Prompt engineering : 7 techniques avec exemples concrets et prompts à copier

Vous tapez votre prompt, vous obtenez une réponse moyenne, vous reformulez 3 fois, vous abandonnez. Vous n’êtes pas seul : selon une enquête Salesforce menée avec YouGov auprès de 4 135 salariés (États-Unis, Royaume-Uni, Australie, 2023), 62 % estiment ne pas avoir les compétences pour utiliser efficacement l’IA générative et 53 % ne savent pas comment en tirer le meilleur parti.

Le plus souvent, le problème n’est pas l’IA, c’est la formulation. Cet article vous présente 7 techniques de prompt engineering éprouvées, avec pour chacune un exemple avant/après et un prompt prêt à copier. À la fin, vous trouverez 5 prompts métiers (RH, commerce, communication, finance, management) à adapter à votre contexte.

Qu’est-ce que le prompt engineering ?

Le prompt engineering (ou ingénierie de prompt) est l’art de formuler une demande à une IA générative, comme ChatGPT, Claude, Copilot ou Mistral Vibe, de manière à obtenir un résultat précis et exploitable. Ce n’est pas du code, c’est de la communication structurée.

Le prompt est l’instruction que vous donnez à l’IA. Les grands modèles de langage (LLM) qui font tourner ces outils répondent à ce que vous écrivez, pas à ce que vous avez en tête : une bonne formulation transforme une réponse passe-partout en livrable utilisable, sans changer d’outil. Le Prompt Engineering Guide de DAIR.AI et le guide officiel d’OpenAI sur le prompt engineering recensent les techniques de référence.

Pourquoi vos prompts donnent des résultats moyens

Trois erreurs reviennent sans cesse :

• Des demandes trop courtes : « écris-moi un mail » donne un mail générique.
• Un manque de contexte : l’IA ne sait pas pour qui elle écrit, dans quel ton ni sous quel format.
• Des instructions ambiguës : « fais quelque chose de bien » n’est pas une instruction.

La règle empirique : 30 secondes de plus en formulation, c’est 5 minutes de corrections en moins.

Les 7 techniques de prompt engineering en un coup d’œil

Technique 1 : le role prompting, donner un rôle à l’IA

Le role prompting consiste à attribuer un rôle d’expert à l’IA pour orienter le ton, le vocabulaire et la profondeur de sa réponse. Sans rôle, l’IA répond comme un généraliste qui s’adresse à tout le monde. En lui indiquant qui elle est (coach, juriste, recruteur) et pour qui elle travaille, vous obtenez des conseils de spécialiste. C’est la technique à utiliser dès que la réponse demande une expertise métier.

Avant : « Donne-moi des conseils de gestion d’équipe. » Résultat : 8 conseils génériques.

Après :

Résultat : 3 conseils contextualisés et actionnables. L’IA tient compte de la taille de l’équipe, de la durée de la contre-performance et du contexte économique, et propose des actions précises plutôt que des principes généraux sur la motivation.

Technique 2 : le Chain-of-Thought, faire raisonner l’IA étape par étape

Le Chain-of-Thought (CoT, ou « chaîne de pensée ») consiste à demander à l’IA d’expliciter son raisonnement étape par étape avant de conclure. La technique a été formalisée par des chercheurs de Google en 2022 : leurs travaux publiés à la conférence NeurIPS montrent qu’elle améliore nettement les performances des modèles sur les problèmes de raisonnement arithmétique, logique et de bon sens.

Utilisez-la pour toute question qui demande une analyse plutôt qu’une réponse toute faite : baisse de chiffre d’affaires, choix entre deux options, diagnostic d’un problème. En voyant chaque étape du raisonnement, vous repérez aussi plus facilement une hypothèse fausse.

Avant : « Notre chiffre d’affaires baisse, que faire ? » Résultat : liste de pistes vagues.

Après :

Résultat : analyse structurée, données ciblées. Chaque hypothèse (saisonnalité, perte d’un client, concurrence, prix) est associée aux chiffres à vérifier et à une action à tester : vous obtenez un plan d’enquête plutôt qu’une liste d’idées.

