Prompt engineering : écrire un prompt IA efficace

Qu’est-ce que le prompt engineering ?

Le prompt engineering, ou ingénierie de prompt, est la pratique qui consiste à rédiger, tester et ajuster les instructions données à un modèle d’IA générative. C’est la compétence de base de l’IA marketing : chaque usage, de l’objet d’e-mail à la fiche produit, passe par une consigne.

Un même prompt peut donner deux réponses différentes : OpenAI parle d’un mélange d’art et de science.

Rédiger un prompt ne revient pas à optimiser pour être cité par ChatGPT : ce travail relève du GEO, tout comme l’answer engine optimization. En GEO, un panel de prompts sert au contraire à mesurer la visibilité d’une marque : des questions figées, relevées à intervalle fixe, et non des consignes de travail.

Qu’est-ce qu’un prompt IA ?

Un prompt IA est la question ou la consigne adressée à un modèle. Il est souvent plus long et plus précis qu’une requête tapée dans un moteur de recherche, et il peut contenir du contexte, des documents et des exemples.

La consigne ne se limite pas au message tapé : OpenAI décrit des instructions système qui fixent en amont l’identité, les règles, les exemples et le contexte. Les Projects de Claude (cinq en offre gratuite) et les Gems de Gemini enregistrent des instructions réutilisables.

Que recommandent Anthropic, OpenAI et Google ?

Les trois éditeurs s’accordent sur les bases : une consigne claire, du contexte, des exemples, un format précisé et des essais successifs. Règle d’or d’Anthropic : faites lire votre prompt à un collègue qui connaît peu la tâche ; s’il est perdu, le modèle le sera aussi. OpenAI compare un modèle de raisonnement à un collègue senior à qui l’on confie un objectif, un modèle GPT à un junior qui attend des instructions explicites.

Pages consultées le 19/10/2026 ; guide de l’API Gemini mis à jour le 13/10/2026 ; guide Google Workspace de décembre 2025.

Deux désaccords ressortent : le nombre d’exemples, et le rôle, sur lequel la documentation d’Anthropic et son article sur les bonnes pratiques se contredisent. Nous ne tranchons pas : chaque guide décrit les modèles de son éditeur, à une date donnée.

Comment écrire un prompt efficace en marketing ?

Écrivez votre prompt comme un brief pour un prestataire qui ne connaît ni votre marque ni vos clients : objectif, contexte, cible, ton, contraintes, sources autorisées et interdits. C’est la méthode que recommande Elev8 Lab. Le guide de Google Workspace retient quatre composantes, persona, tâche, contexte et format, sans obliger à toutes les utiliser.

1. Résultat : décrivez une bonne sortie et la façon de la juger (les critères de réussite d’Anthropic).
2. Contexte : décrivez la cible à partir de votre fiche persona et collez les règles de votre ligne éditoriale plutôt qu’un adjectif de ton. Dites pourquoi chaque consigne compte.
3. Tâche : formulez-la avec un verbe (rédige, classe, résume), la partie la plus importante selon Google Workspace.
4. Sources : fournissez fiches produit, notes ou chiffres validés, et demandez au modèle de s’y limiter.
5. Format : fixez longueur et structure ; écrivez « rédige en paragraphes » plutôt que « pas de liste ».
6. Exemple : ajoutez un contenu de votre marque qui a déjà servi.
7. Incertitude : autorisez le modèle à dire qu’il ne sait pas.
8. Itération : reformulez, changez l’ordre des éléments ou découpez une tâche complexe en plusieurs prompts enchaînés.

Exemple : d’une demande vague à un brief complet

Exemple illustratif, construit pour cet article : il ne vient d’aucune campagne réelle et n’est associé à aucun résultat. Les crochets signalent les variables.

Version vague : Écris des objets d'e-mail pour relancer les paniers abandonnés.

Version complète, en six blocs à coller dans l’ordre :

• Objectif : « Propose 5 objets d’e-mail de relance de panier abandonné. Un bon objet donne envie d’ouvrir l’e-mail sans promettre de remise. »
• Contexte : « Nous vendons [type de produit] à [description de la cible]. Notre ton : [trois règles de la ligne éditoriale]. L’e-mail part [délai] après l’abandon du panier. »
• Contraintes : « [Nombre] caractères au plus par objet. Aucune remise n’est prévue : n’en promets pas. »
• Exemples : « Voici deux objets déjà envoyés, dans notre ton : [objet 1] ; [objet 2]. »
• Format : « Rends un tableau à trois colonnes : objet, angle choisi, nombre de caractères. »
• Manques : « Si une information te manque pour respecter ces consignes, pose-moi la question avant de rédiger. »

Chaque bloc règle une question que le modèle trancherait seul sinon. Ces objets s’intègrent ensuite dans votre campagne d’emailing.

Quelles techniques de prompt servent vraiment ?

Trois familles de techniques reviennent dans les guides : le zero-shot (consigne sans exemple) ou le few-shot (quelques exemples), le raisonnement pas à pas et le rôle. Les tests avec méthode relativisent les deux dernières.

Ces tests, menés par les Generative AI Labs de la Wharton School (université de Pennsylvanie), portent sur des questions difficiles à choix multiple (GPQA Diamond, MMLU-Pro). Ils mesurent l’exactitude, pas la qualité d’un texte marketing.

