étape et itérer avec des retours concrets. Aucune de ces techniques n’est complexe ; c’est leur combinaison qui transforme des réponses génériques en résultats sur mesure. La vraie compétence n’est pas de connaître des formules secrètes, mais de communiquer clairement — exactement comme avec un collaborateur humain.