Prompt engineering · 2026
Désapprendre le prompting
D'abord la méthode du brief, telle qu'elle marche en 2026. Ensuite les réflexes de 2023 à réviser. Le tout, preuves à l'appui.
Les modèles ont radicalement changé en trois ans. Notre façon de leur parler, presque pas. On a tous appris les mêmes réflexes en 2023 : ouvrir par « tu es un expert mondial en… », ajouter « réfléchis étape par étape », empiler les consignes dans un prompt long comme le bras. Ces réflexes marchaient. Le problème, c'est que certains, aujourd'hui, ne se contentent plus d'être inutiles : ils dégradent activement la réponse.
La newsletter de GenevIA qui m'a mis sur cette piste a raison sur le fond. Mais c'est aussi un argumentaire de vente, et il simplifie ici et là. Cette page fait deux choses : elle pose d'abord la méthode positive — comment briefer une IA aujourd'hui — puis elle passe les vieux réflexes au crible des recherches récentes. Chaque idée reçoit un verdict : à garder, solide, à nuancer ou surinterprété.
Le déclic : on ne prompte plus, on briefe
Retiens l'image, tout le reste en découle. Un prompt de 2026, ce n'est pas une formule magique. C'est un brief que tu confies à un collaborateur très compétent, mais qui débarque et ne connaît rien à ta situation.
Avant, il fallait dire à l'IA comment réfléchir. Les modèles actuels savent déjà le faire. Ton travail a changé de nature : tu ne pilotes plus la mécanique, tu cadres le problème. Tu dis quoi obtenir et dans quel cadre, tu laisses la machine choisir le comment. Les trois mouvements qui suivent ne sont que la déclinaison de ce principe.
Plante le décor
Donne le contexte avant la demande. Qui tu es, quelle est la situation, pour qui est le résultat. Va à l'essentiel, mais ne saute jamais cette étape : c'est elle qui transforme une réponse générique en réponse utile.
Compare. « Rédige un post LinkedIn sur mon entreprise » ne précise ni la cible, ni l'objectif, ni le ton. L'IA ne peut produire qu'une bouillie passe-partout. « Je dirige un cabinet de conseil RH en Suisse romande, je m'adresse à des directeurs de PME » oriente déjà toute la réponse. Le même réflexe vaut dans ton métier : « prépare un entretien » et « prépare un entretien pour un jeune sans expérience qui postule en grande surface » ne déclenchent pas du tout la même chose.
Contexte : [qui tu es / ton rôle]. Situation : [ce qui se passe, l'enjeu]. Destinataire : [pour qui est le résultat, son niveau]. Puis seulement : [ta demande].
L'objectif, pas la méthode
C'est le changement le plus profond de 2026, et celui qui demande le plus de désapprentissage. Dis ce que tu veux obtenir, avec les contraintes et les enjeux, plutôt que la procédure à suivre.
Sur-spécifier est devenu contre-productif. Quand tu dictes chaque étape à un modèle qui sait raisonner, tu brides précisément la faculté qui fait sa valeur, et tu te prives de sa puissance. La documentation d'OpenAI sur les modèles de raisonnement le formule de la même façon : un bon prompt remplit des cases — but, contraintes, contexte, audience, forme de sortie — mais pas la procédure. Donne la destination et les règles du jeu, laisse le modèle tracer la route.
La méthode dictée
Pour analyser cet avis client : 1) repère les mots négatifs, 2) compte-les, 3) compare aux mots positifs, 4) conclus si l'avis est positif ou négatif.
L'objectif posé
Classe cet avis client (positif / neutre / négatif) et donne en une phrase la raison principale. Si l'avis est ambigu, dis-le plutôt que de trancher.
Cadre les contraintes et le format
Une fois l'objectif posé, précise les limites. La longueur, le ton, ce qu'il faut éviter, la forme attendue : tableau, liste, plan en trois parties, paragraphes. L'IA s'adapte remarquablement bien — encore faut-il le lui dire, car par défaut elle devine, et elle devine souvent trop long et trop lisse.
