§ Guide
Prompt engineering en PME : une méthode de consignes en cinq éléments
Une bonne consigne tient en cinq éléments : un rôle, le contexte, la tâche avec son format de sortie, un ou deux exemples, une vérification. Anthropic et OpenAI décrivent des structures voisines et demandent le même réflexe : tester sur vos cas réels. Un « prompt optimizer » aide à rédiger, il ne remplace pas ce test. Relevé le 16 octobre 2026.
- Guides officiels d'Anthropic et d'OpenAI
- Relevé le 16 octobre 2026
- Gabarits par fonction
Réponse directe
Comment écrire une bonne consigne pour une IA ?
Donnez un rôle, le contexte, la tâche et le format de sortie attendu, un ou deux exemples réels, puis une règle de vérification. Anthropic compare l'IA à un employé brillant qui ignore vos usages ; OpenAI recommande de séparer identité, instructions, exemples et contexte. Écrivez une consigne par livrable, testez-la sur cinq à dix cas dont vous connaissez la réponse, puis corrigez ce qui a échoué. Relevé le 16 octobre 2026.
§ Les repères
Quels repères retenir avant d'écrire vos consignes ?
Ce que disent Anthropic et OpenAI, élément par élément
| Élément | Anthropic (Claude) | OpenAI (ChatGPT et API) | Ce que nous en retenons |
|---|---|---|---|
| Rôle | Une phrase de rôle dans le message système focalise le comportement et le ton | Section « Identity » : but, style de communication, objectifs de l'assistant | Une phrase : qui répond, pour qui, avec quelle exigence |
| Contexte | Expliquer la raison d'une règle aide à généraliser ; documents longs en tête, question à la fin (jusqu'à 30 % de qualité en plus dans leurs tests) | Section « Context » : données propres à l'entreprise, plutôt vers la fin du prompt | Donnez le pourquoi et collez les documents avant la question |
| Tâche et format | Être précis sur le résultat et les contraintes ; étapes numérotées quand l'ordre compte | Section « Instructions » : ce qu'il faut faire et ne jamais faire ; guide ChatGPT : Context, Instructions, Additional information | Une consigne, un livrable, avec longueur et format écrits |
| Exemples | Trois à cinq exemples pertinents, variés, balisés | Quelques entrées avec la sortie voulue, sur une gamme variée | Deux ou trois dossiers réels anonymisés, dont un cas limite |
| Vérification | Définir des critères de réussite et un moyen de les tester avant de réécrire | Suites de tests, versions de modèle fixées ; ChatGPT : demander les sources, marquer l'incertitude, lister les hypothèses | Cinq à dix cas dont vous connaissez la réponse, puis relecture humaine |
Quelle méthode pour écrire une consigne en cinq éléments ?
Anthropic compare Claude à un employé brillant mais nouveau, qui ignore vos usages : plus vous précisez ce que vous voulez, meilleur est le résultat. Sa règle d'or : montrer la consigne à un collègue qui ne connaît pas la tâche. S'il hésite, le modèle hésitera aussi (guide d'Anthropic). Les cinq éléments ci-dessous sont la méthode de Waimia, construite à partir de ce guide et de ceux d'OpenAI ; ce n'est pas une norme des éditeurs.
1. Le rôle
Une phrase suffit : qui répond, pour qui, avec quelle exigence. Anthropic note qu'une seule phrase de rôle dans le message système change le comportement et le ton ; OpenAI ouvre un message par une section « Identity ». Exemple : « Tu es l'assistant administratif d'un cabinet de [métier] ; tu écris pour des clients qui ne connaissent pas le jargon. »
2. Le contexte
Ce qu'un nouvel employé devrait savoir : l'entreprise, le client, l'historique, les contraintes, et la raison d'être du texte. Anthropic montre qu'expliquer pourquoi une règle existe (« le texte sera lu à voix haute, donc pas de points de suspension ») aide Claude à généraliser. Collez les documents avant la question : pour des entrées longues (plus de 20 000 tokens), Anthropic indique que placer la question à la fin améliore la qualité jusqu'à 30 % dans ses tests, surtout avec plusieurs documents. Retirez les données personnelles inutiles ; ce qu'on peut coller se fixe dans la charte IA et se précise dans le guide Claude et RGPD en PME.
