Meta-prompting : faire écrire ses prompts par l'IA

Demande à une IA « écris-moi un prompt pour créer des exercices de maths » et tu recevras un joli pavé : « Tu es un professeur de mathématiques expérimenté et passionné, doté de vingt ans d'expérience... » Il a l'air sérieux, il est long, et il ne sait rien de ta classe. Tu auras gagné un texte plus impressionnant, sans meilleur résultat à la clé.

Le meta-prompting, c'est-à-dire utiliser l'IA pour concevoir tes prompts, fonctionne très bien quand on change de méthode. Un modèle connaît bien les conseils habituels de rédaction de prompts, mais il ignore tout de ton besoin. Ton travail consiste à lui faire combler cet écart avant de le laisser écrire.

Commence par le faire poser des questions

Quand tu demandes un prompt tout de suite, l'IA comble les trous par des suppositions moyennes. Inverse la démarche : elle t'interroge, tu réponds, et elle écrit seulement ensuite.

Je veux construire un prompt réutilisable pour cette tâche : [DÉCRIS LA TÂCHE EN UNE OU DEUX PHRASES].

Ne rédige pas encore le prompt. Pose-moi d'abord les questions dont tu as besoin, une par une, en attendant ma réponse à chacune. Six questions au maximum. Concentre-toi sur :
- à quoi servira le résultat et qui va le lire ;
- ce qui varie d'une utilisation à l'autre ;
- un exemple de bon résultat, si j'en ai un ;
- ce qui rendrait le résultat inutilisable ;
- les informations que l'IA n'aura pas et qu'elle ne doit pas inventer.

Quand tu auras assez d'informations, écris le prompt final avec des variables entre [CROCHETS]. Le prompt doit être aussi court que possible. Supprime toute phrase qui ne change pas le résultat, et n'utilise pas de rôle flatteur ni de formule comme « expert de renommée mondiale ».

Dans la pratique, les questions valent parfois autant que le prompt final. Une enseignante de CM2 à qui l'IA demande « qu'est-ce qui rendrait ces exercices inutilisables ? » répondra peut-être que ses élèves ne connaissent pas encore les fractions décimales, ou que chaque fiche doit tenir sur une page photocopiée. Sans cette question, ces contraintes n'auraient jamais atterri dans le prompt.

Réponds comme tu parlerais à un collègue, et réponds avec des détails. Trois lignes précises valent mieux qu'un mot. Si tu as un exemple de bon résultat, colle-le : ça aide plus que toute description (l'article sur le few-shot prompting explique pourquoi).

Reconnaître les défauts d'un prompt généré

Les prompts écrits par une IA partagent des tics. Une fois que tu les connais, tu peux en supprimer une bonne partie en quelques secondes.

Le test à garder en tête est le même que pour un prompt écrit à la main : retire une phrase, relance, compare. Si rien ne bouge sur deux ou trois essais, la phrase ne servait pas.

Demander une critique plutôt qu'une réécriture

Tu as déjà un prompt qui fonctionne à moitié ? Ne demande pas « améliore-le » : tu récupéreras une version plus longue, sans diagnostic. Demande d'abord une analyse à partir d'un résultat réel, ce qui oblige le modèle à expliquer ce qui ne va pas.

Avant :

Améliore ce prompt.

Après :

Voici un prompt que j'utilise, et un résultat qu'il a produit. Ce résultat ne me convient pas.

PROMPT :
[TON PROMPT]

RÉSULTAT OBTENU :
[LE RÉSULTAT]

CE QUI NE VA PAS :
[DÉCRIS EN UNE OU DEUX PHRASES, PAR EXEMPLE : TROP GÉNÉRIQUE, TON TROP COMMERCIAL, IGNORE LA CONTRAINTE DE LONGUEUR]

Procède ainsi :
1. Identifie ce qui, dans le prompt, explique probablement ce défaut. Cite la phrase concernée ou signale ce qui manque.
2. Propose la modification la plus petite possible, sous forme de phrases à ajouter, retirer ou remplacer.
3. Réécris ensuite le prompt complet avec ces seules modifications.

Ne modifie rien d'autre et n'allonge pas le prompt sans raison.

Le gérant d'un gîte qui obtient des réponses trop pompeuses à ses voyageurs découvrira peut-être que le mot « prestige », glissé dans sa description, entraîne tout le reste. Une correction d'un mot vaut mieux qu'une réécriture complète, car tu comprends ce qui a changé. Tu peux enchaîner ces corrections comme dans toute démarche pour améliorer un prompt par itérations.

Tester le prompt avec des cas qui peuvent le casser

Un prompt généré a l'air fini. Il ne l'est pas tant qu'il n'a pas affronté des cas réels. L'IA peut aussi t'aider ici, en imaginant les situations que tu n'aurais pas envisagées.

Voici un prompt que je veux utiliser régulièrement :

[TON PROMPT]

Propose 6 entrées de test pour vérifier sa solidité, dans un tableau avec trois colonnes : l'entrée à utiliser, ce qu'elle cherche à mettre en défaut, le comportement attendu.

Inclus : un cas normal, une entrée très courte, une entrée incomplète, une demande hors sujet, un cas ambigu, et un cas où la bonne réponse serait de refuser ou de poser une question.

Fais tourner ces cas dans une nouvelle conversation, avec le prompt seul. Lis les résultats toi-même : l'IA qui a écrit le prompt n'est pas un bon juge de son propre travail. Note ce qui échoue et repasse au prompt de critique. La méthode de test donne un cadre simple pour garder une trace de tes essais.

Les limites à garder en tête

Un prompt généré ne te dispense pas de savoir ce que tu veux. Si ton besoin est flou, l'IA produira un texte flou, bien présenté. Il ne contient pas non plus tes connaissances métier : un boulanger sait que telle formulation d'allergènes pose problème, le modèle peut l'ignorer.

Un prompt écrit par un modèle n'est pas non plus forcément optimal pour un autre. Si tu changes d'outil, reteste-le. Et pour un prompt que tu vas réutiliser souvent, range la version validée quelque part : il mérite une place dans ta bibliothèque de prompts.

Lance l'interview sur ta tâche la plus répétitive

Choisis une tâche que tu fais au moins une fois par semaine, copie le premier prompt, réponds aux questions. Compare ensuite le résultat avec ce que tu obtiens d'habitude sur un cas récent. Si l'écart est net, garde le prompt. Sinon, regarde quelle question de l'interview t'a le plus aidé et réponds-y plus en détail la fois suivante.