Prompt Engineering : Guide complet pour maîtriser les LLMs

Les fondamentaux

Un bon prompt est : spécifique, contextuel, et structuré.

Mauvais prompt

Écris-moi un email.

Bon prompt

Tu es un responsable commercial B2B. Rédige un email de relance
pour un prospect qui n'a pas répondu depuis 2 semaines.

Contexte :
- Prospect : DSI d'une PME industrielle
- Produit proposé : Solution de supervision SCADA
- Dernier échange : Démo du produit

Ton : Professionnel mais pas pressant
Longueur : 100-150 mots
Inclure : Un CTA pour planifier un appel

Technique 1 : Role Prompting

Attribuez un rôle spécifique au modèle :

Tu es un architecte logiciel senior avec 15 ans d'expérience
en systèmes distribués. Tu privilégies la simplicité et
la maintenabilité sur la performance prématurée.

Analyse l'architecture suivante et identifie les problèmes potentiels...

Technique 2 : Few-Shot Learning

Donnez des exemples du format attendu :

Convertis ces phrases en SQL :

Exemple 1:
Phrase: "Tous les clients de Paris"
SQL: SELECT * FROM clients WHERE ville = 'Paris';

Exemple 2:
Phrase: "Les commandes de plus de 100 euros"
SQL: SELECT * FROM commandes WHERE montant > 100;

À convertir:
Phrase: "Les produits en rupture de stock"
SQL:

Technique 3 : Chain of Thought

Demandez au modèle de raisonner étape par étape :

Résous ce problème étape par étape, en montrant ton raisonnement :

Une entreprise a 150 employés. 60% travaillent à temps plein.
Parmi les temps plein, 25% sont en télétravail complet.
Combien d'employés temps plein sont en télétravail ?

Raisonnement :

Technique 4 : Contraintes explicites

Génère une fonction Python qui valide un email.

Contraintes :
- Utilise uniquement la bibliothèque standard (pas de regex)
- Maximum 15 lignes de code
- Inclure des docstrings
- Gérer les cas : None, chaîne vide, format invalide
- Retourne un booléen

Technique 5 : Output structuré

Analyse ce texte et retourne le résultat en JSON :

"{texte à analyser}"

Format de sortie attendu :
{
  "sentiment": "positif|négatif|neutre",
  "score_confiance": 0.0-1.0,
  "themes_principaux": ["theme1", "theme2"],
  "resume": "résumé en une phrase"
}

Technique 6 : Negative prompting

Précisez ce que vous ne voulez PAS :

Explique le concept de microservices.

NE PAS inclure :
- Comparaison avec les monolithes
- Exemples de code
- Mentions de technologies spécifiques (Docker, Kubernetes)

Format : 3 paragraphes maximum, langage accessible pour non-techniciens

Prompts système (APIs)

Pour les intégrations API, le system prompt définit le comportement global :

// System prompt
Tu es l'assistant virtuel de TechCorp, spécialiste en solutions cloud.

Règles :
1. Réponds uniquement aux questions liées à nos produits
2. Si tu ne connais pas la réponse, redirige vers support@techcorp.com
3. Ne jamais mentionner les concurrents
4. Ton : professionnel, concis, orienté solution
5. Langue : français uniquement

Produits TechCorp :
- CloudSync Pro : Synchronisation fichiers
- SecureVault : Backup chiffré
- TeamFlow : Collaboration temps réel

Conseil : Itérez sur vos prompts. La première version est rarement optimale. Testez, analysez les résultats, affinez. Gardez une bibliothèque de vos meilleurs prompts.

Erreurs courantes

Trop vague : "Aide-moi avec mon code" → Précisez le problème
Trop long : Les prompts kilométriques perdent le modèle
Pas de contexte : Le modèle ne connaît pas votre projet
Format ambigu : Spécifiez le format de sortie attendu

Conclusion

Le prompt engineering est une compétence qui s'apprend et se pratique. Maîtrisez ces techniques et vous multiplierez l'efficacité de vos interactions avec les LLMs.

Besoin de former votre équipe au prompt engineering ? Contactez-moi.

Davy Abderrahman

Expert IA et prompt engineering. Formateur et consultant en intégration LLM.