Écrire un bon prompt ChatGPT ou Claude : méthode et exemples

Un bon prompt combine six briques : un contexte (qui vous êtes, pour qui), un rôle donné à l’IA, une tâche précise, un format de sortie, des contraintes explicites et, dès que l’enjeu monte, des exemples à imiter. Les documentations d’Anthropic, d’OpenAI et de Google convergent sur ce socle (source : Anthropic, bonnes pratiques de prompting, 2026). Ce guide détaille la méthode, puis vous donne des modèles prêts à copier pour les tâches courantes d’une PME.

Je vais être direct : la majorité des gens écrivent leurs prompts comme des requêtes Google. « Écris-moi un post LinkedIn. » « Résume ce texte. » Et ils s’étonnent que le résultat soit fade. Le problème n’est pas le modèle, c’est l’entrée. Anthropic le formule avec une image juste : pensez à Claude comme à un employé brillant mais nouveau, qui ne connaît ni vos normes ni vos méthodes de travail. Plus vous expliquez précisément ce que vous voulez, meilleur est le résultat.

Le prompt engineering désigne le travail d’écriture d’instructions efficaces pour qu’un modèle produise, de façon régulière, un contenu conforme à vos exigences (source : OpenAI, guide du prompt engineering, 2026). Pas besoin d’être développeur : c’est d’abord un travail de rédaction.

Les 6 briques d’un prompt qui fonctionne

Les guides officiels convergent vers la même colonne vertébrale. OpenAI recommande d’organiser les consignes d’une application en 4 sections, dans cet ordre : identité, instructions, exemples, contexte (source : OpenAI, guide du prompt engineering, 2026). Google conseille d’ajouter du contexte, des exemples, des contraintes et un format de réponse (source : Google, stratégies de conception de prompts, 2026). Anthropic y ajoute le rôle et la structure en balises.

Voici les six briques, dans l’ordre où je les pose :

Vous n’avez pas besoin des six à chaque fois. Pour une question simple, le contexte et la tâche suffisent. Mais dès que l’enjeu monte (un contenu client, du code, une analyse), chaque brique manquante devient un aller-retour de correction.

Le contexte : donner à l’IA de quoi vous connaître

L’erreur numéro un, c’est le manque de contexte. Google le dit simplement : fournissez au modèle les informations dont il a besoin au lieu de supposer qu’il les a déjà. Concrètement : votre secteur, votre cible, votre objectif, ce qui existe déjà. Si vous rédigez une offre d’emploi, précisez la culture de l’entreprise et les méthodes internes ; c’est justement ce type de tâche qui exige les prompts les plus détaillés.

Deux réflexes tirés de la documentation d’Anthropic :

• La règle d’or. Montrez votre prompt à un collègue qui ne connaît pas le sujet et demandez-lui de le suivre. S’il est perdu, l’IA le sera aussi.
• Expliquer le pourquoi. « N’utilise jamais de points de suspension » marche moins bien que « ce texte sera lu par une synthèse vocale, donc n’utilise jamais de points de suspension : elle ne saurait pas les prononcer ». Le modèle généralise à partir de la raison donnée.

Le rôle : orienter le vocabulaire

Attribuer une persona à l’IA n’est pas cosmétique. « Tu es un ingénieur SRE » ne produit pas le même vocabulaire ni les mêmes réflexes que « tu es un développeur junior ». Anthropic note qu’une seule phrase de rôle suffit déjà à orienter le comportement et le ton. Pour le code, OpenAI recommande de présenter le modèle comme un agent d’ingénierie logicielle aux responsabilités bien définies (source : OpenAI, guide du prompt engineering, 2026). Le rôle cadre le registre, la profondeur et les angles que le modèle va couvrir.

Le format et les contraintes : dire quoi faire plutôt que quoi éviter

Précisez toujours la longueur, la structure (puces, tableau, paragraphes) et le ton. Anthropic ajoute une nuance utile : dites ce que vous voulez plutôt que ce que vous ne voulez pas. « Pas de Markdown » marche moins bien que « réponds en paragraphes de prose fluide ». Le style de votre prompt déteint aussi sur la réponse : retirer le Markdown de votre prompt peut réduire le Markdown dans la sortie. Interdire un mot précis reste possible (Google confirme qu’on peut dire au modèle quoi faire et quoi ne pas faire), mais décrire ou montrer le style attendu va plus loin qu’une liste d’interdits.

