Prompt engineering : 10 techniques pour obtenir de meilleurs résultats de l'IA

Un bon prompt fait la différence entre un résultat médiocre et un résultat exploitable en l'état. Maîtriser le prompt engineering n'est pas une compétence obscure réservée aux développeurs — c'est une discipline accessible qui s'apprend en quelques heures et se perfectionne par la pratique.

Voici 10 techniques concrètes, avec des exemples prêts à l'emploi pour ChatGPT, Claude et Midjourney.

Pourquoi vos prompts actuels donnent des résultats décevants

Un modèle de langage génère la suite la plus probable d'un texte donné. Il ne "comprend" pas votre intention — il l'infère à partir des mots que vous utilisez. Un prompt vague produit une réponse vague. Un prompt précis produit une réponse précise.

La plupart des utilisateurs débutants traitent l'IA comme un moteur de recherche et tapent des requêtes courtes. Ce n'est pas le bon modèle mental. Traitez l'IA comme un collaborateur compétent mais qui a besoin d'un brief complet pour produire un travail de qualité.

Technique 1 : Assigner un rôle précis

Principe : Dire au modèle qui il est active un "mode" de réponse plus spécialisé. "Réponds-moi" et "tu es un expert en X, réponds-moi" produisent des résultats significativement différents.

Exemple générique :

Agis comme un avocat spécialisé en droit des contrats français avec 15 ans d'expérience.

Exemple appliqué pour ChatGPT :

Tu es un directeur marketing B2B SaaS avec 10 ans d'expérience dans les outils de productivité. Mon entreprise lance une extension Chrome pour les équipes commerciales. Rédige un message LinkedIn d'accroche de 3 lignes.

Fonctionne sur : ChatGPT, Claude, Gemini. Moins pertinent sur Midjourney (pas de concept de rôle).

Conseil : Soyez spécifique dans le rôle. "Expert en marketing" est moins efficace que "Directeur marketing d'une startup SaaS B2B de 50 personnes". La spécificité réduit l'espace de réponse possible et améliore la pertinence.

Technique 2 : Fournir du contexte sur votre situation

Principe : Le modèle n'a aucune connaissance de votre contexte. Chaque information que vous lui donnez réduit les hypothèses qu'il doit faire — et donc les erreurs d'interprétation.

Exemple sans contexte :

Écris-moi un email de relance.

Exemple avec contexte :

Je suis consultant indépendant en transformation digitale. J'ai envoyé une proposition commerciale il y a 10 jours à un directeur des opérations d'une PME industrielle (80 salariés). Pas de réponse. Écris un email de relance concis et professionnel, sans paraître insistant.

Fonctionne sur : Tous les LLMs. Pour Claude en particulier, plus vous donnez de contexte, meilleure est la qualité de l'analyse — Claude est connu pour bien utiliser les contextes longs.

Conseil : Incluez : votre secteur, votre audience cible, votre objectif, les contraintes connues. Ce sont les quatre variables qui changent le plus un résultat.

Technique 3 : Spécifier le format de sortie

Principe : Si vous ne dites pas comment vous voulez le résultat, le modèle choisit lui-même — et son choix correspond rarement exactement à ce dont vous avez besoin.

Exemple de spécifications de format :

Réponds sous forme de tableau avec 3 colonnes : Outil, Prix mensuel, Cas d'usage principal.

Structure ta réponse en 3 parties : problème, solution, bénéfice. Maximum 150 mots par partie.

Fournis ta réponse sous forme de liste numérotée de 5 points. Pour chaque point : 1 titre en gras + 2 phrases d'explication.

Pour Midjourney : Le format se spécifie via des paramètres techniques (--ar 16:9 pour le ratio, --style raw pour un rendu moins stylisé) et des descripteurs visuels ("cinematic shot", "bird's eye view", "close-up portrait").

Fonctionne sur : Tous les outils. C'est souvent la modification de prompt qui améliore le plus immédiatement l'utilisabilité d'une réponse.

Technique 4 : Donner des exemples (few-shot prompting)

Principe : Montrer au modèle un ou plusieurs exemples du résultat attendu est plus efficace que de le décrire. Vous "calibrez" le modèle sur votre style ou votre standard.

