L'art du prompt
Préciser une consigne, puis comparer les réponses. Une bonne consigne peut aider.
La façon de formuler sa demande change tout ce que l'IA répond.
D'abord construire une consigne solide, brique par brique. Puis vérifier sur une vraie IA : trois niveaux de prompt, trois réponses.
Un prompt, c'est une consigne donnée à l'IA. Quatre briques transforment une demande vague en consigne de pro. Les activer une à une et regarder le prompt se construire :
Prompt naïf — l'IA doit tout deviner : réponse vague, niveau au hasard.
Le prompt envoyé à l'IA
Ce que ça change dans la réponse (aperçu simulé — le test réel est dans l'onglet suivant)
- La tâche précise dit exactement quoi faire et pour qui — fini le « parle-moi de… » qui laisse l'IA choisir au hasard.
- Le rôle suggère un ton et un point de vue. Demander « tu es expert » ne donne pas une expertise garantie.
- Les contraintes cadrent la longueur et le style — sans elles, l'IA déballe tout ce qu'elle « sait ».
- Le format demande une structure : titres, liste, quiz… Le modèle peut ne pas la respecter.
Pour aller plus loin : la cinquième brique, les exemples
Donner un ou deux exemples peut aussi aider à montrer le format attendu. Vérifie toujours le résultat.
Ces briques ne sortent pas d'un chapeau : ce sont les motifs documentés du prompt engineering — catalogue de motifs de White et al. (université Vanderbilt), Prompt Engineering Guide (DAIR.AI) — et le Cadre d'usage de l'IA du ministère invite à « formuler une demande précise et adaptée au besoin ». Sources en bas de page.
Pourquoi ça marche
Le prompt guide la réponse. Préciser la tâche peut aider, sans réentraîner le modèle ni garantir la justesse.
Côté enseignant. Ce formulaire prépare l'activité. L'élève, lui, compare les trois réponses obtenues : voir ce que chaque brique de la consigne a changé.
Pourquoi le prompt est-il important ?
Le prompt guide la réponse. Préciser la tâche peut aider, sans réentraîner le modèle ni garantir la justesse.
Demander son chemin avec un simple « la gare ? » : la personne ne sait pas d'où l'on part, à pied ou en voiture, ni si l'on connaît déjà le quartier. Résultat : une réponse vague ou inadaptée.
Avec l'IA, c'est pareil : plus le prompt est précis, mieux l'IA « devine » ce qui est attendu. Ce module permet de le voir en comparant 3 niveaux de prompt sur le même sujet.
Comment dépasser les limites ? Les bases du prompt engineering
Une fois la différence constatée, voici les 4 règles d'or pour écrire un bon prompt :
- Être précis — Au lieu de « parle-moi des volcans », demander « explique comment un volcan entre en éruption, en 8 phrases, pour un élève de 2nde ».
- Donner du contexte — Indiquer à l'IA qui pose la question, pourquoi, et l'usage prévu de la réponse.
- Demander une structure — « Avec des titres », « en 3 parties », « sous forme de liste » : l'IA organise mieux quand on lui dit comment.
- Préciser le public — « Pour un enfant de 10 ans » ou « pour un lycéen » change complètement le vocabulaire utilisé.
Ces techniques s'appellent le "prompt engineering". Ce n'est pas de la programmation : c'est l'art de bien formuler une consigne, comme quand on rédige un sujet d'examen clair.
Prompt assemblé
Température réglée à — les réponses seront très prévisibles, presque identiques à chaque essai.les réponses seront équilibrées entre précision et créativité.les réponses seront plus créatives et variées, avec plus de risque d'erreurs.
Points de vigilance
- •
Comparaison multi-LLM
Pourquoi les réponses sont-elles différentes ?
Ici, on compare des modèles de langage. Ils passent par Albert API, un service de l’État. Le modèle et le service qui l’héberge sont deux choses différentes.
Ils apprennent avant de répondre. L’entraînement ajuste leurs réglages à partir de textes. Ensuite, la consigne et le contexte guident la réponse.
Ils écrivent par morceaux. Ces morceaux s’appellent des tokens. Le modèle leur donne des probabilités. Le plus probable n’est pas forcément vrai.
Ils peuvent se tromper. Une réponse fausse ou sans appui peut sembler très convaincante : c’est une hallucination. Ici, les appels ordinaires ne lancent pas de recherche web ; le module RAG ajoute des documents.
Pourquoi les réponses changent-elles ?
Les données, l’entraînement, la consigne et la température jouent un rôle. Le pays du concepteur ne suffit pas à expliquer une réponse.
Plus de paramètres ne garantit pas plus de justesse. Deux modèles peuvent aussi répéter la même erreur.
Un assistant peut ajouter des outils de recherche à un modèle. Ces outils aident à vérifier, sans garantir une réponse exacte.
✂️ Réponse tronquée (limite de longueur atteinte).
Grille de comparaison — À remplir (pour les élèves)
Remplir cette grille en lisant les réponses de chaque IA ci-dessus. Ce qui est écrit est conservé dans le navigateur et repris dans l'export. Les critères sont alignés sur les 5 compétences du référentiel CSEN (GT8, janvier 2025).
| Question à se poser | Compétence CSEN | |
|---|---|---|
| Le contenu est-il vraisemblable ? | Plausibilité de l'information | |
| Des sources sont-elles citées ? Sont-elles fiables ? | Fiabilité des sources | |
| Le raisonnement est-il logique et bien construit ? | Qualité des arguments | |
| Y a-t-il des preuves ou des exemples à l'appui ? | Qualité des preuves | |
| Ai-je les connaissances pour juger cette réponse ? | Fiabilité du jugement |
Grille de comparaison — Version IA (analyse automatique)
Une IA va analyser les réponses des autres modèles selon les critères du tableau. Attention : cette analyse est elle-même produite par une IA et peut contenir des erreurs !
Points de vigilance
- •
Références
- White, J. et al. — Vanderbilt University (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT (arXiv:2302.11382) — catalogue documenté des motifs de prompt (persona, gabarit de sortie, contexte…)
- DAIR.AI (2025). Prompt Engineering Guide (promptingguide.ai) — guide open source de référence : instruction précise, contexte, contraintes, format de sortie
- Ministère de l'Éducation nationale (2025). Cadre d'usage de l'IA en éducation — formuler une demande précise et adaptée au besoin
- Frau-Meigs, D. (2025). Référentiel de compétences EMI en algo-IA-littératie (AlgoWatch.eu)
- CSEN — GT8 « Développer l'esprit critique » (2025). Référentiel et grilles pour l'évaluation en classe des compétences de l'esprit critique
- Paquelin, D. (2025). IA générative et pratique professionnelle en EAD : orthèse ou prothèse ? (HAL)