01
La majorité des mauvaises réponses viennent d'une mauvaise question. Un LLM remplit les blancs que vous lui laissez — et souvent, il se trompe. Le premier réflexe à acquérir : être explicite sur ce qu'on veut. Sujet exact, périmètre, type de réponse attendu. Rien ne doit rester implicite.
Un LLM ne sait pas ce que vous avez en tête. Il ne voit que ce que vous écrivez. Plus votre demande est claire, moins il improvise. Et moins il hallucine.
02
Le contexte, c'est tout ce que le modèle ne peut pas deviner sur votre situation. Qui vous êtes, ce que vous savez déjà, ce que vous voulez faire avec la réponse, les contraintes que vous avez. Plus vous en donnez, plus la réponse sera calibrée — et utile.
Ne jamais partager d'informations sensibles : mots de passe, données bancaires, numéros d'identité, informations médicales privées. Même dans un outil qui semble sécurisé, prennez de bonnes habitudes.
03
Un bon prompt ressemble à un bon brief. Il a une structure claire que le modèle peut suivre sans ambiguïté. À ce stade, vous ne posez plus juste une question — vous construisez une instruction complète avec ses paramètres.
Je prépare une présentation sur le réchauffement climatique
pour un public de lycéens. Durée : 15 minutes.
# Tâche
Génère un plan en 4 parties. Pour chaque partie :
un titre accrocheur, 2–3 points clés, et 1 exemple concret.
# Format
Liste hiérarchique avec numérotation.
# Contraintes
Pas de jargon scientifique non expliqué.
Factuel et équilibré, pas alarmiste.
04
À ce stade, vous ne demandez plus juste une réponse — vous guidez la façon dont le modèle réfléchit. Ces techniques permettent d'obtenir des réponses bien plus précises, nuancées et fiables sur des sujets complexes.
« Réfléchis pas à pas avant de donner ta réponse finale. »
Avis : "Livraison rapide mais emballage abîmé."
Résultat : { "sentiment": "mitigé", "thème": "livraison" }
Avis : "Produit exactement comme décrit, je recommande !"
Résultat : { "sentiment": "positif", "thème": "produit" }
# Maintenant, classe cet avis :
Avis : "Service client introuvable, impossible de se faire rembourser."
Résultat :
Pour déboguer du code, il ne suffit pas de dire « ça marche pas ». Collez le code + le message d'erreur exact + ce que tu attendais. Le modèle peut souvent identifier le bug en une seule réponse.
Les LLMs peuvent inventer des faits avec assurance — on appelle ça des "hallucinations". Sur des sujets factuels importants (chiffres, citations, lois, médecine, actualités), vérifiez toujours la réponse avec une source fiable externe.
05
La quasi-totalité des données d'entraînement des grands LLMs sont en anglais. Écrire ses prompts en anglais, c'est accéder à une compréhension plus fine des nuances, une précision technique supérieure, et des résultats souvent de meilleure qualité — surtout pour des sujets scientifiques, techniques ou spécialisés. Ce n'est pas obligatoire, mais c'est un vrai avantage compétitif.
Task: Create a 7-day meal plan for someone who trains 4 times
a week and wants to build muscle while staying lean.
Think step by step before writing the plan.
Output format:
— Day-by-day table (breakfast / lunch / dinner / snack)
— Daily calorie and protein estimates
— 3 practical tips at the end
Constraints: No supplements. Budget-friendly ingredients.
Respond in French.
Pas à l'aise en anglais ? Essayez ça : écrivez ton prompt en français, puis demandez au modèle de le réécrire en anglais optimisé — et relancez avec ce prompt amélioré. Vous aurez le meilleur des deux mondes.