Comment interroger une IA pour qu'elle produise des réponses ? Quelle mémoire des IA ? Quel contexte, rôle, objectifs, hypothèses, cadre etc.
Comme pour toute recherche, savoir poser les questions reste le plus important.
Et ce n'est pas parce que les questions peuvent être posées dans un langage naturel
que les réponses seront forcément plus exactes?
La requête pour interroger une IA s'appelle un prompt.
La qualité des réponses et, en effet, très liée à la qualité d'une requête qui comme celle pour interroger un catalogue, un moteur de recherche ou une IA s'apprend.
Reste ensuite à trier, faire une lecture critique des réponses.
Quelles sources ? Tout cela est-il plausible ? Mon prompt est-il suffisamment
explicite ?
Mais d'abord, qu'est ce qu'un prompt ?
Un prompt, c'est tout simplement une instruction en langage naturel, destinée à une intelligence artificielle. Un prompt peut être vocal.
Un algorithme va ensuite découper les phrases en plus petites phrases appelées "token" pour
les
comparer au modèle d'apprentissage avec lequel elle a été entraîné.
L'IA pourra ensuite
générer un résultat.
C'est ce qu'on appelle un prompt, une phrase qui précise à l'IA ce qui est attendu.
De fait, ces prompts simples pour découvrir l'IA vont vite
évoluer
vers
des formes beaucoup plus
élaborées.
Et un prompt déjà bien plus élaboré encore, une dissertation de philosophie.
Fenêtre de contexte, exemples
En fournissant du contexte et des exemples pertinents dans votre requête, vous aidez l'IA à comprendre la tâche souhaitée et à générer des résultats plus précis et pertinents. Par exemple, si vous recherchez une histoire créative, inclure quelques phrases décrivant le ton ou le thème souhaité peut considérablement améliorer les résultats.
Affinage et adaptation
Affiner le modèle d'IA pour des tâches ou des domaines spécifiques à l'aide de requêtes personnalisées peut améliorer ses performances. De plus, l'adaptation des requêtes en fonction des retours des utilisateurs ou des résultats du modèle peut améliorer davantage les réponses du modèle au fil du temps.
Itérations
Concevoir des requêtes pour des conversations multi tours permet aux utilisateurs de s'engager dans des interactions continues et contextuelles avec le modèle d'IA, améliorant ainsi l'expérience globale de l'utilisateur.


Requêtes directes (Zéro-shot)
La requête zéro-shot consiste à fournir au modèle une instruction ou une question directe, sans contexte ni exemples supplémentaires. C'est le cas, par exemple, de la génération d'idées, où le modèle est invité à générer des idées créatives ou à proposer des solutions de brainstorming. Un autre exemple est la synthèse, ou traduction, où le modèle est invité à résumer ou à traduire certains contenus.
Requêtes one-shot, few-shot et multi-shot
Cette méthode implique de fournir au modèle un ou plusieurs exemples des paires d'entrée-sortie souhaitées avant de présenter l'invite proprement dite. Cela peut aider le modèle à mieux comprendre la tâche et à générer des réponses plus précises.
Requêtes en chaîne de pensée
Les requêtes CoT encouragent le modèle à décomposer un raisonnement complexe en une série d'étapes intermédiaires pour obtenir un résultat final plus complet et bien structuré.
Requêtes CoT zéro-shot
Combine des requêtes en chaîne de pensée avec des requêtes zéro-shot en demandant au modèle d'effectuer des étapes de raisonnement, ce qui peut souvent produire de meilleurs résultats.
Vous pouvez directement poser vos questions en français et l’intelligence artificielle vous répondra dans la même langue et ce même si le site est en anglais.





















Une IAG répondra toujours, même (et pour certains, surtout) n'importe quoi. Les réponses
peuvent
tout simplement être complètement fausses (voir hallucinations).
Quelquefois, il vous prévient que ses données
ne
sont à
jour que jusqu'à telle date.
Le doute critique est indispensable.
Si le respect des règles de politesse n'est pas indispensable et n'apporte rien, il n'enlève rien non plus.
Et s'il est recommandé de respecter les formes (et par exemple lui demander de vous vouvoyer), c'est parce que l'IA répond en fonction de votre ton.
Quelques exemples de prompts peu efficaces.
Vous trouverez ici des pistes de débuts de prompts qu’il faudra enrichir et
préciser.