Technique 3 : le few-shot prompting, montrer des exemples

Le few-shot prompting consiste à fournir 2 ou 3 exemples du résultat attendu pour que l’IA en reproduise le ton et le format. À l’inverse, un prompt sans aucun exemple relève du zero-shot.

C’est la technique la plus efficace pour obtenir un texte fidèle à votre ligne éditoriale : décrire un ton est difficile, le montrer est immédiat. Choisissez des exemples proches du résultat voulu, car l’IA en reproduit aussi les défauts.

Avant : « Rédige une description de produit. »

Après :

Résultat : une description alignée sur le ton et le format de votre marque. Longueur, structure et vocabulaire reprennent ceux de vos exemples : le texte demande une relecture, pas une réécriture.

Technique 4 : les contraintes explicites, cadrer la réponse

Fixez la longueur, le format, le ton et le vocabulaire interdit. Sans consigne, l’IA choisit par défaut, et produit souvent un texte trop long et trop neutre. Les contraintes les plus utiles sont le nombre de mots, le format (liste, tableau, email), le registre, les mots à éviter et la fin attendue. Chaque contrainte explicite supprime une cause de reformulation.

Avant : « Écris un email de relance à un prospect. » Résultat : un email long et convenu.

Après :

Résultat : un email court, calibré, prêt à envoyer. Il respecte la longueur demandée, évite les formules interdites et se termine par une question qui appelle une réponse du prospect.

Technique 5 : le prompt chaining, découper une tâche complexe

Le prompt chaining consiste à décomposer une tâche complexe en plusieurs prompts successifs, chacun s’appuyant sur le résultat du précédent. Le guide d’OpenAI, cité plus haut, recommande lui aussi de découper les tâches complexes en sous-tâches plus simples.

Un seul prompt qui demande tout tend à produire un texte uniforme et superficiel. En avançant étape par étape, vous validez chaque partie et corrigez le cap avant d’aller plus loin. Réservez cette technique aux documents longs : livre blanc, rapport, programme de formation.

Avant : « Rédige un livre blanc sur la formation à l’IA en entreprise. » Résultat : un texte long et superficiel.

Après, en trois prompts successifs :

1. « Propose un plan détaillé en 8 chapitres. »
2. « Rédige le chapitre 1 en 800 mots. »
3. « Améliore l’introduction », et ainsi de suite.

Résultat : chaque partie est travaillée et validée avant de passer à la suivante. Si le plan ne vous convient pas, vous le corrigez avant d’avoir lancé la rédaction, et chaque chapitre bénéficie d’une réponse entièrement consacrée à lui.

Technique 6 : la self-consistency, comparer plusieurs versions

Demandez à l’IA de produire plusieurs versions, puis de les comparer pour retenir la meilleure. Dans sa forme d’origine, décrite par des chercheurs de Google Research (Wang et al., 2022), la self-consistency génère plusieurs raisonnements et retient la réponse qui revient le plus souvent. En entreprise, on l’adapte en faisant comparer les versions selon des critères explicites.

Elle est particulièrement utile quand il n’existe pas de bonne réponse unique : slogan, objet d’email, titre de présentation. Imposer les critères de comparaison vous oblige aussi à clarifier ce que vous attendez vraiment.

Avant : « Écris une accroche commerciale pour notre offre. » Résultat : une seule proposition, à prendre ou à laisser.

Après :

Résultat : une recommandation argumentée, moins dépendante de la première intuition. Vous disposez de 3 options évaluées sur les mêmes critères : vous pouvez suivre le choix de l’IA ou combiner deux versions.

Technique 7 : le reverse prompting, faire poser les questions par l’IA

Le reverse prompting inverse les rôles : c’est l’IA qui vous interroge avant de produire. Il répond à un problème fréquent : on sait ce qu’on veut obtenir, mais pas quelles informations fournir. Les questions de l’IA font émerger le contexte oublié (cible, budget, concurrents, délais), et le résultat final repose sur vos réponses plutôt que sur des suppositions. C’est la bonne approche pour une stratégie, un plan d’action ou un cahier des charges.

Avant : « Rédige ma stratégie marketing pour ce nouveau produit. » Résultat : une stratégie bâtie sur des suppositions.

