MÉTHODES
Prompt engineering : 10 techniques testées en formation
Un bon prompt ne tient pas à une formule magique. Il tient à une méthode : un objectif clair, du contexte, des exemples, une structure. Voici 10 techniques éprouvées en session, sourcées dans la documentation des éditeurs, et les erreurs à éviter.
Par Nassim Drine · Mis à jour le 17 novembre 2026
- Avant d’écrire un prompt, définissez ce qu’est un bon résultat et comment vous allez le vérifier.
- Contexte, exemples et structure font plus que n’importe quelle « formule magique ».
- Pour les documents longs : le document en haut, la question à la fin.
- Séparez toujours vos instructions des contenus à traiter : c’est aussi une protection contre l’injection de prompt.
- Aucun secret, mot de passe ou donnée personnelle dans un prompt, même bien écrit.
Pourquoi les « prompts magiques » ne marchent pas
Sur les réseaux, on trouve des listes de « prompts parfaits » à copier-coller. En formation, ils déçoivent presque toujours. La raison est simple : ils ne connaissent ni votre métier, ni vos documents, ni votre critère de qualité.
Les éditeurs eux-mêmes ne parlent pas de formules. Anthropic présente le prompt engineering comme une démarche : un critère de succès, un moyen de le tester, puis une amélioration progressive du prompt. OpenAI recommande de son côté de versionner les prompts utilisés en production et de les tester avant chaque modification.
Les 10 techniques ci-dessous sont celles que nous faisons pratiquer en formation prompt engineering. Elles fonctionnent avec Claude, ChatGPT ou Mistral, avec des nuances selon les modèles.
Les 10 techniques de prompt engineering
1. Définir le critère de succès avant d’écrire
Le guide d’Anthropic part de trois prérequis : une définition claire du succès, un moyen de le tester, un premier brouillon de prompt. Sans critère, vous ne saurez pas si la version 2 est meilleure que la version 1.
Exemple illustratif : « Le résumé fait moins de 150 mots, cite les trois risques du contrat et ne contient aucune information absente du document. »
2. Être clair et direct : le test du collègue
Anthropic propose un test simple : montrez votre prompt à un collègue qui ne connaît pas la tâche. S’il est perdu, l’IA le sera aussi. Précisez le format attendu, la longueur, le public, et numérotez les étapes quand l’ordre compte.
Si vous attendez plus qu’une réponse minimale, demandez-le explicitement plutôt que d’espérer que le modèle le devine.
3. Donner le contexte et la raison
Une consigne expliquée est mieux suivie qu’une consigne brute. Dans sa documentation, Anthropic compare « n’utilise jamais de points de suspension » à la même règle justifiée par le fait que le texte sera lu par une synthèse vocale. Avec la raison, le modèle généralise au-delà du cas prévu.
En pratique : dites pour qui est le texte, à quoi il servira et ce qui se passera ensuite.
4. Attribuer un rôle
Une phrase de rôle (« Vous êtes juriste en droit social, vous relisez pour un DRH ») oriente le ton, le vocabulaire et le niveau d’exigence. Côté API, ce rôle se place dans le prompt système chez Anthropic, ou dans le message developer chez OpenAI, qui sert à fixer les règles pendant que le message utilisateur apporte les données.
5. Montrer des exemples (3 à 5)
Les exemples sont l’un des moyens les plus fiables de cadrer un format ou un ton. Anthropic recommande 3 à 5 exemples, pertinents (proches de votre cas réel) et variés (pour éviter que le modèle copie un détail involontaire). OpenAI décrit la même technique sous le nom de few-shot learning.
Piège fréquent : un seul exemple, que le modèle reproduit presque mot pour mot.
6. Structurer avec des balises ou des titres
Quand un prompt mélange consignes, contexte, exemples et données, délimitez chaque partie. Anthropic recommande des balises XML cohérentes (<instructions>, <contexte>, <document>). OpenAI conseille des titres Markdown et des balises XML, et un ordre type : identité, instructions, exemples, contexte.
C’est aussi un réflexe de sécurité : un contenu externe placé entre balises est plus facilement traité comme une donnée, et non comme un ordre. Ce n’est pas une protection complète contre l’injection de prompt, mais c’est un premier garde-fou. Nous détaillons ce risque dans Injection de prompt : vos assistants internes sont-ils exposés ?.
Réservez un appel de 30 min : nous regardons vos cas d'usage et le niveau de vos équipes.
Réserver un appel de 30 minDemander un devis7. Document long en haut, question à la fin
Pour les entrées volumineuses (Anthropic cite les contenus de plus de 20 000 tokens), placez les documents en tête du prompt et la question à la fin. Selon les tests d’Anthropic, cette disposition peut améliorer la qualité des réponses jusqu’à 30 %, surtout avec plusieurs documents complexes.
Pour plusieurs documents, encadrez chacun avec sa source : le modèle saura d’où vient chaque information.
8. Faire citer avant de faire conclure
Sur un contrat, un rapport ou un dossier, demandez d’abord d’extraire les passages pertinents, puis de raisonner à partir de ces extraits. Anthropic recommande cette technique pour les tâches sur documents longs. Elle a un double intérêt : la réponse s’appuie sur le texte, et vous pouvez vérifier chaque affirmation en quelques secondes.
