Accueil › Blog › Écrire une consigne exploitable à une IA

Écrire une consigne exploitable à une IA : la méthode, pas la liste

Publié le 20 septembre 2026 · par Amine, AI business analyst en CAC 40 · 7 min de lecture

Tape « prompts ChatGPT pour le travail » dans un moteur de recherche, et tu tombes sur des centaines de listes. Trois cents prompts pour le marketing, deux cents pour les ressources humaines, cinquante pour Excel. Tu en copies un, tu colles ton métier dedans, et ça produit un résultat moyen. Tu n'as rien appris, et pour le prompt suivant, il faudra recommencer à chercher.

Pourquoi une liste de prompts ne t'apprend rien ?

Le problème n'est pas que les listes soient fausses. La plupart sont pleines de prompts corrects, parfois même bien faits. Le problème, c'est ce qu'une liste te fait croire : que la difficulté, c'est de trouver les bonnes phrases, et qu'une fois que tu les as, le travail est fait.

Un prompt copié est une recette figée. Elle marche pour le cas précis pour lequel elle a été écrite, avec l'outil pour lequel elle a été écrite, et elle se dégrade dès qu'une seule variable change : ta boîte, ton niveau de détail, le document que tu manipules, la version de l'outil. Tu te retrouves alors dans la pire situation qui soit — celle où tu sais qu'il existe un prompt qui marche, mais tu ne sais pas pourquoi il marche, donc tu ne sais pas comment l'adapter.

La bonne nouvelle, c'est que la question ne se pose pas comme ça. Tu n'as pas besoin de trois cents prompts. Tu as besoin de comprendre comment on en construit un, une fois, et de rejouer la même structure sur toutes les tâches de ta semaine. C'est exactement ce que les documentations des fournisseurs expliquent, et c'est ce que les listes omettent.

De quoi se compose une consigne qui marche ?

La documentation d'Anthropic — l'entreprise derrière Claude — le dit avec une image utile : traite le modèle comme un nouvel employé brillant mais sans contexte. Il ne connaît ni tes habitudes, ni tes normes, ni ce que « bien » veut dire pour toi. Plus tu lui expliques précisément ce que tu attends, meilleur est le résultat. La règle d'or qu'ils proposent est simple : montre ta consigne à un collègue qui n'a pas le contexte de la tâche, et demande-lui de l'exécuter. S'il est perdu, l'IA le sera aussi.

Concrètement, cela se traduit par quatre morceaux qui reviennent dans toutes leurs recommandations. D'abord le but : dis ce que tu veux obtenir, pas seulement le sujet. Ensuite le contexte : pourquoi tu en as besoin, à qui c'est destiné, ce qui compte et ce qui compte moins. Puis les contraintes : le format, la longueur, le ton, ce qu'il ne faut surtout pas faire. Et quand la tâche comporte plusieurs étapes, donne-les dans l'ordre, en liste numérotée.

Microsoft tient le même discours pour Copilot, du côté de l'outil que la plupart des salariés ont déjà sur leur poste. Sa documentation recommande de commencer par dire ce dont tu as besoin, d'ajouter les ingrédients de contexte nécessaires, et de ne pas hésiter à donner beaucoup de détails — l'outil ne connaît que ce que contient ta conversation, pas le reste. Elle ajoute un point qu'on néglige : délimiter précisément ce qu'il faut écrire ou modifier avec des guillemets, et repartir sur une base propre quand tu changes de sujet.

À quoi sert un exemple, concrètement ?

C'est sans doute la partie la plus mal comprise de la consigne, et pourtant celle qui fait le plus de différence. Décrire ce que tu veux laisse toujours une marge d'interprétation. Montrer ce que tu veux la referme.

La documentation d'Anthropic place les exemples parmi les moyens les plus fiables d'orienter le format, le ton et la structure d'une réponse. Elle recommande d'en donner trois à cinq, et d'en respecter trois qualités : qu'ils soient pertinents (proches de ton cas réel), variés (qu'ils couvrent les cas limites sans que le modèle reproduise un motif non voulu), et bien délimités (qu'on distingue clairement l'exemple de la consigne). Un exemple vaut dix lignes de description, parce qu'il transmet ce qu'une phrase ne peut pas capturer : le niveau de détail, la hauteur de ton, l'épaisseur du résultat attendu.

Pense à la différence entre « réponds de façon professionnelle » et « réponds comme ceci : Bonjour, merci pour votre message. Voici l'état de votre dossier… ». La première consigne peut produire dix styles différents, tous défendables. La seconde verrouille le registre sans ambiguïté. C'est pour ça qu'un exemple, même bâclé, améliore presque toujours le résultat davantage qu'une description soignée.

Comment faire d'un premier jet une consigne exploitable ?

Il y a un point sur lequel les trois grandes documentations se rejoignent sans ambiguïté : la consigne se construit rarement en une fois. OpenAI présente le prompt comme une démarche itérative — tu écris un premier jet, tu regardes la réponse, et tu affines à partir de ce qui cloche. Tu précises le but, tu ajoutes le contexte qui manquait, tu resserres une contrainte, ou tu remplaces une description par un exemple.

Microsoft l'énonce à sa manière en conseillant de « poursuivre la conversation » : partir d'une demande large, puis affiner au fil des échanges jusqu'à obtenir un résultat taillé pour ton cas. Le premier message n'est pas le prompt final, c'est le point de départ d'un dialogue dans lequel c'est toi qui guides.

La méthode la plus efficace que j'ai observée en entreprise consiste à ne jamais tester une consigne sur la tâche réelle directement. On la teste d'abord sur un cas petit et connu, dont on peut vérifier le résultat en dix secondes. Si le résultat n'est pas bon sur un cas qu'on connaît par cœur, il ne sera pas bon sur un cas qu'on ne connaît pas. Cette vérification-là est une vraie compétence professionnelle, et elle vaut plus que n'importe quelle liste de prompts.

Par quoi commencer dès aujourd'hui ?

Prends une seule tâche qui revient dans ta semaine, et écris la consigne en quatre temps : le but, le contexte, un exemple, les contraintes. Pas dix tâches, pas un système complet — une seule. Tu verras que l'effort se situe au bon endroit : pas dans la recherche de la formule magique, mais dans le fait de clarifier pour toi-même ce que tu attends de la machine.

C'est là que ça rejoint une question plus large. Si tu ne sais pas exactement quelles tâches de ton poste méritent ce travail de cadrage, aucune consigne bien écrite ne t'aidera — tu automatiseras au hasard. Savoir ce qui, dans ta semaine, est du traitement d'information répétitif et ce qui demande de l'arbitrage, c'est la compétence qui rend toutes les autres utilisables.

Questions fréquentes

Écrit par Amine Lounnas

AI business analyst depuis cinq ans dans des grands groupes du CAC 40 — banque, assurance, énergie. Certifié DPO et CIPP/E. Mon métier consiste à identifier quelles tâches une entreprise peut automatiser ; ce site retourne cette méthode vers les salariés.

Qui écrit ici, et comment →