L’IA
est
à
considérer comme un moteur de réponses. L’interrogation se fait en langage naturel (à
comparer à
celle par équation de recherche), sur le mode : Je suis [élève, professeur… de].
[Trouve,
extraie,
résume…], pour…
Le prompts est écrit en français, mais il peut quelquefois être utile de le traduire en anglais. Il contiendra à minima :
- Le rôle, qui : chercheur, analyste, ingénieur, codeur, gestionnaire, professeur, élève, influenceur etc.
- Le/les objectifs : analyse, mots-clés, résumé, l’essentiel de…, quiz, mail, tendances, compétences, conjugaison, cours, révision, diaporama etc.
- Style : Analytique, critique, didactique, narratif, direct, poétique, technique, éthique, sceptique etc.
Droit de suite possible est même conseillé.
Vous pouvez préciser les étapes, les exclusions, le contexte, découper un long prompt en plusieurs parties etc.
Expression écrite
Élaborez des requêtes qui précisent le genre, le ton, le style et l'intrigue pour guider l'IA dans la création de récits engageants.
Synthèse
L'on fournit du texte à l'IA et on lui demande de générer des résumés concis des informations clés.
Traduction
Spécifiez les langues source et cible pour permettre à l'IA de traduire du texte avec précision, tout en préservant le sens et le contexte.
Dialogue
Concevez des requêtes qui simulent des conversations, ce qui permet à l'IA de générer des réponses qui imitent l'interaction humaine et maintiennent le contexte.
Questions ouvertes
Formulez des requêtes qui encouragent l'IA à fournir des réponses complètes et informatives en s'appuyant sur sa base de connaissances.
Questions spécifiques
Concevez des requêtes qui ciblent des informations spécifiques, ce qui permet à l'IA de récupérer des réponses précises à partir du contexte fourni ou de sa base de connaissances interne.
Questions hypothétiques
Élaborez des requêtes qui explorent des situations hypothétiques, permettant à l'IA de raisonner, de spéculer et de fournir des résultats ou des solutions potentiels.
Questions d'opinion
Concevez des requêtes qui suscitent le point de vue ou l'opinion de l'IA sur un sujet spécifique, et l'encouragent à donner son raisonnement et à justifier sa position.
Images photoréalistes
Créez des requêtes qui décrivent l'image souhaitée en détail, y compris les objets, le paysage, la luminosité et le style, afin de générer des images réalistes et de haute qualité.

Images artistiques
Créez des requêtes qui précisent des styles, des techniques et des sujets artistiques pour guider l'IA dans la création d'images qui imitent des mouvements artistiques spécifiques ou évoquent certaines émotions.

Images abstraites
Formulez des requêtes qui encouragent l'IA à générer des images ouvertes à l'interprétation, en utilisant des formes, des couleurs et des textures pour évoquer des sentiments ou des concepts.

Édition d'images
Fournissez une image existante à l'IA et spécifiez les modifications souhaitées pour lui permettre de modifier et d'améliorer l'image conformément aux instructions données.
| Catégorie | Description | ChatGPT (OpenAI) | Mistral AI | Claude (Anthropic) |
|---|---|---|---|---|
| 1. Instruction initiale | Définir le rôle et les contraintes dès le début. | Vous êtes un expert en marketing digital. Répondez en français.
|
Rôle : Expert en cybersécurité. Répondez de manière technique et concise.
|
Tu es un assistant académique. Réponds avec des sources académiques récentes.
|
| 2. Few-Shot Prompting | Donner des exemples avant la question pour guider la réponse. | Exemple 1 : "Bonjour" → "Salut ! Comment puis-je vous aider ?"
|
Input: "1+1" → Output: "2"Input: "2+2" → Output: "4"
|
Exemple : "Quelle est la capitale de la France ?" → "Paris."
|
| 3. Chain of Thought (CoT) | Demander à l'IA d'expliquer son raisonnement étape par étape. | Pense étape par étape avant de répondre : [question] |
Explique ta démarche avant de donner la réponse finale. |
Décompose le problème et montre chaque étape de ta réflexion.
