Le prompt engineering est la discipline qui consiste à concevoir, structurer et tester les instructions données à un LLM pour obtenir un résultat fiable et reproductible en production. Ce n’est pas écrire un prompt sympa une fois — c’est itérer méthodiquement sur des dizaines de variantes, mesurer les sorties, et industrialiser les meilleures.
En pratique
Un prompt de production a généralement 3 ou 4 couches :
- System prompt : rôle de l’agent, contraintes, ton, format de sortie attendu.
- Few-shot examples : 2 à 5 exemples concrets de la tâche bien faite.
- Contexte : données dynamiques (RAG, infos client, date du jour).
- Instruction utilisateur : la requête du moment.
Un bon prompt n’est jamais une seule phrase. Un prompt de prod chez nos clients fait souvent 800 à 2 500 tokens, structuré en sections explicites.
Techniques principales 2026
- Role priming : “tu es un comptable expérimenté qui ne fait jamais d’erreur sur la TVA” — calibre la sortie.
- Few-shot prompting : montrer 3 exemples bien faits avant de demander la nouvelle tâche.
- Chain-of-thought : demander explicitement de raisonner étape par étape.
- Output structuring : imposer un format (JSON, Markdown avec sections fixes) — fiabilise le parsing aval.
- Self-critique : faire relire la sortie par le LLM avant de la rendre.
- Constitutional prompting : poser des règles (“tu refuses si X”, “tu cites toujours la source”).
Vs simple prompt
Un simple prompt = “résume ce mail”. Un prompt engineerisé = un système prompt de 600 tokens avec rôle, contraintes, 3 exemples, format de sortie JSON, règles d’escalade. Le premier marche 60 % du temps. Le second marche 95 % du temps en prod, sur des centaines de cas.
Pour aller plus loin
- Prompt engineering en entreprise — ce qui marche — patterns testés en prod.
- Prompt engineering 2026 — état de l’art.
- Chain-of-thought — définition — la technique de raisonnement.
- Évaluation LLM — métriques — mesurer la qualité d’un prompt.
Vous voulez industrialiser vos prompts en entreprise ? Audit IA Kezify.