Le prompt engineering, c'est l'art d'écrire des instructions efficaces pour un modèle d'IA générative (ChatGPT, Copilot, Le Chat, Gemini). Selon la définition encyclopédique standard, c'est « le processus de structuration d'entrées en langage naturel (appelées prompts) pour produire des sorties spécifiées par un modèle d'IA générative ». Le terme a explosé après le lancement public de ChatGPT en décembre 2022, au point que « prompt » a été runner-up Word of the Year du dictionnaire Oxford en 2023. Aujourd'hui le métier de « prompt engineer » dédié à plein temps décline, mais la compétence reste essentielle pour tout collaborateur qui utilise l'IA au quotidien en PME.
Pourquoi ça compte en PME
Un même outil IA peut donner des résultats médiocres ou excellents selon la façon dont on lui pose la question. La différence ne tient pas à la magie ni à la technique pointue. Elle tient à 4 ou 5 réflexes simples qui s'apprennent en quelques heures de pratique. C'est aussi une obligation indirecte : l'article 4 de l'EU AI Act, applicable depuis le 2 février 2025, impose un niveau suffisant d'AI literacy au personnel des organisations qui utilisent des systèmes IA. Maîtriser les bases du prompting en fait partie.
Le cadre CLEAR : 5 éléments d'un bon prompt
CLEAR est un acronyme mnémotechnique qui résume ce qu'un bon prompt contient. Il existe d'autres frameworks (CRAFT, RTF, COSTAR), tous se valent à peu près. CLEAR est celui qui se mémorise le plus facilement en équipe PME.
- Contexte : qui parle, dans quel cadre, pour quel public, avec quelles contraintes. Exemple : « Je suis comptable dans une PME wallonne de 12 personnes. J'écris à un client qui me paie systématiquement avec 30 jours de retard. »
- Langue / Longueur : quelle langue de sortie, quelle longueur cible, quel ton. Exemple : « Réponds en français, 80 à 120 mots, ton ferme mais cordial. »
- Exemples (optionnel mais puissant) : 1 à 3 exemples du format ou du style attendu. C'est ce qu'on appelle techniquement le few-shot.
- Action : ce que vous demandez précisément. Verbe d'action clair (rédige, résume, traduis, compare, extrais, propose, etc.).
- Résultat attendu : format de sortie (liste à puces, paragraphe, JSON, tableau, etc.) et critères de qualité.
Un prompt CLEAR fait typiquement 5 à 15 lignes. C'est long, c'est normal. Vous gagnerez largement le temps investi dans la rédaction au moment de la relecture du résultat.
Les 4 techniques de base
1. Zero-shot
Vous posez la question sans aucun exemple. C'est le mode le plus courant et le moins coûteux. Fonctionne très bien pour les tâches simples ou pour des questions où le modèle a clairement vu beaucoup d'exemples similaires en entraînement.
2. Few-shot
Vous donnez 1 à 3 exemples du format ou du style attendu, puis vous posez votre question. Utile quand le format de sortie est spécifique (par exemple : « pour chaque produit, génère une description selon ce format exact : [exemples] »). Ajoute beaucoup de précision pour peu d'effort.
3. Chain-of-Thought (CoT)
Technique introduite par Jason Wei et ses collègues de Google dans un papier de janvier 2022 sur arXiv : « Chain-of-Thought Prompting Elicits Reasoning in Large Language Models ». L'idée est de demander au modèle de raisonner étape par étape avant de donner sa conclusion. Le papier original montre qu'un modèle de 540 milliards de paramètres atteint l'état de l'art sur le benchmark mathématique GSM8K avec seulement 8 exemples chain-of-thought.
En pratique en PME, deux variantes fonctionnent :
- Ajouter explicitement « raisonne étape par étape avant de répondre » ou « Let's think step-by-step » dans le prompt.
- Demander une justification de la réponse : « explique ton raisonnement ».
Particulièrement utile pour les analyses, les comparaisons, les diagnostics et tout ce qui demande un peu de logique.
4. Role-play / Persona
Vous demandez au modèle d'adopter une posture précise. Exemple : « Tu es un avocat spécialisé en droit du travail belge. Réponds à cette question en distinguant droit applicable et zone d'incertitude. » Le ton, le vocabulaire et la profondeur de la réponse s'alignent automatiquement.
À combiner souvent avec les autres techniques. C'est le levier le plus rapide pour passer d'une réponse générique à une réponse utile dans votre contexte métier.
5 erreurs qu'on voit le plus en PME
- Prompt trop court : « Écris-moi un email à mon client » donnera un email générique inutilisable. Posez le contexte.
- Pas de contexte métier : le modèle ne sait pas que vous êtes une PME wallonne dans le secteur X. Dites-le.
- Pas de format de sortie demandé : sans précision, vous obtenez un format aléatoire. Demandez « en 5 bullet points », « en tableau Markdown », « en JSON ».
- Une seule itération : la conversation continue, raffinez. « Plus court », « change le ton », « ajoute un appel à l'action ».
- Copier-coller un prompt trouvé sur Internet sans l'adapter : les bibliothèques de prompts publiques sont utiles comme inspiration, mais elles doivent être réécrites pour votre contexte précis.
Ce qui change en 2026 avec les assistants persistants
Les éditeurs ont introduit des fonctionnalités où on enregistre un prompt système réutilisable et des fichiers de contexte (custom GPTs, Projects, Spaces, Agents). La compétence se déplace : moins « bien rédiger chaque prompt » et plus « configurer un bon assistant persistant pour une tâche récurrente ». Le cadre CLEAR reste pertinent pour rédiger le prompt système qui anime ces assistants.
Pour les développeurs et utilisateurs API, la documentation officielle prompt engineering d'OpenAI et la page recherche d'Anthropic sont les références à suivre pour les techniques avancées.
Pour aller plus loin
Pour la mise en application immédiate sur ChatGPT en PME : comment utiliser ChatGPT en PME, guide concret 2026. Pour cadrer le contexte RGPD et la politique IA interne avant de pousser le prompting en équipe : RGPD et IA pour PME wallonne. Pour identifier les cas d'usage IA les plus rentables à activer en parallèle : 10 cas concrets d'IA gratuite pour PME. Pour structurer une formation IA d'équipe : panorama formations IA pour PME wallonne.
