Quel prompteur êtes-vous ?
Cinq questions pour évaluer vos réflexes face à une IA générative.
1 / 5 — Comment commencez-vous un prompt important ?
En Suisse romande, près de trois actifs sur quatre utilisent déjà l’IA au travail. Pourtant, la plupart n’ont jamais appris à formuler une demande correctement. Résultat : des réponses génériques, des reformulations en boucle et cette conclusion trop rapide que « l’IA ne comprend rien ». En réalité, la qualité d’une réponse dépend d’abord de la qualité de la question. C’est tout l’enjeu du prompt engineering, cette discipline qui consiste à structurer ses instructions pour obtenir des résultats fiables. La bonne nouvelle, c’est que les erreurs sont toujours les mêmes. Nous en avons identifié sept, observées dans des centaines de formations. Corrigez-les et vos résultats changeront dès aujourd’hui, quel que soit l’outil : ChatGPT, Claude, Gemini ou Copilot. Passons-les en revue, avec à chaque fois un exemple avant et après.
« Écris-moi un email pour un client. » Voilà le prompt le plus répandu au monde, et aussi le plus inefficace. En effet, le modèle ignore tout de votre situation : quel client, quel objectif, quel ton, quelle relation commerciale. Faute d’information, il produit donc une réponse passe-partout.
La correction est simple : donnez le contexte avant la consigne. Qui vous êtes, à qui vous écrivez, ce qui s’est passé avant, ce que vous voulez obtenir. Comparez plutôt. Avant : « Écris un email de relance. » Après : « Je suis responsable commercial dans une fiduciaire genevoise. Un prospect a demandé une offre pour un mandat comptable il y a dix jours, sans donner suite. Rédige une relance courte et cordiale, qui propose un appel de quinze minutes cette semaine. » La seconde version produit un email utilisable immédiatement. Autrement dit, chaque minute investie dans le contexte vous en épargne dix en corrections.
Deuxième réflexe contre-productif : le prompt fleuve qui demande une analyse, un plan, une rédaction et une traduction dans la même phrase. Le modèle tente alors de tout traiter, et il traite tout superficiellement. De plus, vous ne pouvez plus corriger le tir en cours de route, puisque tout arrive d’un bloc.
Préférez une approche par étapes. D’abord la structure : « Propose un plan en cinq parties pour ce rapport. » Ensuite l’ajustement : « Développe la partie 2 en insistant sur les risques. » Enfin la finition : « Réécris ce paragraphe dans un ton plus direct. » Cette méthode en cascade garde le contrôle entre vos mains. Par ailleurs, elle correspond à la façon dont les modèles raisonnent le mieux : une consigne claire à la fois. Les tâches complexes se traitent en conversation, pas en monologue.
Vous vouliez un tableau comparatif, vous recevez trois paragraphes. Vous espériez une liste d’actions, vous obtenez une dissertation. Ce décalage n’a rien d’une fatalité : le modèle ne devine pas le format, il faut le lui dire.
Prenez l’habitude de terminer vos prompts par une consigne de forme explicite. Quelques formulations qui changent tout :
Cette précision vaut aussi pour le niveau de détail. En effet, « explique-moi comme à un débutant » et « réponds comme à un expert du domaine » produisent deux réponses radicalement différentes, toutes deux utiles selon votre besoin.
Un même modèle peut répondre comme un juriste prudent, un marketeur créatif ou un contrôleur de gestion pointilleux. Tout dépend du rôle que vous lui attribuez. Sans indication, il adopte un ton moyen, ni vraiment expert ni vraiment adapté.
Commencez donc vos prompts importants par une attribution de rôle : « Tu es un spécialiste RH qui connaît le droit du travail suisse » ou « Agis comme un relecteur exigeant chargé de trouver les faiblesses de ce texte ». Cette simple phrase oriente le vocabulaire, le niveau de technicité et l’angle d’analyse. En pratique, le rôle fonctionne encore mieux combiné au contexte de l’erreur 1 : qui il est, qui vous êtes, ce que vous attendez. Vous obtenez alors des réponses qui ressemblent à celles d’un collègue compétent, pas à une page d’encyclopédie.
La première réponse d’un modèle est un brouillon, pas un produit fini. Or, beaucoup d’utilisateurs la copient telle quelle, puis s’étonnent d’un rendu médiocre. Les utilisateurs avancés, eux, itèrent systématiquement.