Structurer un prompt long : balises, documents et ordre

Dès que votre prompt mélange consignes, contexte, exemples et documents, séparez chaque bloc. Anthropic recommande des balises XML aux noms explicites (<instructions>, <context>, <input>) pour que le modèle distingue sans ambiguïté ce qui est une consigne et ce qui est une donnée. OpenAI conseille la même chose avec des titres Markdown ou des balises XML. Un squelette simple :

<contexte>
Je dirige une agence immobilière à Lyon. Mes clients sont des primo-accédants.
</contexte>

<document>
[collez ici le rapport ou le compte rendu]
</document>

<consignes>
Résume le document en 5 puces pour un client non spécialiste.
Si une information manque, écris « non précisé ».
</consignes>

L’ordre compte aussi. Pour les longs documents (à partir de 20 000 tokens environ), Anthropic conseille de placer le document en haut du prompt et la question à la fin : dans ses tests, poser la question en fin de prompt améliore la qualité des réponses jusqu’à 30 %, surtout avec plusieurs documents complexes (source : Anthropic, prompts à contexte long, 2026). Google donne la même consigne pour Gemini : tout le contexte d’abord, la question ou l’instruction tout à la fin. Dernier réflexe sur un long rapport : demandez d’abord à l’IA de citer les passages utiles, puis de répondre à partir de ces citations.

Les exemples (few-shot) : la technique la plus sous-utilisée

Si je devais isoler une seule technique qui change tout, ce serait le few-shot. Le principe : au lieu de décrire le style attendu, vous le montrez. Le few-shot désigne l’ajout dans le prompt de quelques exemples d’entrée et de sortie, variés et de qualité, pour montrer le format, le style ou la structure attendus, par opposition au one-shot (un exemple) et au zero-shot (aucun). Anthropic recommande 3 à 5 exemples pour de meilleurs résultats (source : Anthropic, utiliser les exemples, 2026) et Google conseille d’en inclure systématiquement (source : Google, stratégies de conception de prompts, 2026).

Les trois qualités d’un bon exemple, selon Anthropic :

• Pertinent : il ressemble à votre cas réel.
• Varié : il couvre des cas limites, pour que l’IA ne recopie pas un détail par accident.
• Délimité : placé entre balises <example>, il ne se confond pas avec les consignes.

Google ajoute deux garde-fous : avec trop d’exemples, le modèle finit par coller à ces exemples au lieu de généraliser, et tous doivent avoir exactement la même mise en forme.

Le mécanisme tient du mimétisme : l’IA calque la structure, le ton et le style de vos exemples. Anthropic les présente comme l’un des moyens les plus fiables d’orienter le format, le ton et la structure d’une réponse. Concrètement, si vous voulez que Claude rédige vos réponses clients dans votre voix, collez-lui trois vraies réponses que vous avez validées. Le résultat sera bien plus proche de votre marque que n’importe quelle description abstraite. C’est aussi pour ça que l’IA seule peine à incarner une marque sans matière humaine en entrée.

Faire raisonner l’IA sur les tâches complexes

Pour les problèmes qui demandent de la logique (calcul, arbitrage, diagnostic), la façon de demander le raisonnement change la qualité de sortie.

• Le Chain of Thought (CoT) désigne le fait de demander au modèle d’expliciter son raisonnement, étape par étape, avant de conclure. Microsoft note que cela réduit le risque de réponse inexacte et rend la réponse plus facile à vérifier (source : Microsoft Learn, techniques d’ingénierie de prompt, 2026).
• Attention aux modèles récents. Les modèles dits « de raisonnement » réfléchissent déjà avant de répondre, et Microsoft réserve d’ailleurs la technique CoT aux modèles qui n’ont pas ce raisonnement intégré. Sur les derniers Claude, la réflexion est automatique : Anthropic présente le « réfléchis étape par étape » manuel comme une solution de repli quand elle est désactivée, et préfère une consigne générale comme « réfléchis en profondeur » à un plan détaillé écrit à la main (source : Anthropic, réflexion et raisonnement, 2026).
• L’auto-vérification. Ajoutez en fin de prompt : « Avant de conclure, vérifie ta réponse au regard de [vos critères]. » Selon Anthropic, cette consigne attrape les erreurs de façon fiable, surtout en code et en calcul (la doc signale une exception, Claude Opus 5, qui se vérifie déjà seul).