Après :

Résultat : l’IA cadre votre brief mieux que vous ne le feriez seul. Une fois vos réponses données, la stratégie proposée s’appuie sur votre offre, votre cible et vos objectifs réels, et non sur un cas type.

5 prompts métiers prêts à copier

Voici un prompt par métier, construit avec les techniques présentées plus haut. Remplacez les éléments entre accolades par vos propres informations. Ne collez jamais de données personnelles ou confidentielles dans un outil d’IA non validé par votre entreprise.

Prompt RH : rédiger une offre d’emploi

La rédaction d’offres est l’un des écrits RH les plus répétitifs. Le prompt impose une structure et une longueur : l’offre reste lisible sur un job board, et la consigne de ton inclusif évite d’écarter des candidats sans le vouloir.

Prompt commerce : relancer un prospect

Trois emails, trois angles : la séquence évite de renvoyer le même message et donne au prospect une nouvelle raison de répondre à chaque relance. La limite de 80 mots garde des emails lisibles sur mobile.

Prompt communication : écrire un post LinkedIn

En communication, le principal risque de l’IA est le texte lisse qui ressemble à tous les autres. LinkedIn coupe le post après les premières lignes : l’accroche décide si le lecteur clique sur « voir plus ». Le fait concret et la question finale encouragent les commentaires.

Prompt finance : analyser les écarts budgétaires

En finance, l’IA aide à lire et à expliquer les chiffres, pas à les produire : fournissez-lui toujours les données et vérifiez les calculs qu’elle restitue. Ce prompt classe les écarts par importance et propose des pistes d’explication, ce qui accélère le premier tri avant d’échanger avec les équipes concernées.

Prompt management : rédiger un compte-rendu de réunion

Le compte-rendu est une tâche que les managers repoussent souvent. Ici, chaque action reçoit un responsable et une échéance : le document devient un outil de suivi, pas une simple archive.

FAQ

Le prompt engineering est-il vraiment utile ou est-ce une mode ?

C’est une compétence durable. Tant que les grands modèles de langage (LLM) auront besoin d’instructions pour produire un contenu, savoir les formuler restera utile. Chaque nouvelle version de modèle réagit un peu différemment, mais les principes de base (rôle, contexte, contraintes, exemples) sont stables depuis les travaux fondateurs publiés entre 2020 et 2022.

Quelle technique apprendre en premier ?

Le role prompting. C’est la technique la plus simple à appliquer : une phrase ajoutée en début de prompt suffit à orienter le ton et le niveau d’expertise de la réponse. Une fois acquise, ajoutez les contraintes explicites, puis le few-shot prompting.

Faut-il adapter ses prompts selon l'IA utilisée (Copilot, ChatGPT, Claude, Gemini) ?

Oui, à la marge. Les principes restent les mêmes d’un outil à l’autre, seuls les détails varient. Chaque éditeur publie ses recommandations : Anthropic conseille par exemple de structurer les prompts longs avec des balises XML pour Claude. Le plus sûr est de tester le même prompt sur plusieurs outils et de comparer.

Combien de temps faut-il pour devenir bon en prompt engineering ?

Quelques heures suffisent pour appliquer les techniques de base, et les progrès se voient dès les premiers essais. La maîtrise vient ensuite avec une pratique régulière sur vos propres cas. Learnperfect propose des formations à l’IA générative de 2 à 7 heures, de l’initiation à l’usage avancé de Microsoft Copilot, qui incluent la rédaction de prompts.

Une formation au prompt engineering peut-elle être financée ?

Oui, selon votre statut. Un salarié peut être pris en charge par le plan de développement des compétences de son entreprise ou via son OPCO (opérateur de compétences). Les demandeurs d’emploi et les indépendants disposent d’autres dispositifs. L’éligibilité dépend de la formation choisie et de votre situation.

Faut-il être développeur pour faire du prompt engineering ?

Non. Le prompt engineering n’est pas une compétence technique réservée aux développeurs. C’est une nouvelle forme de communication, accessible à tout professionnel qui prend le temps de structurer sa demande. Les 7 techniques présentées couvrent l’essentiel des usages courants en entreprise : rédiger, analyser, décider, cadrer un projet.