Faut-il donner un rôle d’expert à l’IA ?

Pas pour gagner en exactitude. Sur six modèles testés, le Prompting Science Report 4 (Basil et al., 05/12/2025) conclut que les rôles d’expert n’ont en général pas amélioré l’exactitude par rapport à un prompt sans rôle ; seul Gemini 2.0 Flash fait exception. Un rôle hors du domaine de la question dégrade parfois les réponses, un rôle de faible connaissance (« enfant ») souvent.

Politesse, pourboires, menaces : est-ce que ça marche ?

Aucune n’a d’effet garanti. La politesse envers le modèle améliore parfois la performance et la dégrade parfois, selon la question (Prompting Science Report 1, 04/03/2025). Promettre un pourboire ou menacer le modèle n’a en général pas d’effet significatif (Prompting Science Report 3, 01/08/2025) ; ce rapport testait une affirmation de Sergey Brin de mai 2025.

« Réfléchis étape par étape » aide un peu, en moyenne, les modèles sans raisonnement intégré, mais rend les réponses plus variables : certaines questions réussies sans la formule échouent avec elle (Prompting Science Report 2, 08/06/2025).

Comment vérifier ce que l’IA produit ?

Relisez chaque sortie, faites-la reposer sur des sources que vous fournissez et retirez toute affirmation que le modèle ne peut pas étayer. Pour retrouver une source, les erreurs mesurées sont fréquentes.

Anthropic décrit trois techniques dans sa page Reduce hallucinations : autoriser le modèle à dire qu’il ne sait pas ; extraire des citations exactes d’un long document avant de répondre ; justifier chaque affirmation par une citation et retirer les autres, par exemple dans un communiqué de presse tiré de fiches produit. Elles réduisent les hallucinations sans les supprimer.

Pour les faits récents ou peu connus, Google recommande l’ancrage dans la recherche Google (Grounding with Google Search) de l’API Gemini. La CNIL conseille de vérifier exactitude, plagiat et stéréotypes, et de ne jamais reproduire une sortie telle quelle ; pour Google Workspace, la sortie finale vous appartient.

Le style se relit aussi : le guide du modèle GPT-6 d’OpenAI (consulté le 19/10/2026) fournit un prompt contre les tournures stéréotypées comme « delve » ou « leverage ». Pour un contenu destiné au référencement, la position de Google est détaillée dans notre guide de rédaction SEO avec l’IA.

Quelles données ne jamais mettre dans un prompt ?

Ne saisissez que des informations que vous êtes autorisé à partager. La CNIL recommande de ne jamais entrer de données personnelles ni de données de l’entreprise couvertes par un secret, comme le secret des affaires, dans un service d’IA grand public (questions-réponses de la CNIL, 18/07/2024).

Second risque : l’injection de prompt, définie dans notre lexique SEO et GEO. L’OWASP la classe au premier rang des risques des applications de modèles de langage (LLM01:2025). Dans sa forme indirecte, des instructions cachées dans une page web ou un fichier lu par l’IA agissent, même invisibles pour un humain. Parades de l’OWASP : signaler les contenus externes non fiables, limiter les droits de l’outil, exiger une validation humaine pour les actions à risque.

Le cadre légal plus large (AI Act, RGPD) est traité dans notre guide de l’IA marketing.

Comment construire une bibliothèque de prompts pour l’équipe ?

Partez des tâches que l’équipe répète, rédigez un prompt type pour chacune, testez-le, puis datez-le. La CNIL suggère elle-même aux organismes de prévoir des « prompts types » pour des tâches identifiées et éprouvées.

1. Tâches : choisissez les demandes récurrentes (objets d’e-mail, annonces SEM, fiches produit).
2. Fiche : notez l’objectif, les variables entre crochets, un exemple de bonne sortie, la date et le modèle du dernier test.
3. Test : essayez le prompt sur plusieurs cas réels avant de le diffuser.
4. Partage : enregistrez-le dans les instructions d’un Project Claude (partage dans l’organisation sur les offres Team et Enterprise) ou dans un Gem de Gemini.
5. Révision : retestez-le à chaque changement de modèle ; selon OpenAI, deux versions d’une même famille peuvent donner des résultats différents.

Les noms de modèles changent vite, et OpenAI recommande de tester les prompts de production avant chaque modification, comme du code. Pour une équipe marketing, l’équivalent que nous proposons : une fiche datée et un nouveau test avant toute mise à jour.

Prompt engineer : métier d’avenir ou compétence de base ?

Pour un marketeur, le prompt engineering est une compétence de base. Le guide Google Workspace l’affirme : nul besoin d’être prompt engineer pour utiliser l’IA générative.

Anthropic présente le « context engineering » comme la suite naturelle du prompt engineering (Effective context engineering for AI agents, 29/09/2025). Il s’agit moins de trouver les bons mots que de choisir l’ensemble des informations fournies au modèle : instructions, historique, documents, outils. C’est surtout vrai pour les agents IA.

Pour se former : le tutoriel interactif gratuit d’Anthropic (écrit pour Claude 3, à compléter par sa documentation actuelle) et la section Marketing du guide Google Workspace. Nous n’avons trouvé aucune source primaire sur les salaires ou le nombre d’offres de prompt engineer en France.