OpenAI résume la différence avec une image : un modèle de raisonnement se comporte comme un collègue senior à qui l’on confie un objectif, un modèle GPT classique comme un collègue junior qui a besoin d’instructions explicites. Adaptez donc le niveau de détail de votre prompt au modèle, et le modèle à la tâche. Chez Anthropic, la gamme d’octobre 2026 va de Haiku 5.5, pensé pour les tâches à fort volume comme le classement ou l’extraction, à Fable 5.1, réservé au raisonnement exigeant (source : Anthropic, présentation des modèles, 2026). Pour choisir entre éditeurs, voir ChatGPT, Claude ou Gemini : lequel pour votre PME.

Pour vous entraîner, Anthropic publie un tutoriel interactif en 9 chapitres, qui commence par « Basic Prompt Structure » et date des modèles Claude 3 : là où il diffère des bonnes pratiques actuelles, suivez ces dernières (source : Anthropic, tutoriel interactif sur GitHub).

Avant / après : trois cas concrets

La théorie, c’est bien. Regardons ce que ça change vraiment.

Cas 1 : rédiger

Avant : « Explique le concept de machine learning. »

Résultat : un pavé générique, ni long ni court, sans destinataire, réutilisable nulle part.

Après : « Tu es formateur en data science. Explique le machine learning à un dirigeant de PME non technique, en 160 mots, avec un exemple concret dans le secteur médical. Évite le jargon, une analogie maximum. »

La version travaillée fixe un destinataire, une longueur et un exemple sectoriel : c’est exactement ce que demande Anthropic quand il conseille d’être précis sur le format attendu et les contraintes. Résultat : moins d’ambiguïté, moins d’allers-retours, un texte directement exploitable.

Cas 2 : coder

Avant : « Écris une fonction pour uploader des images sur mon site. »

L’IA invente le langage, le framework, la gestion d’erreur. Vous passez plus de temps à corriger qu’à écrire vous-même.

Après : « Tu es développeur PHP senior. Écris une fonction WordPress qui redimensionne les images à l’upload (max 1 600 px de large), en WebP, avec gestion des erreurs et logs. Respecte les standards WordPress Coding Standards. Ajoute un test unitaire. Format : bloc de code commenté + explication en 3 points. »

Ces deux contraintes renvoient à des référentiels publics et vérifiables, ce qui rend la sortie contrôlable : les WordPress Coding Standards (source : WordPress Developer Resources, 2026) et le format WebP, documenté parmi les formats d’image du web (source : MDN Web Docs, types d’images du web, 2026).

OpenAI insiste sur ce point pour les tâches de code : définir le rôle de l’agent, cadrer l’usage des outils avec des exemples, exiger des tests et fixer des règles de mise en forme Markdown. Attention à un piège documenté : un outil comme apply_patch peut renvoyer « Done » même quand l’opération a échoué (source : OpenAI, guide du prompt engineering, 2026). Demandez toujours à l’IA de valider ses propres résultats plutôt que de les prendre pour argent comptant. C’est une des raisons pour lesquelles l’IA construit un site mais pas sa mise en production.

Cas 3 : résumer

Avant : « Résume ce rapport. »

Vous obtenez un résumé qui n’a pas priorisé ce qui compte pour VOUS.

Après : « Résume ce rapport de 20 pages pour un comité de direction pressé. Format : 5 puces d’actions décisionnelles + 3 risques identifiés + 1 recommandation. Reste factuel, cite les chiffres du document, n’invente rien. Si une donnée manque, signale-le. »

La nuance décisive : préciser la profondeur. Une liste de cinq idées et une analyse détaillée avec causes et chiffres ne répondent pas au même besoin. C’est vous qui décidez du niveau, pas le modèle. Et la phrase « si une donnée manque, signale-le » donne au modèle une porte de sortie au lieu de le pousser à combler le vide.

Cinq modèles de prompts prêts à copier pour une PME

Les cas ci-dessus montrent la méthode. Voici des cadres réutilisables pour les tâches qui reviennent chaque semaine dans une PME. Remplacez les crochets, gardez la structure.