Trois relances suffisent souvent à transformer un résultat. Demandez d’abord une critique : « Quels sont les points faibles de ta réponse ? » Exigez ensuite des alternatives : « Propose trois versions avec des angles différents. » Resserrez enfin : « Garde la version 2, raccourcis-la de moitié et rends-la plus concrète. » Chaque aller-retour affine le résultat, exactement comme avec un collaborateur. D’ailleurs, si la réponse part dans une mauvaise direction, ne rafistolez pas : reformulez le prompt initial avec les précisions manquantes. Repartir proprement coûte moins cher que corriger un texte bancal.
Coller la liste de vos clients, un contrat nominatif ou des données salariales dans un outil grand public : voilà l’erreur qui peut coûter bien plus qu’un mauvais texte. En effet, selon la configuration de l’outil, vos données peuvent servir à l’entraînement des modèles ou transiter hors de Suisse. La nouvelle loi sur la protection des données encadre pourtant strictement ces traitements. Le risque est loin d’être théorique : l’étude Qualinsight relayée par PME.ch montre qu’une large part des actifs romands utilisent l’IA en secret, hors de tout cadre.
Adoptez trois réflexes simples. D’abord, anonymisez : remplacez noms, montants et identifiants par des variables avant de coller un document. Ensuite, utilisez les versions professionnelles des outils, qui excluent l’entraînement par défaut. Enfin, respectez la charte de votre entreprise sur les données autorisées. Si cette charte n’existe pas encore, c’est un signal : la gouvernance doit rattraper l’usage. Un prompt parfait ne vaut rien s’il expose votre entreprise juridiquement.
Les modèles d’IA générative produisent parfois des affirmations fausses avec un aplomb parfait : chiffres inventés, sources inexistantes, lois imaginaires. Ce phénomène d’hallucination diminue avec les nouveaux modèles, mais il ne disparaît pas. Les guides des éditeurs le rappellent tous : la vérification humaine reste indispensable.
La règle est simple : tout fait vérifiable doit être vérifié avant publication. Dates, montants, citations, références légales, statistiques. Demandez au modèle ses sources, puis contrôlez-les réellement, car une source citée n’est pas toujours une source exacte. Pour les sujets sensibles, croisez avec une recherche classique. Cette discipline transforme l’IA en assistant fiable : elle accélère la production, tandis que vous gardez la responsabilité du contenu final. C’est exactement la posture que recommande notre panorama des IA génératives : puissance de l’outil, jugement de l’humain.
Ces sept erreurs ont un point commun : elles ne demandent aucune compétence technique pour être corrigées. Donner du contexte, découper ses demandes, préciser le format, attribuer un rôle, itérer, protéger ses données et vérifier les faits : chacun peut appliquer ces règles dès son prochain prompt. Les résultats suivent immédiatement, et l’écart se creuse vite entre ceux qui maîtrisent ces bases et ceux qui improvisent. Le prompt engineering n’est d’ailleurs plus un savoir-faire de spécialistes : c’est en train de devenir une compétence bureautique de base, au même titre qu’Excel il y a vingt ans. Autant la structurer sérieusement plutôt que de la laisser au hasard. Pour aller plus loin, nos formations en intelligence artificielle couvrent ces techniques avec des exercices sur vos cas réels d’entreprise.
Qu’est-ce que le prompt engineering ?
C’est l’art de structurer ses instructions à une IA générative pour obtenir des réponses fiables et exploitables : contexte, rôle, consigne claire, format de sortie et itération.
Quelle est l’erreur de prompt la plus fréquente ?
Le manque de contexte. Une demande sans situation, sans objectif ni destinataire produit une réponse générique, quel que soit l’outil utilisé.
Un bon prompt fonctionne-t-il sur tous les outils ?
Oui, pour l’essentiel. Contexte, rôle, format et itération améliorent les résultats de ChatGPT, Claude, Gemini ou Copilot. Seuls quelques réglages fins varient d’un modèle à l’autre.
Faut-il des compétences techniques pour progresser en prompt ?
Non. Les sept erreurs de cet article se corrigent sans aucune ligne de code. La progression vient de la pratique structurée, idéalement sur vos propres cas métier.
Peut-on partager des documents internes avec ChatGPT ?
Uniquement selon les règles de votre entreprise. Anonymisez les données sensibles et privilégiez les versions professionnelles des outils, qui excluent l’entraînement par défaut.
Comment savoir si une réponse d’IA contient des erreurs ?
Vérifiez systématiquement les faits : dates, chiffres, sources et références. Demandez les sources au modèle et contrôlez-les vous-même avant toute publication.
Nos dernières publications
S’abonner à la Newsletter
Consultez nos formations et sessions confirmées
ITTA
Route des jeunes 35
1227 Carouge, Suisse
ITTA
Route des jeunes 35
1227 Carouge, Suisse