C'est aussi ici que se loge la vraie version du conseil « fais court » : il ne s'agit pas de viser un nombre de mots minimal, mais de nommer la forme qui te sert. « En trois puces, sans introduction » ou « un paragraphe, ton parlé » cadrent mieux qu'un vague « sois concis ». On y revient en partie II, car c'est là que la newsletter glisse vers le raccourci.
Longueur : [150 mots / 3 puces / une demi-page]. Ton : [direct / chaleureux / institutionnel]. À éviter : [jargon / superlatifs / formules creuses]. Forme : [tableau / liste / plan en 3 parties].
Les trois techniques qui décollent
Trois leviers complètent la méthode, et le premier est de loin le plus rentable.
Laisse l'IA poser les questions
C'est la technique la plus efficace de l'année, et presque personne ne l'utilise. Plutôt que de tout anticiper, retourne le problème : donne la tâche en une phrase, et demande au modèle de t'interroger avant de produire quoi que ce soit.
J'ai besoin de ton aide pour [ta tâche en une phrase]. Avant de commencer, pose-moi toutes les questions nécessaires pour comprendre mon objectif, mon contexte, mes contraintes et le format attendu.
Le modèle renvoie huit à quinze questions ciblées. Tu y réponds. Le résultat final n'a plus rien à voir avec un premier jet. Tu passes d'une commande à une collaboration — et accessoirement, il t'aide à clarifier ce que tu voulais vraiment.
Itère une variable à la fois
Le premier jet est rarement le bon, et c'est normal. La vraie compétence n'est pas d'écrire le prompt parfait, c'est de l'affiner. Change un seul paramètre — le ton, ou le format, ou le niveau de détail — et observe comment la réponse bouge. Tout changer d'un coup, c'est ne jamais savoir ce qui a produit l'effet. C'est ainsi qu'on apprend à sentir un outil.
Nourris le contexte une fois pour toutes
On passe une moitié de son temps à répéter le même contexte à chaque conversation. Or les outils ont une mémoire : ChatGPT, Claude et Gemini peuvent retenir qui tu es, ton secteur, ton style. Réglé une fois dans les paramètres, plus jamais à réexpliquer. La qualité de tes réponses ne dépend alors plus de la formule, mais de ce que l'outil sait déjà de toi. On glisse de l'art de bien formuler à l'art de bien nourrir l'IA en contexte — sans doute le vrai sujet des prochains mois.
Donner des exemples reste la technique la plus sûre. Plutôt que de décrire longuement le résultat attendu, montre-le : colle un ou deux exemples de ce que tu veux (un « few-shot »), et demande à l'IA de suivre le modèle. C'est une des techniques les plus recommandées par la documentation d'Anthropic — et elle vieillit bien, parce qu'elle ne repose pas sur une astuce, mais sur de l'information réelle que tu donnes à la machine.
💡 C'est quoi, « few-shot » ?
(en français : avec exemples) Donner à l'IA un ou plusieurs exemples du résultat que tu attends, directement dans ta demande. Elle imite le modèle au lieu de deviner.
« Réfléchis étape par étape »
« Les modèles récents le font déjà en interne. Le redemander fait doublon et peut détériorer la réponse. »
Vrai, mais seulement pour une catégorie de modèles. Le « chain-of-thought » a été une vraie découverte pour les LLM classiques : Kojima et son équipe ont montré en 2022 qu'ajouter « réfléchissons étape par étape » suffisait à booster la performance sans aucun exemple. La technique forçait le modèle à dérouler des étapes avant de s'engager sur une réponse.
Pour les modèles à raisonnement (o3, Claude en mode réflexion, Gemini Thinking, DeepSeek R1), c'est désormais redondant : le modèle génère déjà ces étapes intermédiaires en interne. Le redemander dans la réponse visible, au mieux ne change rien, au pire double le coût et fait diverger la narration affichée de la vraie délibération. La documentation d'OpenAI le dit noir sur blanc pour ses modèles de raisonnement.