Répondre à un client mécontent

Avant : « Écris une réponse à ce client mécontent. »

Après : « Tu es chargée de relation client pour une PME de mobilier haut de gamme. Un client se plaint d’un délai de livraison de 3 semaines alors qu’on lui avait annoncé 10 jours. Rédige une réponse par e-mail, ton professionnel et chaleureux, 120 mots maximum, qui reconnaît le problème, explique sans excuse creuse et propose une solution concrète (bon de réduction de 10 %). »

Le cadre à garder sous la main :

Rôle : tu es [poste] chez [nom ou type d'entreprise].
Contexte : [résumez la situation en 2 ou 3 phrases].
Tâche : rédige une réponse [e-mail / message], ton [professionnel / chaleureux / ferme], [X] mots maximum.
Contraintes : [ce qu'on peut et ne peut pas promettre, les éléments factuels à inclure].

La ligne « Contraintes » est la plus importante : c’est elle qui empêche l’IA d’inventer une promesse que vous ne pouvez pas tenir.

Rédiger une fiche produit

L’IA produit facilement du texte. Elle produit difficilement du texte qui vend, sauf si vous lui fournissez la matière première : les caractéristiques réelles et un exemple de ton.

Tu es rédacteur produit pour une marque [secteur]. Voici les caractéristiques techniques du produit : [collez les caractéristiques].
Voici un exemple de fiche existante qui nous correspond bien en termes de ton : [collez l'exemple].
Rédige une fiche produit de 150 mots : accroche bénéfice client (1 phrase), description (3 ou 4 phrases), 3 points forts en liste à puces. N'utilise pas le mot « qualité » : montre-la par des faits précis.

La dernière consigne applique le conseil vu plus haut : chassez les mots creux, mais dites aussi ce que vous voulez à la place.

Écrire un post LinkedIn ou Instagram

LinkedIn et Instagram ne s’écrivent pas de la même façon. Ne demandez jamais « un post pour les réseaux » : vous obtiendrez un texte tiède, valable nulle part.

LinkedIn (B2B, fond et posture) :

Rédige un post LinkedIn de 180 à 220 mots sur [sujet]. Commence par une accroche d'une ligne qui pose un problème ou une tension, pas une question rhétorique. Développe avec [angle : retour d'expérience / point de vue / conseil pratique]. Termine par une phrase qui invite à réagir, sans écrire « et vous ? ». Ton : direct, sans jargon.

Instagram (visuel et court) :

Rédige 5 variantes de légende Instagram pour une photo de [description]. 80 mots maximum chacune. Ton : [chaleureux / premium / humoristique]. Ajoute 5 hashtags pertinents à la fin de chaque variante.

Demandez toujours plusieurs variantes et ne prenez pas la première : c’est vous qui choisissez ce qui sonne juste pour votre marque.

Transformer des notes de réunion en actions

L’IA trie bien des notes brutes, à condition de lui donner les notes ou la transcription telles quelles, pas un compte rendu déjà rédigé.

Voici les notes brutes de notre réunion du [date] sur [sujet] : [collez vos notes, même imparfaites].
Extrais : 1) les décisions prises (liste à puces), 2) les actions avec responsable et échéance si elles sont mentionnées, 3) les points en suspens. Format : 3 blocs distincts, pas de rédaction narrative.

Attention : un compte rendu nominatif contient des données personnelles. La CNIL définit une donnée personnelle comme toute information se rapportant à une personne physique identifiée ou identifiable (source : CNIL, définition d’une donnée personnelle, 2026). Cela doit guider le choix de l’outil de transcription et la durée de conservation des fichiers.

Préparer un brief pour un prestataire

Rédiger un brief prend du temps, et on écrit souvent trop sur l’accessoire et pas assez sur l’essentiel. Ce prompt inverse le processus :

Je dois briefer [un graphiste / un développeur / un prestataire SEO] pour [mission précise].
Voici ce que j'ai en tête, en vrac : [écrivez librement tout ce qui vous passe par la tête].
Transforme ça en brief structuré avec : objectif, cible, contraintes techniques, livrables attendus, délai, ton et univers de référence. Signale-moi les informations manquantes sous forme de liste de questions.