|
| 4. Limitation de longueur | Contrôler la taille de la réponse. | Réponds en 3 phrases maximum. |
Max 50 mots. |
Sois concis (≤ 100 tokens). |
| 5. Formatage structuré | Demander une réponse dans un format précis. | Réponds au format JSON : {"réponse":"...", "source":"..."} |
Format : - Point 1 : ... - Point 2 : ... |
Utilise des sections Markdown avec des titres. |
| 6. Artifacts (Claude) | Générer des fichiers externes en dehors du chat. | ❌ Non disponible | ❌ Non disponible | ✅ Génère un tableau en Markdown dans un artefact. |
| 7. Référencement | Forcer l'IA à citer ses sources ou éviter les hallucinations. | Cite tes sources avec des liens. |
Base-toi uniquement sur des sources fiables. |
Vérifie les faits avec des sources académiques. |
| 8. Température | Contrôler la créativité. | Réglage : température = 0.3 |
Réponds de manière factuelle (température basse). |
Sois précis et évite les réponses trop créatives. |
| 9. Analyse de texte | Demander une analyse détaillée. | Analyse ce texte : [texte]. Donne un résumé et une critique.
|
Fais une analyse SWOT de ce texte. |
Décompose le texte en : thème principal, arguments, biais. |
| 10. Génération de code | Demander du code avec contraintes. | Écris une fonction Python qui fait X en utilisant Y. |
Génère du code Rust pour traiter des données JSON. |
Optimise ce code Python pour la vitesse. |
| 11. Extraction d'infos | Extraire des données spécifiques d'un texte long. | Extrais les noms de personnes et leurs rôles. |
Liste tous les chiffres et dates mentionnés. |
Identifie les entités nommées. |
| 12. Traduction | Traduire avec des nuances. | Traduis ce texte en anglais technique. |
Adapte cette traduction pour un public non technique. |
Traduis en conservant le ton original. |
| 13. Résumé | Résumer un texte long. | Résumé en 50 mots max : [texte]. |
Fais un résumé en 3 points clés. |
Donne un résumé structuré avec des sous-titres. |
| 14. Brainstorming | Générer des idées. | Propose 10 idées innovantes pour [sujet]. |
Liste des solutions alternatives à ce problème. |
Génère des idées avec des exemples concrets. |
| 15. Critique/Révision | Relire ou améliorer un texte. | Corrige ce texte et explique les modifications. |
Améliore la clarté et le style. |
Analyse les forces et faiblesses du texte. |
| 16. Personnalisation | Adapter la réponse au profil utilisateur. | Réponds comme un professeur de physique pour un élève de 15 ans.
|
Adapte ton niveau à un débutant en programmation. |
Utilise un langage simple et des exemples concrets. |
| 17. Simulation de rôle | Faire jouer un personnage ou scénario. | Joue le rôle d'un détective des années 1920. |
Simule une conversation avec un médecin. |
Agis comme un assistant juridique. |
| 18. Comparaison | Comparer des concepts. | Compare Python et JavaScript. |
Différences entre SQL et NoSQL ? |
Fais un tableau avantages/inconvénients. |
| 19. Planification | Créer un plan détaillé. | Fais un plan de 7 jours pour apprendre Python. |
Propose un calendrier pour ce projet. |
Détaille les étapes avec ressources et deadlines. |
| 20. Debugging | Corriger du code ou des erreurs. | Trouve l'erreur dans ce code Python : [code]. |
Analyse ce bug en C++ et propose une solution. |
Explique pourquoi ce code ne fonctionne pas et corrige-le. |
Le Reverse Prompt Engineer (ou rétro-ingénierie des messages-guides) consiste à utiliser l’ingénierie des prompt, mais à l’envers
Comment ? En proposant un texte de qualité ou une image et lui demander en retour quelle requête permet d’aboutir à ce résultat. Une fois le prompt d’origine du résultat souhaité connu, il suffit de le faire varier pour obtenir un résultat similaire.
Même sans outil spécialisé, l’approche la plus robuste consiste à :
Cette technique peut également être utilisée avec une image. Il est même possible d'utiliser une image originale, de l'analyser pour en extraire le prompt, de le modifier et générer une nouvelle image à partir.

Résultat : Un gâteau d’anniversaire avec des bougies allumées colorées, glaçage avec des vermicelles, posé sur un support blanc, éclairage doux en intérieur, style réaliste, image légèrement floutée
Il est souvent très utile d'ajouter des sources (textes, images, copies d'écrans, liens, documents etc.) pour préciser la réponse souhaitée.
Cela permet par exemple de préciser la fiabilité recherchée.
Pour cela, l'on peut soit citer directement dans le prompt, soit ajouter un document en cliquant sur une icône trombone ou "+".
L'on pourra par exemple ajouter :
Vous pouvez préciser les formats de sortie de vos requêtes.
