Un prompt, c’est quoi ? La réponse en une phrase
Un prompt, c’est la consigne que tu donnes à une intelligence artificielle pour obtenir une réponse : une question, une instruction, un texte de départ. Le plus souvent tu l’écris, mais ça peut aussi être une image ou un fichier que tu fournis au modèle.
Rien de plus. Quand tu tapes « résume-moi ce texte en trois points » dans ChatGPT, ce que tu viens d’écrire, c’est un prompt. Le mot fait savant ; la chose ne l’est pas.
Une précision qui compte, parce qu’on l’oublie vite : l’IA ne te comprend pas comme un humain le ferait. Elle n’a pas d’intention, elle ne devine pas ce que tu as en tête. Elle réagit au texte que tu lui donnes, mot pour mot. D’où le poids de ce que tu écris (on y revient).
À quoi ça sert, concrètement
Un prompt, tu en écris un dès que tu t’adresses à une IA générative. Trois exemples, pris dans trois usages différents :
- Poser une question : « Explique-moi la différence entre un acompte et des arrhes. » Tu interroges, le modèle répond.
- Commander un travail : « Rédige un mail de relance poli à un client qui n’a pas payé, cinq lignes maximum. » Là tu ne poses pas une question, tu passes une commande.
- Demander du code : « Écris une formule Excel qui additionne la colonne B seulement si la colonne A vaut « payé ». » Même principe, autre terrain.
Dans les trois cas, la mécanique est identique : tu écris une consigne, le modèle produit une réponse à partir d’elle. Ce qui change d’un prompt à l’autre, ce n’est pas la nature de l’outil. C’est la précision de ta demande.
Ce qui sépare un bon prompt d’un mauvais
Voilà le vrai sujet. Un prompt vague donne une réponse vague, et l’IA, elle, ne te préviendra jamais que ta demande était floue. Elle comblera les trous toute seule, à sa façon, et te rendra quelque chose de plausible. Plausible ne veut pas dire juste.
Compare. « Écris un texte sur le sport » : le modèle invente un angle, un ton, une longueur, un public. Tu récupères un texte générique que tu n’as pas vraiment choisi. Maintenant : « Écris un paragraphe de 80 mots pour convaincre un adolescent de se remettre au sport, sans le culpabiliser. » Tu as fixé la longueur, la cible, l’intention, une contrainte. La réponse devient vérifiable : soit elle fait à peu près 80 mots et parle à un ado, soit elle a raté.
C’est toute la différence entre une consigne affirmée (« fais quelque chose de bien ») et une consigne précise, dont tu peux mesurer si elle a été suivie. Un bon prompt n’est pas un prompt long ou compliqué. C’est un prompt dont tu peux vérifier le résultat.
Prompt, LLM, token : qui fait quoi
Le prompt ne travaille pas seul. Il s’adresse à ce qu’on appelle un grand modèle de langage, le moteur qui lit ton prompt et génère la réponse. Le prompt, c’est ta consigne ; le modèle, c’est ce qui la traite.
Entre les deux se glisse une unité de mesure qui vaut la peine d’être connue : le token, le petit morceau de texte que le modèle compte pour lire ta consigne et fabriquer sa réponse. Ton prompt se découpe en tokens. C’est souvent ce qui est facturé, et ce qui limite la longueur de ce que tu peux envoyer d’un coup.
Retiens l’ordre : tu écris un prompt, il se découpe en tokens, le modèle les lit et répond. Trois mots, une seule chaîne.
Faut-il vraiment apprendre le « prompt engineering » ?
Le « prompt engineering » (l’art de peaufiner ses consignes pour tirer le meilleur d’un modèle) a été présenté en 2023 comme le métier d’avenir. Deux ans plus tard, le tableau est plus nuancé.
D’un côté, les modèles récents pardonnent bien mieux les consignes imparfaites qu’à leurs débuts : ils rattrapent une demande mal tournée et devinent souvent l’intention. La documentation d’OpenAI elle-même pousse vers des instructions claires plutôt que vers des formules magiques (guide officiel d’OpenAI sur le prompting). De l’autre, plusieurs analyses du secteur annoncent depuis 2025 le déclin du métier, chiffres d’offres d’emploi en baisse à l’appui, au profit d’approches plus larges (synthèse de learnprompting.org, 2025).
Je me méfie des pourcentages tant que je n’ai pas vu la méthode qui les produit : un chiffre sans base publique reste un argument, pas une preuve. Ce qu’on peut dire sans risque, en revanche : tu n’as pas besoin d’une formation pour écrire un bon prompt. Tu as besoin d’être précis sur ce que tu veux. Le reste vient en pratiquant, par exemple en écrivant tes premières consignes à une IA.
La compétence qui dure, ce n’est pas de connaître les « formules » du moment. C’est de savoir formuler une demande claire et de vérifier ce qu’on te répond. Une seule « formule » a vraiment résisté à la mesure, le « réfléchis étape par étape » de la chaîne de pensée, et encore : les études la voient surtout payer sur les tâches qui contiennent un calcul. Aucune mise à jour de modèle ne rendra ça obsolète.