La dernière consigne est la plus utile : elle transforme l’IA en assistant qui repère vos angles morts, au lieu de combler les trous avec des suppositions. Pour d’autres prompts de dirigeant, voir ChatGPT en 10 prompts : le guide pour diriger une PME et Maîtriser Claude en 10 prompts.

Itérer, puis garder ce qui marche

Voici la vérité que personne n’aime entendre : l’IA générative ne produit que rarement un résultat parfait dès la première requête. Anthropic part d’ailleurs du principe qu’avant d’optimiser un prompt, vous avez des critères de réussite clairs, un moyen de les tester et un premier brouillon (source : Anthropic, aperçu du prompt engineering, 2026). Ne réécrivez pas tout : corrigez par touches.

1. Lancez votre prompt structuré.
2. Identifiez ce qui cloche (trop long ? mauvais ton ? hors sujet ?).
3. Corrigez une seule variable à la fois : « raccourcis à 120 mots », « rends le ton plus direct », « supprime le dernier paragraphe ».
4. Sauvegardez les prompts qui marchent dans une bibliothèque réutilisable.

Si rien ne s’améliore, Google propose trois pistes : reformuler la consigne, la remplacer par une tâche analogue qui mène au même résultat, ou changer l’ordre des éléments du prompt. Anthropic décrit aussi une chaîne d’autocorrection en trois temps : un premier jet, une relecture par l’IA au regard de vos critères, puis une version corrigée.

Un prompt book désigne le recueil des prompts testés et validés par une équipe, rangés par tâche et réutilisables tels quels. Un simple document partagé suffit : un prompt par format (réponse client, fiche produit, LinkedIn), avec un exemple de résultat validé. Commencez par les deux ou trois tâches qui vous ont coûté du temps cette semaine.

Pour un usage en production (une intégration API sur votre site, par exemple), OpenAI recommande de figer la version du modèle, par exemple gpt-4.1-2025-04-14, et de construire des suites de tests pour suivre la performance de vos prompts quand vous les modifiez ou changez de version de modèle (source : OpenAI, guide du prompt engineering, 2026). Un prompt qui marche aujourd’hui peut se dégrader après une mise à jour de modèle. C’est un réflexe d’ingénieur, pas de simple utilisateur.

Les pièges qui plombent vos prompts

• L’ambiguïté. « Fais quelque chose de sympa » ne veut rien dire pour une machine. Soyez chirurgical.
• L’absence de format. Sans consigne de sortie, vous obtenez un pavé impossible à réutiliser.
• Un seul prompt pour tous les formats. Un prompt LinkedIn recyclé pour Instagram produit du contenu hors cible. Gardez un prompt par format.
• Oublier l’exemple de ton. Sans exemple, l’IA adopte le ton le plus générique possible. Une phrase de vos mails habituels, une fiche existante, un post que vous aimez : ces ancres changent le résultat.
• La confiance aveugle. L’IA affirme avec aplomb, y compris quand elle se trompe. Elle ne vérifie ni vos délais, ni les caractéristiques de vos produits, ni les chiffres. Pour tout contenu publié, Google juge essentiel de vérifier manuellement les faits et de relire le contenu généré par IA avant publication (source : Google Search Central, contenu généré par IA, 2026).
• Supprimer l’étape humaine sur les sujets sensibles. Client en conflit, communication de crise, partenaire stratégique : l’IA aide à formuler, pas à décider. Sur ces sujets, la relecture humaine n’est pas optionnelle, et sur les tâches complexes l’IA seule atteint vite ses limites.
• Le prompt jetable. Vous trouvez enfin la bonne formulation… et vous ne la sauvegardez pas. Constituez votre prompt book.

Bien utiliser l’IA, c’est un vrai levier de productivité pour une PME, à condition de garder la main sur la vérification. Mais un bon prompt ne remplace pas le jugement : la différence entre un brief créatif et un prompt reste entière quand il s’agit d’incarner une vraie stratégie de marque.

Le takeaway : avant votre prochain prompt important, écrivez sur une ligne vos six briques (contexte, rôle, tâche, format, contraintes, exemple). Quelques secondes de structuration évitent plusieurs allers-retours. Faites-en un réflexe, pas une exception.

FAQ