La fin des astuces de prompt : les nouvelles règles pour obtenir de meilleures réponses de l’IA

Les astuces de prompt ont connu leur heure de gloire.

Pendant un temps, Internet a traité l’IA comme un distributeur automatique doté d’un clavier secret. Dites-lui d’« agir comme un expert de renommée mondiale ». Demandez-lui de « prendre une grande respiration ». Enveloppez une question dans un modèle de prompt interminable et regardez la magie opérer.

Parfois, cela fonctionnait. Mais le plus souvent, cela donnait aux utilisateurs l’illusion de contrôler la situation.

Aujourd’hui, ces conseils deviennent moins fiables. À mesure que les modèles d’IA gagnent en capacités, la différence entre des résultats médiocres et des résultats utiles vient moins souvent d’une formule bien trouvée ou d’une recette secrète. Elle dépend de plus en plus de la capacité de l’utilisateur à fournir du contexte, à définir des objectifs, à évaluer les résultats et à guider la conversation.

Autrement dit, l’ère des astuces de prompt est peut-être en train de s’estomper. Et l’ère du pilotage de l’IA commence. L’IA devient une interface quotidienne pour le travail, la recherche, l’analyse, le développement, la planification et la prise de décision. Ces systèmes sont de plus en plus capables, mais leurs capacités ne se traduisent pas automatiquement par une meilleure qualité.

Les astuces de prompt n’étaient pas vraiment des astuces

Les premiers conseils en matière de prompts sont apparus parce que les premiers modèles étaient inconstants.

Les utilisateurs ont rapidement découvert que modifier quelques mots pouvait améliorer considérablement les résultats. Un prompt qui attribuait un rôle, précisait un public ou demandait un format particulier fonctionnait souvent mieux qu’une demande vague.

Cette intuition était utile. Cependant, les techniques de prompting efficaces sont devenues une forme de folklore sur Internet. Les réseaux sociaux regorgent de captures d’écran de modèles de prompts élaborés qui ressemblent davantage à des contrats juridiques qu’à des conversations. Certaines de ces techniques restent efficaces. Par exemple, la précision aide toujours. Fournir des exemples aide toujours. Définir un format aide toujours.

Les recommandations d’ OpenAI, Anthropic, et de Google continuent de soutenir nombre des mêmes fondamentaux : des instructions claires, un contexte utile, des exemples, des contraintes et des itérations.

Mais ces tactiques fonctionnent parce qu’elles sont des exemples de communication efficace, et non parce qu’elles constituent des commandes magiques.

Une meilleure IA a besoin d’être mieux guidée

Si le prompt hacking perd de son efficacité, c’est notamment parce que les modèles modernes comprennent mieux le langage courant.

Les utilisateurs n’ont plus besoin de s’exprimer avec des formules robotiques pour obtenir des résultats utiles. Une demande claire, rédigée en anglais courant, donne souvent des résultats étonnamment bons. Et la conception de la tâche compte aussi.

Considérez la différence entre ces prompts :

Écris sur l’IA dans les entreprises.

Et :

Rédige un article de 700 mots destiné aux responsables informatiques, expliquant trois façons concrètes dont l’IA générative transforme les opérations des entreprises. Concentre-toi sur l’automatisation des flux de travail, le support client et la gestion des connaissances internes. Évite le battage médiatique et présente les principaux risques que les organisations devraient prendre en compte.

Le second prompt n’est pas meilleur parce qu’il contient un langage spécial. Il est meilleur parce qu’il contient les éléments d’une véritable mission :

• Public
• Périmètre
• Objectif
• Contraintes
• Critères de réussite

Les nouvelles règles pour obtenir de meilleures réponses de l’IA

Commencez par définir la tâche

De nombreux échecs de l’IA se produisent avant même que l’utilisateur ne tape un seul mot. Le problème vient souvent du fait qu’il n’a pas clairement défini ce dont il a besoin.

Cherche-t-il :

• Une explication ?
• Un résumé ?
• Une recommandation ?
• Une critique ?
• Un premier brouillon ?
• Un cadre décisionnel ?

Chaque tâche exige une approche différente. Avant d’ouvrir ChatGPT, Claude, Gemini ou un autre outil d’IA, définissez la tâche en une phrase. Un objectif clair produit des résultats plus clairs.

Fournissez du contexte

L’une des erreurs les plus courantes consiste à supposer que l’IA sait ce qui compte. Les humains ne fonctionnent pas ainsi.

Si vous demandiez à un collègue de rédiger un article, de créer un rapport ou d’analyser un problème, il poserait des questions complémentaires. Quel est le public ? Quel est l’objectif ? Qu’a-t-on déjà décidé ? Que faut-il éviter ?

L’IA a besoin des mêmes informations. Plus le contexte fourni est pertinent, moins le modèle risque de se rabattre sur du contenu Internet générique. C’est l’une des raisons pour lesquelles les outils d’IA fondés sur des sources, comme NotebookLM peuvent produire des résultats plus solidement étayés pour les tâches reposant sur des documents. Ils s’appuient sur des sources précises au lieu de dépendre uniquement d’un prompt général fourni par l’utilisateur.