La nuance que la newsletter saute : sur un modèle classique sans raisonnement intégré, le « step by step » aide toujours. Le conseil n'est donc pas « arrête le chain-of-thought », mais « arrête de le réclamer aux modèles qui raisonnent déjà ».
Sources : Wharton, Prompting Science Report · OpenAI, Reasoning best practices · SurePrompts, 2026
« Tu es un expert mondial en… »
« Endosser une persona améliore le ton mais dégrade la précision sur les faits. »
C'est l'affirmation la plus contre-intuitive de la newsletter, et c'est aussi la mieux documentée. Plusieurs études convergentes le confirment depuis fin 2025.
Sur le benchmark de connaissances MMLU, l'équipe de l'USC mesure une chute de précision de 71,6 % à 68,0 % dès qu'on ajoute une persona experte, et la baisse s'accentue avec les personas longues. L'explication avancée : le préfixe de persona active le mode « jouer un rôle » au détriment du rappel factuel. Dire au modèle qu'il est expert n'ajoute aucun fait à ce qu'il sait ; ça le détourne juste de l'aller chercher.
Le rapport de l'équipe d'Ethan Mollick (Wharton, décembre 2025) va dans le même sens : assigner un persona expert n'améliore pas la justesse sur les questions factuelles difficiles, et les personas « profane » ou « enfant » la font carrément chuter.
La distinction utile : la persona aide pour les tâches ouvertes (écriture, style, jeu de rôle), pas pour la précision. Donc si tu veux un registre particulier, demande-le directement : « utilise le style d'un journaliste d'investigation » fonctionne mieux que « tu es journaliste ». Et c'est une vraie tension avec les guides officiels : la doc d'Anthropic comme celle de Google recommandent encore « assignez un rôle ». La recherche affine la règle, elle ne l'annule pas.
Et nos prompts à rôles, alors ?
Tu as remarqué la contradiction : cette page montre que « Tu es un expert mondial en… » peut dégrader la précision des réponses — et pourtant, l'Atelier de prompts (étape 01) et les pages CV et lettre (étapes 08 et 09) sont pleins de rôles.
Ce n'est pas une contradiction, c'est une règle d'usage :
- Le rôle aide pour le style, le ton, le point de vue — tout ce qui est ouvert. « Tu es un recruteur exigeant » change utilement la façon dont l'IA relit ton CV.
- Le rôle dessert quand tu cherches un fait précis. Sur un test de connaissances standard (MMLU), ajouter une persona d'expert fait baisser le score : 71,6 % sans persona, 68,0 % avec une persona courte, 66,3 % avec une persona longue (Hu et al., University of Southern California, arXiv:2603.18507, 2026).
En pratique : garde le rôle pour rédiger, reformuler, critiquer. Enlève-le pour vérifier un chiffre, une règle, une date — et là, applique plutôt le réflexe de l'étape 06, Vérifier avant d'agir.
Sources : USC, PRISM (2026) · Wharton, Playing Pretend (2025) · The Register
« Surtout, n'invente rien »
« L'interdiction ne sert à rien. Ce qui marche, c'est de faire vérifier. »
Interdire d'halluciner ne prévient pas l'hallucination : le modèle ne « sait » pas qu'il invente au moment où il invente. La consigne n'a donc aucune prise sur le mécanisme.
💡 C'est quoi, « hallucination » ?
L'IA invente une information fausse, mais l'écrit avec le même aplomb qu'une information vraie. Par exemple : elle cite une aide de France Travail qui n'a jamais existé.
Ce qui fonctionne, c'est de déplacer la charge de la preuve vers la vérification : demande des sources, des citations vérifiables, ou même de prouver que la réponse pourrait être fausse. « Donne ta réponse, puis cite ce sur quoi tu t'appuies et signale tout point d'incertitude » bat « surtout n'invente rien » à tous les coups. C'est exactement la logique du protocole de calibration : on ne réclame pas l'absence d'erreur, on outille sa détection.