Exemple :

Je veux que tu génères des titres d'articles de blog dans ce style :

Exemples :

"Automatiser sa comptabilité en 2026 : les 5 outils qui font vraiment le travail"

"ChatGPT pour les juristes : guide pratique sans jargon"

"Pourquoi votre chatbot de service client ne fonctionne pas (et comment le corriger)"

Génère 5 titres pour un article sur les outils IA de recrutement.

Fonctionne particulièrement bien sur : ChatGPT, Claude, Jasper. Pour Midjourney, vous pouvez utiliser des images de référence avec le paramètre --sref (style reference) pour un effet similaire.

Conseil : 2 à 3 exemples suffisent dans la majorité des cas. Au-delà, vous risquez de sur-contraindre le modèle.

Technique 5 : Imposer des contraintes explicites

Principe : Les contraintes ne limitent pas la créativité — elles la focalisent. Un modèle sans contraintes génère un résultat moyen. Un modèle avec des contraintes précises génère un résultat ciblé.

Types de contraintes utiles :

Longueur : "en 200 mots maximum", "en 3 bullets maximum", "en une phrase"
Ton : "sans jargon technique", "en langage juridique formel", "conversationnel"
Périmètre : "uniquement pour le marché français", "sans mentionner la concurrence"
Restrictions : "ne propose pas de solution cloud", "évite les généralités"

Exemple appliqué :

Rédige une description de poste pour un développeur fullstack. Contraintes : 300 mots maximum. Pas de bullet points. Ton direct, pas de langue de bois RH. Inclure une phrase sur la culture d'équipe sans utiliser les mots "passion", "challenge" ou "dynamique".

Fonctionne sur : Tous les LLMs. Sur Midjourney, les contraintes passent par des prompts négatifs (voir technique 9).

Technique 6 : Activer le raisonnement pas à pas (chain of thought)

Principe : Pour les tâches complexes ou analytiques, demander au modèle de raisonner étape par étape améliore significativement la qualité de la réponse finale. Cette technique s'appelle "chain of thought" (chaîne de raisonnement).

Formulations efficaces :

Raisonne étape par étape avant de répondre. Avant de conclure, liste les hypothèses que tu fais et les limites de ton analyse. Décompose le problème en étapes, résous chaque étape, puis synthétise.

Exemple appliqué :

Mon client hésite entre deux stratégies de pricing pour son SaaS : freemium ou essai gratuit 14 jours. Raisonne étape par étape : analyse les implications de chaque modèle pour une cible PME, identifie les variables clés à considérer, puis fournis une recommandation argumentée.

Fonctionne particulièrement bien sur : Claude (excellent pour le raisonnement structuré), ChatGPT o1/o3 (modèles de raisonnement). Moins pertinent pour les requêtes courtes ou créatives.

Conseil : Cette technique est particulièrement utile pour les décisions stratégiques, l'analyse de situations complexes, ou toute tâche où vous suspectez que le modèle pourrait "sauter aux conclusions".

Technique 7 : Demander une itération dirigée

Principe : La première réponse est rarement la meilleure. Utiliser l'IA en mode itératif — en guidant chaque tour de conversation — produit des résultats bien supérieurs à une requête unique.

Formulations d'itération :

Reformule en rendant le ton plus direct. Garde la structure mais remplace les exemples par des cas B2B. Version 2 : même contenu, 30% plus court, sans les transitions superflues. C'est bien, mais la deuxième partie manque de concret. Ajoute 2 exemples chiffrés.

Exemple de séquence :

"Rédige une introduction pour un article sur le prompt engineering."
"Bien. Maintenant rends l'accroche plus directe — commence par une statistique ou une affirmation forte."
"Meilleur. Réduis de 20% et supprime la phrase de conclusion qui anticipe l'article."

Fonctionne sur : Tous les LLMs avec mémoire de conversation (ChatGPT, Claude). L'itération est la technique la plus sous-utilisée par les débutants — et pourtant l'une des plus efficaces.

Technique 8 : Contrôler la créativité (température conceptuelle)

Principe : Même sans accès direct au paramètre "température" (qui contrôle le caractère aléatoire des réponses), vous pouvez influencer le niveau de créativité via le prompt.

Pour plus de créativité :

Propose des idées non conventionnelles, y compris des approches contre-intuitives. Brise les conventions du secteur. Qu'est-ce qu'aucun concurrent ne ferait ? Génère 10 idées, des plus conventionnelles aux plus originales.