3. La tâche et le format
Un verbe, un livrable, un format. « Rédige une relance de 100 mots, objet compris, en trois phrases » vaut mieux que « aide-moi pour cette relance ». Quand l'ordre compte, numérotez les étapes (Anthropic). Une consigne, un livrable : le guide d'OpenAI pour ChatGPT Enterprise recommande de cadrer avant d'écrire, pour éviter les consignes longues qui s'éparpillent.
4. Les exemples
Un exemple vaut plusieurs adjectifs. Anthropic recommande de trois à cinq exemples pertinents, variés et balisés pour ne pas les confondre avec les instructions ; OpenAI demande une gamme variée d'entrées avec la sortie voulue. En PME, prenez deux ou trois vrais dossiers anonymisés, dont un cas limite. Vérifiez qu'ils respectent vos propres règles : le cookbook d'OpenAI relève que des exemples en désaccord avec la consigne poussent le modèle à imiter les exemples plutôt qu'à suivre la règle.
5. La vérification
Dites comment contrôler la réponse, puis contrôlez. Le guide de ChatGPT Enterprise propose de demander les sources ou des citations du document fourni, de marquer ce qui est incertain, d'ajouter une liste de contrôle et de faire lister les hypothèses. Pour tester une consigne, il suggère cinq à dix questions dont vous connaissez la réponse. Anthropic demande de définir des critères de réussite et un moyen de les tester avant de réécrire. Toute décision visant une personne, tout envoi et tout paiement gardent une relecture humaine.
Un gabarit de consigne en cinq blocs, à adapter à chaque tâche
Exemple illustratif construit par Waimia à partir des guides d'Anthropic et d'OpenAI, pas un texte d'éditeur. Les crochets sont à remplacer ; les balises XML séparent les blocs, comme le recommande Anthropic. Le texte reste en français : écrivez-le dans la langue de votre équipe.
# 1. Rôle
# une phrase
Tu es [fonction] chez [entreprise], tu écris pour [destinataire].
# 2. Contexte
# le pourquoi, puis les documents
[Situation, historique, contraintes, raison d'être du texte.]
<documents>
[Coller ici les documents, sans donnée personnelle inutile.]
</documents>
# 3. Tâche et format
# un livrable, un format
Rédige [livrable] en [langue], [longueur], sur un ton [ton].
Structure : [liste, tableau, paragraphes] avec [champs requis].
# 4. Exemple
# réel, anonymisé
<exemple>
Entrée : [un vrai cas]
Sortie attendue : [la réponse idéale]
</exemple>
# 5. Vérification
# avant de rendre la réponse
Cite le passage du document qui appuie chaque chiffre.
Marque (à vérifier) tout ce dont tu n'es pas sûr.
Termine par la liste des hypothèses que tu as faites.
# Question
# à la fin, après les documents
[La demande précise du jour.]