« Plus c'est long, plus c'est précis »
« Visez court. Un bon prompt tient en quelques phrases denses, pas en une page. »
C'est l'affirmation la plus fragile de la newsletter. La concision n'est pas la vertu : la pertinence l'est. Un prompt long mais structuré, avec des exemples bien choisis (few-shot), bat souvent un prompt court sur les tâches complexes ou pointues.
Le vrai coupable n'est pas la longueur, c'est le bruit. Un prompt qui empile des consignes redondantes ou contradictoires force le modèle à deviner ce qui compte, et la réponse se dilue. Mais ça, c'est un problème d'organisation, pas de nombre de mots. La bonne règle n'est pas « fais court », c'est « coupe tout ce qui n'oriente pas la réponse ». Souvent le résultat tient en quelques phrases. Parfois il faut une page d'exemples. Le critère, c'est l'utilité de chaque ligne, pas le compteur de caractères.
Avant / après : six cas
Six situations concrètes. À chaque fois, l'« après » n'est pas forcément plus long. Il est mieux cadré, et il économise les allers-retours que l'« avant » aurait provoqués.
1. Un post LinkedIn
Avant — le réflexe 2023
Tu es un expert en communication digitale avec 15 ans d'expérience. Réfléchis étape par étape et rédige un excellent post LinkedIn sur mon nouveau service, sois créatif et surtout n'invente rien.
Après — le brief 2026
Je lance un service d'accompagnement à la reconversion pour des adultes de 30 à 45 ans. Objectif : un post LinkedIn qui donne envie de me contacter, ton direct, sans jargon RH, 150 mots maximum, qui se termine par une question ouverte. Avant de rédiger, pose-moi les questions qui te manquent.
2. Une préparation d'entretien (terrain Mission Locale)
Avant
Tu es un coach emploi expert. Réfléchis étape par étape et prépare-moi un entretien pour un poste d'employé libre-service.
Après
J'accompagne un jeune de 19 ans, sans expérience, qui passe un entretien pour un poste d'employé libre-service en grande surface. Objectif : une simulation réaliste avec 6 questions courantes, et pour chacune ce qu'un recruteur cherche à entendre. Niveau de langue simple. Pose-moi d'abord les questions qu'il te faut sur son profil.
3. Une accroche de CV
Avant
Tu es un expert RH. Rédige une accroche de CV percutante pour un poste de magasinier.
Après
J'aide un candidat de 22 ans à rédiger l'accroche de son CV pour un poste de magasinier-cariste. Il a 8 mois d'expérience en entrepôt et le CACES 1. Objectif : deux phrases, à la première personne, concrètes, sans formules creuses type « dynamique et motivé ». Propose-m'en trois variantes.
4. Un email de relance après entretien
Avant
Écris un email de remerciement après un entretien d'embauche.
Après
J'ai passé hier un entretien pour un poste d'agent d'accueil en mairie. Il s'est bien passé, la RH doit revenir vers moi sous une semaine. Objectif : un email de relance qui me remet en avant sans mettre la pression, ton courtois et professionnel, 6 lignes maximum. Avant de rédiger, demande-moi ce qui te manque.
5. Une synthèse de document
Avant
Résume ce compte rendu et n'oublie rien d'important.
Après
Voici un compte rendu de réunion de 4 pages. Objectif : une synthèse pour un collègue absent, qui doit pouvoir agir sans lire l'original. Forme : les décisions prises, qui fait quoi pour quand, les points encore ouverts. Une demi-page maximum. Si une information manque pour trancher, signale-le plutôt que de combler.
6. Une question factuelle
Avant
Tu es un juriste expert en droit du travail français. Un contrat d'apprentissage peut-il être rompu après 45 jours ?
Après
Question de droit du travail français : un contrat d'apprentissage peut-il être rompu après les 45 premiers jours, et selon quelles modalités ? Donne ta réponse, puis cite les articles du Code du travail sur lesquels tu t'appuies et signale tout point où tu n'es pas certain.