Utilisez des exemples

Les exemples sont souvent plus efficaces que les instructions.

Dire à l’IA de « rendre cela meilleur » est vague. À l’inverse, lui montrer à quoi ressemble quelque chose de « meilleur » est beaucoup plus clair. Que vous rédigiez du contenu, créiez des présentations, prépariez des e-mails ou analysiez des données, les exemples aident à établir les attentes d’une manière que les adjectifs permettent rarement d’atteindre.

Ils fournissent une cible.

Demandez les compromis, pas seulement des réponses

De nombreux utilisateurs traitent l’IA comme une machine à réponses. Une meilleure approche consiste à la considérer comme un partenaire de débat.

Au lieu de demander :

Que devrions-nous faire ?

Essayez plutôt :

Donne-moi trois approches possibles. Explique les avantages, les inconvénients, les risques et les hypothèses qui sous-tendent chaque option.

L’interaction passe ainsi de la génération de réponses à l’exploration du problème. Et c’est là que l’IA devient souvent bien plus utile.

Itérez

L’une des principales idées fausses sur l’IA est que la première réponse devrait être la réponse finale. Les meilleurs utilisateurs s’arrêtent rarement après une seule réponse. Ils posent des questions complémentaires, demandent des révisions, remettent en cause les hypothèses, comparent les alternatives et affinent leur demande.

La première réponse doit être considérée comme un brouillon, pas comme un verdict.

Ce que les astuces de prompt avaient compris

La fin des astuces de prompt ne signifie pas qu’il faut jeter tous les conseils en matière de prompting.

Plusieurs leçons de la première époque restent utiles :

• Soyez précis.
• Définissez le public.
• Fixez des contraintes.
• Fournissez des exemples.
• Divisez les tâches complexes en éléments plus petits.
• Demandez des révisions.
• Comparez les alternatives.

Les mêmes principes qui aident les gens à collaborer efficacement avec les autres les aident aussi à collaborer efficacement avec l’IA. C’est un message bien moins enthousiasmant que « Utilisez ce prompt secret ». C’est aussi bien plus utile.

La vérification fait désormais partie du prompting

Quelle que soit la sophistication de l’IA, une règle ne disparaîtra pas : les informations importantes doivent être vérifiées. L’IA générative peut résumer, expliquer et synthétiser. Elle peut aussi inventer des détails, mal interpréter le contexte ou présenter une incertitude avec une assurance remarquable.

C’est pourquoi des organisations allant des fournisseurs d’IA au National Institute of Standards and Technology's AI Risk Management Framework mettent l’accent sur l’évaluation, la gouvernance et la gestion des risques.

Pour les tâches importantes, les utilisateurs devraient demander :

• Quelles affirmations doivent être vérifiées ?
• Quelles hypothèses sont formulées ?
• Quelles informations pourraient être obsolètes ?
• Qu’est-ce qui modifierait cette conclusion ?
• Dans quels cas cette réponse pourrait-elle être erronée ?

Ces questions deviennent de plus en plus importantes à mesure que la recherche dopée à l’IA transforme la manière dont les gens trouvent des informations et que l’IA générative s’intègre aux flux de travail quotidiens.

L’avenir appartient à ceux qui savent mieux poser leurs questions

L’expression « ingénierie des prompts » pourrait finir par disparaître du lexique technologique. Mais la compétence sous-jacente n’est pas près de disparaître.

À mesure que l’IA s’intègre aux moteurs de recherche, aux logiciels de productivité, aux applications professionnelles et aux flux de travail quotidiens, les utilisateurs devront toujours définir les problèmes, communiquer leurs objectifs, évaluer les résultats et faire preuve de discernement.

La conversation croissante autour des préoccupations liées à la fiabilité de l’IA traduit une réalité plus large : de meilleurs modèles n’éliminent pas le besoin d’une supervision humaine. C’est la véritable leçon de l’ère des astuces de prompt. L’avantage passe des personnes qui connaissent la dernière formule à celles qui réfléchissent à une tâche avant de demander de l’aide à l’IA.

Pendant des années, on a eu l’impression que de meilleurs résultats avec l’IA dépendaient du choix des bons mots. La prochaine étape dépendra de quelque chose de plus difficile à automatiser : des objectifs plus clairs, un meilleur contexte, un discernement plus affûté et la patience nécessaire pour réviser.

C’est peut-être moins enthousiasmant qu’un modèle de prompt secret. C’est aussi bien plus susceptible de résister à la prochaine génération d’IA.

À lire aussi : vous voulez voir comment ce changement s’étend au-delà des chatbots ? Découvrez comment les réponses dopées à l’IA redéfinissent la manière dont les internautes trouvent et évaluent les informations en ligne.