Un gabarit par fonction de l'entreprise
| Fonction | Rôle et contexte à fournir | Livrable et format | Vérification |
|---|---|---|---|
| Commercial | Assistant commercial de [entreprise] ; offre, tarifs publics, ton de la maison ; historique de l'échange collé | Brouillon de réponse ou de relance de 120 mots au plus, objet compris, terminé par une question | Prix et dates recoupés avec le devis ; une personne envoie |
| Administration et finance | Assistant administratif ; champs attendus ; facture ou relevé collé sans donnée personnelle inutile | Tableau : date, tiers, montant, motif, écart ; anomalies listées à part | Totaux recalculés hors IA ; aucun montant repris sans contrôle |
| Service client | Agent de première ligne ; politique de retour et conditions ; message du client | Réponse courte en trois parties : reconnaissance, réponse, prochaine étape | Aucune promesse hors de la politique écrite ; cas sensibles transmis à une personne |
| Ressources humaines | Assistant RH ; description et critères du poste ; aucune donnée de candidat | Annonce de poste, trame de questions d'entretien | Aucune décision sur une personne : tri, évaluation et refus restent humains |
| Marketing et contenu | Rédacteur ; public visé, offre, textes de référence, mots à éviter | Plan, puis premier jet ; longueur et ton fixés, une idée par paragraphe | Chiffres et citations sourcés ; relecture de la voix de la marque |
| Direction | Analyste ; question de décision ; documents collés en tête | Synthèse en cinq points, risques, questions ouvertes | Chaque chiffre cité avec son passage source ; hypothèses listées |
Un prompt optimizer, pour quoi faire ?
Un optimiseur réécrit une consigne selon des bonnes pratiques. Chez OpenAI, c'est une interface de conversation du tableau de bord : vous y entrez une consigne, elle vous la renvoie optimisée (page « Prompt optimizer », lue le 16 octobre 2026). Le cookbook d'OpenAI liste ce qu'il corrige : les contradictions entre instructions, un format de sortie absent ou flou, les désaccords entre la consigne et les exemples.
Deux limites. OpenAI écrit d'évaluer et de relire à la main une consigne optimisée avant la production, parce qu'elle peut faire moins bien que l'originale sur certaines entrées. Et la variante qui s'appuie sur des jeux de données, rattachée à la plateforme Evals, est en cours d'abandon : Evals passe en lecture seule le 31 octobre 2026 et la plateforme doit fermer le 30 novembre 2026.
Les équivalents côté assistants. Le guide de ChatGPT Enterprise décrit la méthode sans outil : coller vos notes dans ChatGPT, lui demander de vous poser des questions, puis de rédiger la consigne en trois sections (Context, Instructions, Additional information). Pour partir de zéro, la page d'Anthropic renvoie à la recette « metaprompt » de son Claude Cookbook. Dans les deux cas, la consigne produite est un brouillon.
Notre lecture. Un optimiseur fait gagner du temps à la rédaction ; il ne sait pas ce que vaut la réponse sur vos dossiers. Gardez la boucle : consigne, cinq à dix cas, correction. Ces outils changent de nom et de périmètre : vérifiez qu'ils existent encore le jour où vous en avez besoin.
Comment faire entrer la méthode dans l'équipe ?
Pas de bibliothèque de trois cents consignes : trois tâches, une consigne chacune, un test. Chaque étape se ferme sur une décision.
-
Semaine 1 : choisir trois tâches répétées
Trois tâches que l'équipe fait chaque semaine, avec trois vrais dossiers anonymisés par tâche. Une personne est responsable de chaque consigne.
-
Semaine 2 : écrire et tester
Chaque consigne suit le gabarit en cinq blocs. On la teste sur cinq à dix cas dont on connaît la réponse, on note ce qui échoue, on corrige une chose à la fois.
-
Semaine 3 : partager
La consigne qui passe le test est publiée dans un projet partagé de l'assistant de l'équipe, avec son responsable, sa date et son jeu de test.
-
Ensuite : rejouer quand le modèle change
OpenAI écrit que des versions d'une même famille de modèles peuvent donner des résultats différents. On rejoue le jeu de test à chaque changement de modèle et on corrige.
Quelle formation au prompt engineering pour une équipe ?