Ici, le changement n'est pas cosmétique : on retire la persona (qui dégrade la précision factuelle) et on ajoute la vérification (qui la rattrape). Deux conseils de cette page appliqués en même temps.
Le verdict honnête
La méthode positive tient debout. Côté critique, trois choses sont vraiment démontrées par la recherche, trois sont de bonnes pratiques solides mais non mesurées au benchmark, une est surinterprétée. Et garde en tête que la source de tout ça vend un abonnement dont l'argument central — « laisse l'IA te poser les questions » — est précisément le produit. Ça ne rend pas le conseil faux. Ça invite juste à séparer ce qui est prouvé de ce qui est vendu.
| Idée | Verdict | En un mot |
|---|---|---|
| Poser le décor (contexte) | À garder | Fondamental, jamais le sauter |
| L'objectif, pas la méthode | Solide | Aligné avec les modèles à raisonnement |
| Cadrer contraintes et format | À garder | L'IA s'adapte si on lui dit |
| Laisser l'IA questionner | À garder | Très efficace, peu benchmarké |
| Itérer une variable à la fois | À garder | Bon sens méthodologique |
| Persona dégrade les faits | Solide | Mesuré sur MMLU, plusieurs études |
| Vérifier plutôt qu'interdire | Solide | L'interdiction n'a pas de prise |
| CoT redondant (modèles à raisonnement) | Solide | Confirmé par OpenAI et Wharton |
| Briefer plutôt que prompter | À garder | Juste pour les modèles récents |
| « Visez court » | Surinterprété | Pertinence > longueur |
Réexpliquer ton contexte à chaque conversation, c'est l'autre réflexe qui a vieilli. Le Cycle 2 y consacre une étape entière : Contextualiser — arrêter de tout réexpliquer.
Bibliothèque de liens
Toutes les sources qui étayent (ou nuancent) cette page. Privilégier les originaux : papiers de recherche et documentations officielles avant les reprises.
Le point de départ
5 étapes pour bien prompter en 2026 — GenevIA La newsletter de Salim Cherkaoui à l'origine de cette analyse.Personas et précision factuelle
Playing Pretend: Expert Personas Don't Improve Factual Accuracy — Wharton / Mollick, 2025 Les personas experts n'améliorent pas la justesse ; les personas « profanes » la dégradent. Expert Personas Improve Alignment but Damage Accuracy (PRISM) — USC, arXiv Chute de 71,6 % à 68,0 % sur MMLU avec persona experte. Principled Personas — arXiv Quand une persona aide, quand elle nuit : des attributs hors-sujet dégradent même les gros modèles. Telling an AI it's an expert makes it worse — The Register Vulgarisation claire du mécanisme et des résultats. Where persona prompting works and when it backfires — Search Engine Journal Synthèse par type de tâche.Chain-of-thought et modèles à raisonnement
Reasoning best practices — OpenAI « Inutile de demander de réfléchir étape par étape » : la source officielle. Why "Think Step by Step" No Longer Works — J. D. H. Wilkins Pourquoi la formule a perdu sa magie sur les modèles récents. How to Use Reasoning Models Properly — Devansh Le « hack » du CoT devient redondant quand le modèle raisonne déjà. Prompting Reasoning Models in 2026 — SurePrompts Guide par famille de modèles : o3, Claude, Gemini, R1.Les guides officiels (à confronter)
Prompt engineering overview — Anthropic La doc de référence pour Claude. Recommande encore les rôles : à lire à la lumière de cette page.Remerciements
Point de départ : la newsletter GenevIA de Salim Cherkaoui, dont la méthode de fond était juste et m'a donné envie de faire le tri. Merci aux équipes de Wharton, de l'USC et aux auteurs cités en bibliothèque, dont le travail permet de distinguer ce qui est démontré de ce qui se répète.
✏️ Quiz — Testez vos connaissances
24 questions sur cette page — 3 niveaux de 8 questions, QCM et Vrai/Faux mélangés. Choisis ton niveau.