Pour plus de rigueur et de prévisibilité :

Reste factuel. Cite des exemples réels vérifiables. Ne propose que des approches éprouvées avec des résultats documentés. Évite toute spéculation. Si tu n'es pas certain d'une information, dis-le.

Pour Midjourney : Le paramètre --chaos (0-100) contrôle directement la variété des résultats. --chaos 0 produit des résultats cohérents entre eux, --chaos 100 maximise la diversité.

Conseil : Calibrez le niveau de créativité selon la tâche. Pour une analyse de risques ou un texte juridique, la fiabilité prime. Pour un brainstorming ou une campagne créative, la variété des propositions a de la valeur.

Technique 9 : Utiliser les prompts négatifs

Principe : Dire au modèle ce qu'il ne doit pas faire est parfois plus efficace que de décrire ce qu'il doit faire. Les prompts négatifs éliminent les patterns indésirables récurrents.

Pour les LLMs :

Ne commence pas la réponse par "Bien sûr !" ou une formule introductive. N'utilise pas de bullet points. Évite les généralités et les phrases sans contenu informationnel. Ne suggère pas de "consulter un professionnel" — je veux une réponse directe. N'utilise pas le mot "révolutionnaire", "innovant" ou "game-changer".

Pour Midjourney : Le paramètre --no permet d'exclure des éléments visuels. --no text, watermark, logo évite les artefacts textuels. --no blurry, low quality améliore la netteté.

Exemple complet Midjourney :

A professional headshot of a businesswoman, natural light, neutral background, confident expression --ar 1:1 --style raw --no glasses, jewelry, smile, casual clothing

Conseil : Les prompts négatifs sont particulièrement utiles quand vous avez identifié un pattern récurrent dans les réponses qui vous déplaît. Notez-les et réutilisez-les systématiquement.

Technique 10 : Construire des mega-prompts structurés

Principe : Pour les tâches complexes récurrentes, construire un prompt long et structuré une fois permet d'obtenir des résultats cohérents à chaque utilisation. C'est l'investissement de temps le plus rentable en prompt engineering.

Structure d'un mega-prompt :

## Contexte
[Qui vous êtes, votre secteur, votre audience]

## Objectif
[Ce que vous voulez obtenir exactement]

## Instructions
[Liste numérotée des règles à suivre]

## Format de sortie
[Structure attendue du résultat]

## Contraintes
[Ce qu'il ne faut pas faire]

## Exemple de résultat attendu
[Un exemple court du style ou format voulu]

Exemple appliqué — génération d'articles de blog :

## Contexte
Je tiens un blog sur les outils de productivité pour indépendants et freelances.
Audience : 35-45 ans, actifs, peu de temps, cherchent des gains rapides.

## Objectif
Écrire un article complet sur [OUTIL] selon les specs ci-dessous.

## Instructions
1. Commencer par une réponse directe en 2-3 phrases (pas d'introduction générique)
2. Structure : présentation outil → fonctionnalités clés → tarifs → pour qui → verdict
3. Inclure les prix réels actuels
4. Ton direct, pas de jargon inutile, pas de superlatifs

## Format
H2 pour chaque section. 800-1000 mots total. Pas de table des matières.

## Contraintes
Pas d'emojis. Pas de phrases creuses sur "l'IA qui transforme les métiers".
Ne pas mentionner les concurrents sauf si demandé.

Fonctionne sur : ChatGPT, Claude (idéal pour les mega-prompts longs), Jasper et les outils de rédaction. Moins adapté à Midjourney (prompt textuel court préféré).

Conseil : Stockez vos mega-prompts dans un document. Ce sont des actifs réutilisables qui s'affinent au fil du temps. Une bibliothèque de 10 à 20 prompts de qualité couvre 80% de vos besoins récurrents.

Combiner les techniques : un exemple complet

Voici un prompt qui combine 6 des 10 techniques ci-dessus pour une tâche de rédaction :

Tu es un consultant en stratégie digitale spécialisé dans les PME industrielles [Rôle].

Contexte : Mon client est directeur général d'une usine de 120 personnes. Il hésite
à investir dans un outil de gestion de projet IA. Budget : 500 €/mois max.
Pas de DSI en interne [Contexte].