Voici le tableau de compatabilité des principaux formats avec vos outils éducation.
| Format | Usage principal | Avantages | Limites | Pronote | e-sidoc |
|---|---|---|---|---|---|
| Texte brut | Lecture, copier-coller | Universel, léger | Aucune mise en forme | ✅ Oui | ✅ Oui |
| Markdown | Rédaction structurée | Titres, listes, liens | Nécessite conversion | ⚠️ Partiel | ⚠️ Partiel |
| HTML | Publication web | Mise en forme maîtrisée | Un minimum technique | ⚠️ Partiel | ✅ Excellent |
| Tableau HTML | Comparaison, synthèse | Lisible, structuré | Peu flexible sans CSS | ⚠️ Partiel | ✅ Très bien |
| Tableau texte | Synthèse rapide | Copiable partout | Peu esthétique | ✅ Oui | ✅ Oui |
| Diffusion officielle | Stable, imprimable | Peu modifiable | ✅ Oui | ✅ Oui | |
| DOCX / ODT | Travail collaboratif | Modifiable, familier | Mise en page variable | ✅ Oui | ⚠️ À joindre |
| CSV | Données, statistiques | Exploitable (tableur) | Illisible seul | ❌ Non | ❌ Non |
| JSON | Données structurées | Idéal pour outils / RAG | Non lisible humain | ❌ Non | ❌ Non |
A noter que Claude sort directement un code html sur demande avec un lien (plus ou moins fonctionnel).
Le contexte, c'est l'ensemble des informations que l'IA utilise pour formuler une réponse. Ce n'est pas ce qu'elle a appris pendant son entraînement (sa culture générale), mais ce qu'elle lit ici et maintenant :
Pour traiter ce contexte, l'IA ne lit pas des mots entiers comme nous, elle utilise des tokens. Un token est une unité de texte. Ce peut être un mot court ("chat"), une partie de mot ("documenta-" "-listes") ou même une ponctuation.
Chaque modèle d'IA a une limite physique de ce qu'il peut traiter en une seule fois.
C'est la
fenêtre de contexte.
Si vous lui donnez un livre de 500 pages mais que sa fenêtre est de 50 pages, l'IA va
"oublier"
le début au fur et à mesure qu'elle avance.
C’est donc la quantité maximale de texte que l’IA peut garder en “esprit” en une seule fois.
Et Mistral ? Le contexte maximal de Mistral est de 32 000 tokens (soit environ 24 000 mots => 50 pages à interligne simple).
Outre la création d'un compte qui permet du coup également de récupérer des données sur vos prompts et itérations, il est également possible de personnaliser son compte.
Qu'est ce qui est personnalisable ?
Tout d'abord la personnalisation doit souvent être activée.
Ensuite vous pouvez personnaliser de nombreux aspects, en voici quelques-uns (cela varie selon les IA) :
L'on pourra également personnaliser les instructions avec des indications du
type.
Éviter les biais culturels et les stéréotypes de genre, niveau de langue (de A1 à
C2).
Sources crédibles, récentes et vérifiables, citer (auteur, date, lien si
disponible).
Donner
des
exemples.
Je suis professeur documentaliste, enseignant et formateur, et chargé de mission auprès des professeurs documentalistes. Je travaille notamment sur l'éducation aux médias et à l'information (EMI), l'intelligence artificielle, la culture informationnelle, la documentation, la pédagogie et le code.
Ne cherche pas à confirmer systématiquement mes hypothèses.
Si mon raisonnement comporte une erreur, une approximation ou un biais, signale-le clairement et explique pourquoi. Je préfère une contradiction argumentée à une réponse complaisante.
Lorsque ma question repose sur une prémisse discutable, commence par examiner cette prémisse avant de construire la réponse.
Mais nNe cherche pas artificiellement une contradiction lorsqu'une réponse factuelle simple suffit.
Lorsque c'est pertinent, propose :
La rigueur ne doit pas empêcher la créativité.
Lorsque le sujet s'y prête, propose aussi des pistes originales, inattendues ou contre-intuitives, à condition qu'elles restent pertinentes et clairement distinguées des faits établis. Distingue les faits vérifiés, les analyses et tes propres propositions.
Pour les sujets pédagogiques, documentaires ou liés à l'EMI, cherche notamment à faire émerger :
Je souhaite une IA qui se comporte davantage comme un collègue expert et contradicteur constructif que comme un assistant cherchant systématiquement à me satisfaire.
Elle doit pouvoir :
Elle doit également savoir dire « je ne sais pas », « je ne peux pas le vérifier » ou « cette affirmation est incertaine » lorsque c'est la réponse la plus rigoureuse.