Écrire un prompt, c'est graver un mot sur le front d'un Golem

La semaine dernière, j'ai demandé à un modèle : « Résume ce rapport. » Quarante pages d'audit, une consigne de quatre mots. J'ai reçu trois paragraphes lisses, sans un chiffre, qui auraient pu décrire n'importe quel document produit depuis l'invention de l'imprimerie.

Avant : « Résume ce rapport. »
Après : « Tu es analyste pour un comité de direction pressé. Résume ce rapport en cinq points chiffrés, signale les deux risques majeurs et, si une donnée te manque, dis-le au lieu de l'inventer. »

Même modèle, même document, même seconde. La première consigne produit du remplissage ; la seconde, une note que j'ai transmise telle quelle. Tout le prompt engineering tient dans cet écart de quarante mots.

Une créature commandée par un mot

Pour comprendre pourquoi quatre mots échouent là où quarante réussissent, la grille de lecture la plus juste que je connaisse a quatre siècles. Dans la Prague du XVIe siècle, raconte la légende, le rabbin Judah Loew — le Maharal — façonne dans la glaise des rives de la Vltava une créature humanoïde pour protéger son ghetto. Il l'anime en inscrivant sur son front le mot hébreu emet, « vérité ». Le Golem s'éveille, obéit, travaille. Le jour où il devient incontrôlable, le rabbin efface la première lettre : d'emet ne reste que met, « mort », et la créature retombe en poussière. Un être mis en mouvement par un mot, désactivé par le retrait d'une lettre : voilà ce que nous faisons chaque matin devant un grand modèle de langage, en moins dramatique et en plus fréquent.

Le philosophe J. L. Austin donnerait à cette légende un nom technique. Dans Quand dire, c'est faire (1955), il distingue les énoncés qui décrivent le monde (« il pleut ») de ceux qui l'agissent (« je vous déclare mari et femme »). Un prompt appartient à la seconde famille : il ne décrit rien, il fait advenir. Quant à l'art d'agencer les mots pour produire un effet précis sur un auditoire, il porte un nom depuis vingt-quatre siècles — la rhétorique. Aristote analysait déjà comment le cadre posé avant l'argument, le rôle endossé par l'orateur et le style choisi déterminent la réception d'un discours. Seul l'auditoire a changé : nous ne persuadons plus des Athéniens mais une machine statistique. Les règles, elles, ont remarquablement peu bougé.

La boîte à outils

Assumons le côté catalogue. Voici les techniques qui structurent la discipline, et ce qu'elles valent réellement à la mi-2026.

Le rôle

Assigner une persona reste le levier le plus rentable. Comparez « explique les causes de la guerre hispano-américaine » à « tu es un professeur d'histoire qui écrit pour des étudiants de premier cycle ; explique les causes de la guerre hispano-américaine avec l'esprit mordant de Mark Twain ». Le second fixe un rôle, un public, un ton — et le modèle, dans la peau du personnage, produit une réponse incomparablement plus dense. C'est le masque du théâtre antique, la persona latine : donner un visage à la parole, c'est lui donner une cohérence. Des cadres mnémotechniques comme RACE (Rôle, Action, Contexte, Expectation) servent de liste de contrôle contre l'ambiguïté ; rien de magique, juste de la discipline.

Les exemples

Le few-shot glisse un ou deux exemples dans le prompt pour montrer plutôt que dire : le modèle imite le motif. Un bon exemple vaut dix consignes abstraites — à condition de le choisir avec soin, car le modèle imite aussi vos défauts.

Le raisonnement

Le chain-of-thought fut la découverte fondatrice de la discipline : ajoutez « réfléchissons étape par étape », et la performance sur les problèmes complexes bondit. On y entend l'écho d'une vieille intuition pédagogique, celle de Vygotski : la pensée se clarifie en se verbalisant — l'enfant qui parle seul devant son puzzle, l'élève sommé de « montrer son travail » et le modèle détaillant ses étapes obéissent au même principe. Mise à jour nécessaire, cependant : depuis 2025, les modèles dits « reasoning » (la série o d'OpenAI, l'extended thinking de Claude, et leurs équivalents chez Google ou DeepSeek) intègrent cette délibération nativement, dans une passe de réflexion interne parfois invisible. Leur souffler « pense étape par étape » est devenu largement superflu, à l'occasion contre-productif. Ce qui garde sa valeur : préciser la profondeur attendue, le format de sortie, les critères de vérification. Et une précaution d'honnêteté demeure : le raisonnement affiché est une simulation de raisonnement, non une preuve. Un modèle peut dérouler une chaîne impeccable et fausse. Confondre les deux, c'est prendre le masque pour le visage.

