Ces dix pratiques valent pour tous les modèles et toutes les tâches. Aucune ne dépend d’une astuce que la prochaine version d’un modèle pourrait casser. Chacune est accompagnée d’un court avant/après pour que vous voyiez le changement à l’écran.
1. Mettez la tâche en premier
Commencez par une phrase à l’impératif. Tout ce qui suit se lit comme un appui à cette tâche.
- Avant :
I have a spreadsheet of expenses from last year. - Après :
Categorize the expenses below into travel, software, and office.
2. Soyez précis sur le périmètre, le public et la longueur
Les mots vagues laissent des décisions au modèle. Remplacez-les par les valeurs réelles.
- Avant :
Write a short post about our new feature for users. - Après :
Write a 120-word announcement of scheduled exports for existing admins who already use manual exports.
3. Utilisez des chiffres pour les tailles
« Quelques », « bref » et « détaillé » veulent dire autre chose à chaque exécution. Un nombre et une unité rendent la longueur prévisible.
- Avant :
Give me some ideas. - Après :
Give me 5 ideas, one sentence each.
4. Dites quoi faire, pas seulement quoi éviter
Une liste d’interdictions nomme tout ce que vous ne voulez pas et rien de ce que vous voulez. Associez chaque « ne fais pas » au comportement souhaité à la place.
- Avant :
Don't be too formal. Don't use jargon. - Après :
Write in a conversational tone, using words a new customer would know.
5. Précisez le format de sortie
Indiquez la structure et, pour une sortie lue par une machine, le schéma exact. Ajoutez « renvoie uniquement le JSON » quand rien d’autre ne doit apparaître. Plus de détails dans les prompts de sortie structurée.
6. Séparez les instructions de l’entrée
Enveloppez les documents, les messages d’utilisateurs et les variables dans des délimiteurs clairs, comme des balises de type XML. Le modèle distingue alors les données des instructions, et une phrase placée dans les données a moins de chances d’être suivie comme une commande.
Summarize the email in the tags below in 2 sentences.
<email>
{{email_body}}
</email>
7. Donnez des exemples pour les cas de jugement
Quand le « bon » est plus facile à montrer qu’à définir, incluez deux ou trois exemples. Rendez-les variés, pour que le modèle apprenne le motif et non un trait superficiel. Voir le few-shot prompting.
8. Structurez les prompts longs
Au-delà d’un paragraphe environ, utilisez des sections : Tâche, Contexte, Exigences, Format de sortie, Entrée. Les titres rendent un prompt plus facile à suivre pour un modèle et beaucoup plus facile à modifier sans risque pour une personne.
9. Retirez ce qui ne change pas la réponse
Les salutations, la politesse et les instructions répétées ajoutent des tokens sans apporter d’information. La répétition peut même nuire : quand deux phrases presque identiques diffèrent légèrement, le modèle doit décider laquelle vous vouliez dire.
- Avant :
Hi! Could you please make sure to really focus on accuracy? Please make sure to focus on accuracy. - Après :
Prioritize accuracy over completeness.
10. Testez sur des entrées réelles et conservez les résultats
Un prompt est terminé quand il a été exécuté sur des entrées représentatives et que les échecs sont compris. Conservez ces entrées comme jeu de tests et relancez-les après chaque modification. Voir l’évaluation de prompts.
Comment améliorer les réponses de l’IA quand un prompt est insuffisant
Parcourez les causes par ordre de probabilité :
| Symptôme | Cause probable | Correction |
|---|---|---|
| Réponse différente à chaque exécution | Une taille ou un format non précisé | Ajoutez des chiffres et un format de sortie |
| Réponse générique | Contexte manquant | Ajoutez le public, le domaine et les contraintes |
| Ignore une instruction | Conflit ou instruction noyée dans un long paragraphe | Supprimez le conflit, déplacez-la dans une liste |
| Mauvais ton | Ton décrit de façon vague | Montrez un exemple du ton |
| Invente des choses | Demande de faits qui ne lui ont pas été fournis | Fournissez le texte source et exigez des citations |
| Suit du texte de l’entrée | Entrée non délimitée | Enveloppez l’entrée dans des balises |
Vérifiez-les automatiquement
Plusieurs de ces pratiques peuvent être vérifiées sans exécuter de modèle. L’analyseur de prompts PromptFlowEngine signale un objectif manquant, un langage vague, des tailles non quantifiées, des contraintes uniquement négatives, un format de sortie manquant, des variables non délimitées et du remplissage, et relie chaque constat à une page de référence avec un exemple corrigé. L’optimiseur de prompts applique pour vous les pratiques 8 et 9 et vérifie qu’aucune exigence n’a été perdue.
Lisez ensuite les erreurs courantes d’ingénierie de prompts que ces pratiques visent à prévenir.