Objectif : Rédige un mémo de recommandation d'une page.

Format : 3 parties — Situation actuelle (2 phrases), Recommandation avec justification
(150 mots), Prochaines étapes concrètes (liste de 3 actions) [Format].

Raisonne d'abord sur les critères de choix avant de formuler la recommandation [Chain of thought].

Contraintes : Pas de jargon technique. Pas de noms d'outils génériques sans lien
avec l'industrie. Maximum 300 mots total [Contraintes].

Ne commence pas par "Bien sûr" et ne termine pas par une invitation à "en discuter
ensemble" [Prompts négatifs].

Ce niveau de précision prend 3 minutes à rédiger et produit un résultat utilisable en l'état dans 8 cas sur 10.

Par où commencer selon votre outil

Technique	ChatGPT	Claude	Midjourney
Rôle	Très efficace	Très efficace	Sans objet
Contexte	Efficace	Très efficace (contexte long)	Limité
Format	Indispensable	Indispensable	Via paramètres
Few-shot	Très efficace	Très efficace	Via `--sref`
Contraintes	Efficace	Très efficace	Via `--no`
Chain of thought	Efficace	Excellent	Sans objet
Itération	Efficace	Excellent	Efficace
Prompts négatifs	Utile	Utile	Indispensable
Mega-prompts	Efficace	Excellent	Déconseillé

Consultez notre classement des meilleurs chatbots IA pour choisir l'outil adapté à votre cas d'usage principal.

Questions fréquentes

Faut-il écrire ses prompts en anglais ou en français ?

Pour les LLMs modernes (GPT-4o, Claude 3.5, Gemini 1.5), le français et l'anglais donnent des résultats comparables. L'anglais peut légèrement avantager les tâches techniques car les modèles ont été entraînés sur plus de données techniques en anglais. Pour les tâches créatives ou éditoriales en français, prompter directement en français évite des problèmes de traduction de ton.

Le prompt engineering est-il toujours utile avec les nouveaux modèles ?

Oui. Les modèles récents comme o3 ou Claude 3.7 sont meilleurs pour inférer l'intention depuis des prompts vagues — mais un prompt précis reste systématiquement plus performant qu'un prompt vague, même avec les meilleurs modèles. La différence se réduit pour les tâches simples, elle reste significative pour les tâches complexes.

Comment savoir si mon prompt est bon ?

Testez avec 3 variations : une version courte (2-3 mots), une version intermédiaire (1-2 phrases avec contexte), une version complète (rôle + contexte + format + contraintes). Comparez les résultats. La progression de qualité mesure directement l'impact de chaque ajout.

Existe-t-il des outils pour m'aider à écrire de meilleurs prompts ?

Oui. Claude et ChatGPT peuvent eux-mêmes améliorer vos prompts — demandez-leur : "Améliore ce prompt pour obtenir [objectif]". Des outils spécialisés comme PromptLayer ou PromptBase proposent des bibliothèques de prompts validés. Certains outils de rédaction comme Jasper intègrent des templates de prompts pré-construits pour accélérer la prise en main.

Les techniques fonctionnent-elles sur les API ou uniquement sur les interfaces web ?

Elles fonctionnent sur les deux. Via API, vous avez accès à des paramètres supplémentaires (température, top_p, pénalité de répétition) qui donnent un contrôle fin impossible depuis les interfaces web. Si vous utilisez l'API ChatGPT ou l'API Claude pour automatiser des tâches, combinez les techniques de prompt de ce guide avec les paramètres système pour des résultats optimaux.

Conclusion

Le prompt engineering n'est pas une science mystérieuse. C'est un ensemble de bonnes pratiques qui s'apprend rapidement et se perfectionne par l'expérience. Les 10 techniques de ce guide couvrent 95% des situations courantes.

Point de départ recommandé : maîtrisez d'abord les techniques 1 (rôle), 3 (format) et 5 (contraintes) — elles produisent les gains immédiats les plus visibles. Puis construisez vos premiers mega-prompts (technique 10) pour vos tâches récurrentes.

Pour aller plus loin, la pratique quotidienne avec ChatGPT ou Claude reste le meilleur moyen de développer l'intuition nécessaire pour prompter efficacement sans effort.