9. Dire quoi faire, pas seulement quoi éviter
« Ne fais pas de liste » fonctionne moins bien que « Rédige en paragraphes continus ». La documentation d’Anthropic le formule ainsi : dites au modèle ce qu’il doit faire plutôt que ce qu’il ne doit pas faire. Une interdiction laisse un vide ; une consigne positive décrit la cible.
10. Enchaîner plutôt que tout demander d’un coup
Une tâche complexe gagne à être découpée. Le schéma le plus utile, décrit par Anthropic : générer un brouillon, le faire relire selon des critères, puis le faire corriger. Chaque étape est visible, vous pouvez contrôler et ajuster entre deux.
Dans un outil grand public, cela donne trois messages successifs. Dans une automatisation, trois appels distincts que vous pouvez journaliser.
Ce qui a changé récemment
Une technique très enseignée il y a deux ans perd du terrain : le préremplissage de la réponse (commencer la réponse de l’IA à sa place pour forcer un format). Anthropic indique que, à partir des modèles Claude 4.6, le préremplissage du dernier tour de l’assistant n’est plus pris en charge, et que des consignes claires suffisent dans la plupart des cas.
Leçon plus générale : les bonnes pratiques évoluent avec les modèles. OpenAI conseille d’ailleurs de figer la version de modèle utilisée en production et de tester vos prompts lors de chaque mise à niveau. Un prompt qui marchait parfaitement peut se dégrader sans que vous ayez rien changé.
Le volet sécurité, trop souvent oublié
Un prompt bien écrit peut rester dangereux. Trois règles accompagnent systématiquement ces techniques en formation :
- Rien de secret dans le prompt. Clés d’API, mots de passe, données personnelles non nécessaires : un prompt est stocké, parfois partagé, parfois journalisé.
- Les instructions permanentes se nettoient. Prompts système, instructions de projet, mémoire : plus elles s’accumulent, plus elles se contredisent. C’est le sujet de notre article Votre setup Claude s’encrasse : diagnostic en 5 signaux.
- Toute sortie se vérifie. La technique n°8 aide, mais la relecture humaine reste obligatoire pour tout ce qui engage l’entreprise.
Pourquoi passer par une formation prompt engineering
Lire une liste de techniques prend dix minutes. Les appliquer correctement sur vos propres documents demande de la pratique, des retours et des erreurs commises en environnement sûr. Une formation prompt engineering bien menée permet de :
- construire une bibliothèque de prompts partagée, versionnée et testée ;
- adapter les techniques à chaque outil utilisé dans l’entreprise ;
- ancrer les réflexes de sécurité en même temps que les réflexes de rédaction.
Notre formation prompt engineering se déroule sur vos cas réels. Rel-IA est partenaire officiel d’Anthropic, de Mistral AI et d’OpenAI : les techniques sont travaillées sur les outils que vos équipes utilisent vraiment.
Aller plus loin
- Choisir l’outil adapté à vos usages : Claude vs ChatGPT en entreprise.
- Passer du prompt à l’automatisation sans exposer vos données : n8n + IA.
Le prompt engineering est-il encore utile avec les modèles récents ?
Oui. Les modèles récents comprennent mieux les demandes floues, mais ils ne devinent ni votre contexte, ni votre critère de qualité, ni vos contraintes de format. Les éditeurs continuent d’ailleurs de publier des guides détaillés. Ce qui change, ce sont certaines astuces techniques, comme le préremplissage, qui deviennent inutiles ou ne sont plus prises en charge.
Les mêmes techniques fonctionnent-elles sur Claude, ChatGPT et Mistral ?
Les principes sont communs : clarté, contexte, exemples, structure, découpage des tâches. Les guides d’Anthropic et d’OpenAI se recoupent largement sur ces points. Les différences portent sur les détails : place du prompt système, balisage préféré, fonctions disponibles. En formation, nous travaillons sur l’outil effectivement déployé chez vous.
Combien d'exemples faut-il donner dans un prompt ?
Anthropic recommande 3 à 5 exemples pour de meilleurs résultats. Ils doivent être proches de votre cas réel et suffisamment variés pour que le modèle ne copie pas un détail involontaire. Un exemple unique est souvent reproduit presque à l’identique, ce qui limite l’intérêt de la technique.
Peut-on mettre des données clients dans un prompt ?
Uniquement dans un outil validé par l’entreprise, avec un cadre contractuel adapté, et seulement si la tâche l’exige vraiment. Dans la plupart des cas, une version anonymisée donne un résultat aussi bon. La règle de base : aucun secret, aucun identifiant, aucune donnée personnelle non nécessaire.
Une tâche vous fait perdre des heures chaque semaine ?
Testez en 2 minutes si elle est automatisable.
Faire le test →
Voir le profil du formateur →
À VOIR AUSSI
Pour aller plus loin
Formation prompt engineering appliquée à vos métiers : structure, contexte, vérification, sécurité. Claude, Mistral, ChatGPT. Finançable OPCO. Devis rapide.
Claude ignore mes instructions ? Contradictions, mémoire obsolète, fichiers trop longs : 5 signaux d’un setup encrassé. Diagnostic PromptCare offert.
Injection de prompt : comment elle piège vos assistants internes, exemples concrets et 7 mesures pour s’en protéger (OWASP). Réservez un appel de 30 min.
Adoptez l'IA avant qu'elle ne s'installe sans vous.
Vous préférez qu'on s'en occupe ? Rel-IA Agence construit vos automatisations de A à Z. Échange gratuit →