Un guide transmet la méthode, une formation la fait pratiquer sur vos tâches. Le niveau 1 de la formation ChatGPT et celui de la formation Claude consacrent un module à l'écriture de la consigne : contexte, exemple, format attendu, puis correction en quelques échanges, sur une tâche que le participant fait déjà. Les livrables prévus sont des consignes réutilisables (ChatGPT) ou une bibliothèque de consignes et un projet configuré (Claude), avec une fiche de règles d'usage. Choisissez celle de l'outil que votre entreprise utilise : selon ces pages, les principes se transposent de l'un à l'autre. Les prix par session sont sur chaque page de formation.
Si les consignes doivent alimenter un workflow (devis, tri d'e-mails), l'étape suivante est un audit gratuit de 45 minutes, puis un sprint de cadrage de 10 heures à 999 € HT, à prix fixe, qui livre un prototype testé. La mise en production relève du pilote, dès 2 000 € HT, comme sur la page Tarifs.
Prompt engineering en PME : questions fréquentes
Q.01 Qu'est-ce que le prompt engineering ?
OpenAI le définit comme l'écriture d'instructions efficaces pour qu'un modèle produise de façon régulière un contenu conforme à ce que vous attendez. Pour une PME, cela revient à écrire des consignes réutilisables et à les tester sur ses propres cas. Relevé le 16 octobre 2026.
Q.02 Un prompt optimizer remplace-t-il la méthode ?
Non. Un optimiseur réécrit une consigne selon des bonnes pratiques et corrige contradictions, format absent et désaccords avec les exemples. OpenAI demande pourtant d'évaluer et de relire la consigne optimisée, qui peut faire moins bien sur certaines entrées. Relevé le 16 octobre 2026.
Q.03 OpenAI arrête-t-il son prompt optimizer ?
En partie. L'optimiseur adossé à des jeux de données relève de la plateforme Evals : lecture seule le 31 octobre 2026, fermeture prévue le 30 novembre 2026. La page décrit aussi une interface de conversation d'optimisation dans le tableau de bord, sans date de retrait. Relevé le 16 octobre 2026.
Q.04 Combien d'exemples mettre dans une consigne ?
Anthropic recommande de trois à cinq exemples pertinents, variés et balisés pour de meilleurs résultats. OpenAI demande une gamme variée d'entrées avec la sortie voulue. En PME, deux ou trois dossiers réels anonymisés, dont un cas limite, suffisent pour commencer. Relevé le 16 octobre 2026.
Q.05 Une bonne consigne marche-t-elle avec tous les modèles ?
Pas forcément. OpenAI écrit que des types de modèles et même des versions d'une même famille peuvent donner des résultats différents, et conseille des suites de tests. Anthropic demande de revérifier sur vos propres tests une technique mesurée sur un autre modèle. Rejouez vos cas quand le modèle change. Relevé le 16 octobre 2026.
Q.06 Quelle formation au prompt engineering pour une équipe ?
Celle de l'outil que l'équipe utilise. Le niveau 1 des formations ChatGPT et Claude de Waimia travaille la rédaction de consignes sur des tâches réelles des participants, avec des consignes réutilisables en livrable. Le choix du niveau se fait après l'audit gratuit de 45 minutes.
Sources
- Anthropic, Prompting best practices (clarté, contexte, exemples, balises, rôle, documents longs), lu le 16 octobre 2026
- Anthropic, Prompt engineering overview (critères de réussite, tests, recette metaprompt), lu le 16 octobre 2026
- OpenAI, Prompt engineering (rôles, sections d'un message, exemples, versions de modèle, tests), lu le 16 octobre 2026
- OpenAI, Prompt optimizer (fonctionnement, relecture, calendrier d'abandon de la plateforme Evals), lu le 16 octobre 2026
- OpenAI Cookbook, GPT-5 Prompt Migration and Improvement Using the New Optimizer (ce que l'optimiseur corrige), lu le 16 octobre 2026
- OpenAI Cookbook, ChatGPT Enterprise : Practical prompt engineering for everyday work (structure, vérification, test sur 5 à 10 questions), lu le 16 octobre 2026
Page mise à jour le par Simon Beros, fondateur de Waimia.