Internet est rempli de "prompts magiques" et de hacks pour ChatGPT. En entreprise, ce qui compte c'est la fiabilité et la cohérence. Voici les techniques qui marchent vraiment.

Les bases : structure d'un prompt professionnel

Un prompt d'entreprise bien construit contient généralement :

  1. Contexte/Rôle : qui est l'assistant, pour qui travaille-t-il
  2. Tâche : ce qu'il doit faire, précisément
  3. Format : comment structurer la réponse
  4. Contraintes : ce qu'il ne doit PAS faire
  5. Exemples : des cas concrets (few-shot)

Exemple : assistant qualification de leads

SYSTEM PROMPT :

Tu es l'assistant de qualification de leads de [Entreprise].
Ton rôle est d'analyser les informations d'un prospect et de déterminer 
son niveau de qualification selon notre grille interne.

GRILLE DE QUALIFICATION :
- HOT : Budget confirmé + décision < 3 mois + besoin identifié
- WARM : 2 critères sur 3 remplis
- COLD : 1 critère ou moins

FORMAT DE RÉPONSE :
{
  "qualification": "HOT|WARM|COLD",
  "score": 1-10,
  "criteres_remplis": ["...", "..."],
  "criteres_manquants": ["...", "..."],
  "prochaine_action": "..."
}

CONTRAINTES :
- Ne jamais inventer d'informations non présentes dans la fiche
- En cas de doute, qualifier COLD et demander plus d'infos
- Toujours justifier le score avec des éléments concrets

Technique 1 : Few-shot learning

Donner des exemples au modèle est souvent plus efficace que de longues explications. 

EXEMPLES :

Fiche prospect 1 :
"PME de 50 personnes, secteur retail, budget 20k€, veut déployer avant Q2"
→ Réponse : {"qualification": "HOT", "score": 9, ...}

Fiche prospect 2 :
"Startup early-stage, intéressée par l'IA, pas de budget défini"
→ Réponse : {"qualification": "COLD", "score": 3, ...}

---
Maintenant, analyse cette fiche :
{fiche_prospect}

Règle : 2-5 exemples suffisent généralement. Plus d'exemples = contexte plus long = plus cher.

Technique 2 : Chain of Thought (CoT)

Pour les tâches de raisonnement complexe, demander au modèle d'expliquer son raisonnement améliore la qualité. 

Analyse ce contrat et identifie les clauses problématiques.

Procède étape par étape :
1. Liste les parties prenantes et leurs obligations
2. Identifie les clauses inhabituelles ou déséquilibrées
3. Compare avec les standards du secteur
4. Conclus avec une liste priorisée de points d'attention

Montre ton raisonnement à chaque étape.

Quand l'utiliser : analyse de documents complexes, décisions multi-critères, calculs.

Technique 3 : Contraintes négatives

Dire ce qu'il ne faut PAS faire est souvent plus efficace que des instructions positives. 

CONTRAINTES :
- NE PAS inventer de sources ou de références
- NE PAS utiliser de jargon technique non expliqué
- NE PAS dépasser 3 paragraphes
- NE JAMAIS inclure de code exécutable
- En cas d'incertitude, dire "Je ne suis pas certain" plutôt que d'affirmer

Technique 4 : Output structuré

Imposer un format JSON ou markdown facilite l'intégration dans vos systèmes. 

Réponds UNIQUEMENT avec un JSON valide, sans texte avant ou après.

Structure attendue :
{
  "synthese": "string (max 100 mots)",
  "points_cles": ["string", "string", ...],
  "sentiment": "positif|neutre|negatif",
  "confiance": 0.0-1.0
}

Astuce : avec GPT-4 et Claude, utilisez le paramètre "JSON mode" pour garantir un output parsable.

Technique 5 : Prompts modulaires

Pour les workflows complexes, découpez en prompts spécialisés chaînés. 

WORKFLOW : Réponse à un email client

[Prompt 1 - Analyse]
Analyse cet email et extrais :
- Intention principale
- Ton (formel/informel/urgent/mécontent)
- Questions posées
- Informations manquantes

[Prompt 2 - Recherche contexte]
Voici le CRM du client. Extrais les infos pertinentes pour répondre à :
{questions du prompt 1}

[Prompt 3 - Rédaction]
Rédige une réponse à cet email en :
- Adoptant le ton {ton du prompt 1}
- Répondant aux questions {prompt 1}
- Utilisant le contexte {prompt 2}
- Respectant notre charte de communication

Erreurs courantes

❌ "Agis comme un expert..."

Vague et inefficace. Préférez des instructions concrètes et des exemples.

❌ Prompts trop longs

Un prompt de 2000 mots est probablement mal structuré. Découpez en plusieurs prompts chaînés.

❌ Pas de tests systématiques

Un prompt qui marche sur 5 exemples peut échouer sur le 6e. Testez sur au moins 20-30 cas variés avant de déployer.

❌ Ignorer la température

Pour des tâches factuelles (extraction, classification), température = 0. Pour des tâches créatives, 0.7-1.0.

Mon process de développement de prompts

  1. Collecter 20+ exemples réels de la tâche
  2. Écrire un prompt v1 basique
  3. Tester sur 10 exemples, noter les échecs
  4. Ajouter des contraintes/exemples pour corriger
  5. Re-tester sur les 10 exemples + 10 nouveaux
  6. Répéter jusqu'à >90% de succès
  7. Documenter le prompt et ses limitations
Besoin d'aide pour vos prompts ? Je développe des systèmes de prompts sur mesure pour vos cas d'usage, avec documentation et formation de vos équipes.
Algominem Consultant IA & Développement Web

Expert en intégration d'intelligence artificielle et développement d'outils web. Basé à Paris et Caen, j'accompagne les entreprises dans leur transformation digitale avec une approche pragmatique.

Cet article vous a été utile ?