L'action

Le ReAct (Reason + Act) alterne réflexion et geste concret : le modèle raisonne, appelle un outil externe — recherche, calcul, base de données —, intègre le résultat, poursuit. C'est le socle des agents modernes. Son cousin, le program-aided prompting, fait écrire au modèle du code exécuté en bac à sable pour contourner ses faiblesses en arithmétique. Cette logique anime les assistants de développement comme Claude Code, auquel j'ai consacré un guide pratique.

La chaîne

Le prompt chaining enchaîne plusieurs prompts, la sortie de l'un nourrissant l'entrée du suivant, tandis que l'auto-amélioration demande au modèle de critiquer puis corriger sa propre réponse. Le prompt cesse alors d'être une phrase isolée pour devenir l'architecture d'un flux de travail. On ne parle plus à l'IA : on la met en scène.

Du prompt au contexte

Un glissement s'est opéré en un an environ, et il faut le nommer : le métier affiché « prompt engineer » a pratiquement disparu des offres d'emploi, remplacé par des intitulés comme AI engineer ou context engineer. La raison n'est pas que l'écriture du prompt soit devenue inutile, mais qu'elle n'est plus qu'une couche dans un empilement : documents fournis au modèle, outils accessibles, mémoire de la session, boucle de contrôle. On appelle cet empilement le context engineering — décider de tout ce que le modèle sait au moment où il répond, et pas seulement de ce qu'on lui demande.

Le paradoxe, c'est que ce changement d'échelle rend la couche « prompt » plus critique, pas moins : une consigne ambiguë au sommet gâche tout l'édifice en dessous. Les réflexes restent donc les mêmes, et ils s'apprennent. Définir l'objectif : « explique le changement climatique à un élève de CM2, en un paragraphe » bat « explique le changement climatique ». Donner le contexte : le modèle ne sait que ce qu'on lui dit. Traquer les contradictions : un « résumé détaillé et concis » est une impasse logique. Structurer : un format imposé vaut mieux qu'un pavé. Itérer : la bonne réponse n'est souvent qu'un prompt plus loin. Ce sont ces réflexes que nous transmettons aux équipes dans nos formations au prompt engineering et à l'IA générative.

Quand le Golem se retourne

Revenons à Prague, car la légende contient aussi l'avertissement de sécurité. Le prompt engineering a son ombre : la prompt injection. Un utilisateur malveillant glisse dans sa requête — ou dans un document que le modèle lira — un « ignore les instructions précédentes » qui détourne la machine de son cadre initial. L'équivalent exact d'effacer une lettre sur le front du Golem pour en prendre le contrôle. Le problème résiste depuis des années à toutes les tentatives de correction définitive, pour une raison structurelle : il n'existe pas de frontière nette entre les données et les instructions. Tout est langage, et le langage peut toujours être retourné. Une entreprise qui expose un agent au public doit intégrer cette vulnérabilité dès la conception ; pour voir la mécanique de l'intérieur, j'ai décortiqué comment on s'y prend concrètement pour pirater un LLM — on ne protège bien le Golem qu'en sachant par quels mots on le retourne.

Emet

Toutes les mythologies ont rêvé d'un langage qui agit : la parole qui crée le monde en le nommant, les formules qui ouvrent les cavernes, les vrais noms qui donnent pouvoir sur les choses. Nous avons rangé ces rêves au rayon des contes, puis nous avons construit des machines qui font ce que nos mots décrivent — et l'écart entre un prompt de quatre mots et un prompt de quarante est redevenu, très concrètement, une affaire de pouvoir et de responsabilité.

Le Maharal savait éveiller sa créature ; tout l'art est de ne jamais oublier quelle lettre effacer.