Lorsque l’on parle de prompt engineering, il s’agit avant tout de l’art de donner vie aux machines par le langage. Mais est ce réellement de l’art, ou plutôt une discipline technique et rationnelle ? Comme souvent, la vérité se situe quelque part entre les deux.

Le côté créatif : le prompting comme forme d’art

Un bon prompt peut parfois ressembler à un poème. Il vit de nuances, de métaphores et du ton juste. Toute personne ayant déjà travaillé avec des prompts l’a sans doute remarqué. Il ne s’agit pas seulement d’extraire des informations, mais aussi de créer une atmosphère, de donner une direction et d’orienter la machine vers une certaine manière de penser.

L’expérimentation fait souvent partie intégrante du processus. Mettre des pensées ou une idée encore floue en mots de façon à ce que le modèle les comprenne réellement, et presque les ressente, n’est pas chose facile. Parfois, on ne sait même pas exactement ce que l’on veut au départ. Le résultat final naît alors du flux de la conversation et de l’inspiration qu’elle génère.

Un prompt peut fonctionner comme une indication de mise en scène. Chaque instruction guide le modèle à travers l’image mentale que l’on a en tête et permet, dans le meilleur des cas, de produire une représentation très détaillée de ce que l’on imaginait.

Il n’existe pas de règles fixes ni de formules garantissant un résultat précis. C’est précisément ce qui rend le prompt engineering si fascinant pour certains, mais aussi difficile à appréhender et parfois frustrant. Le sujet conserve ainsi une dimension presque mystique. Cela ressemble beaucoup à la peinture. Il existe une infinité de chemins pour atteindre un même objectif. Ces chemins peuvent être très différents dans leur forme, tout en menant à des résultats comparables. De la même manière qu’un peintre joue avec les couleurs, le prompt engineer joue avec le langage, ce qui exige une certaine créativité.

Le côté technique : le prompting comme savoir faire

Même en l’absence de règles strictes, il existe des techniques éprouvées, comme dans la peinture. Ces techniques permettent d’atteindre des résultats précis plus rapidement et de manière plus fiable. Bien que l’expérimentation soit souvent utile, elle peut, dans de nombreux cas, être limitée ou du moins encadrée.

Un concept clé est celui de la structure. Les prompts bien structurés produisent généralement des résultats plus précis. Même si la communication se fait avec une machine, le processus est étonnamment proche de la communication humaine. Lorsque vous exprimez vos idées de manière structurée dans une conversation, votre interlocuteur vous comprend plus facilement et a besoin de moins de clarifications que si vous parlez sans ordre et projetez des pensées désorganisées. Même si la quantité d’informations est identique, leur compréhension est bien plus difficile dans le second cas. Cela vaut pour les humains, et cela vaut aussi pour l’IA.

La clarté est tout aussi essentielle que la structure. Plus l’instruction est précise, plus le résultat est cohérent. Les formulations vagues laissent toujours place à l’interprétation, et c’est exactement ce que fera le modèle. Il interprétera, et cette interprétation peut différer de la vôtre. En exprimant clairement ce que vous attendez, vous réduisez l’ambiguïté et augmentez les chances que le modèle produise exactement le résultat souhaité.

Cela est particulièrement visible dans la génération d’images ou d’autres médias visuels. Un prompt comme « Crée une image d’un arbre » aboutira effectivement à la présence d’un arbre, mais le type d’arbre, son emplacement, l’arrière plan ou le style restent totalement ouverts à l’interprétation. L’image mentale du modèle peut être très différente de la vôtre. Un prompt tel que « Crée une peinture numérique d’un cerisier en pleine floraison, dans le style d’un jardin japonais, avec un coucher de soleil doux en arrière plan » réduit déjà fortement les possibilités. La probabilité d’obtenir un palmier sur une plage devient très faible. En revanche, la présence ou non d’un oiseau reste encore indéterminée.

Cela montre clairement que plus vous fournissez de détails, plus le résultat sera précis. Au delà de ces bonnes pratiques générales, et il en existe beaucoup d’autres, il y a également des stratégies et des frameworks de prompting qui structurent le prompt à un niveau méta. C’est là que l’aspect technique devient réellement dominant. Ces approches font souvent la différence entre un bon prompt et un prompt très bon, voire excellent.

Au passage, qu’est ce qui définit réellement un bon ou un excellent prompt ? Existe t il des métriques pour cela, et comment évaluer objectivement quelque chose dont le résultat est, en fin de compte, une représentation de ses propres pensées ? Ces questions seront abordées dans de prochains articles, alors restez à l’écoute.

Des méthodes comme le chain of thought, le few shot prompting ou le prompt chaining fonctionnent presque comme une logique de programmation. Elles permettent aux prompt engineers de concevoir des systèmes capables de résoudre des tâches très spécifiques et parfois extrêmement complexes avec une précision minutieuse. On peut citer par exemple des assistants de programmation comme GitHub Copilot, des outils de design comme Vercel V0 ou des chatbots avancés qui guident les utilisateurs de manière autonome à travers des processus de commande ou d’onboarding.

Pour ce type d’applications, la répétabilité et la prévisibilité sont essentielles. Les réponses des modèles d’IA ne sont pas déterministes par défaut. Un même input peut produire des résultats différents. Dans certains contextes, cette variabilité n’est pas souhaitable, notamment lorsque des décisions reposent sur la réponse ou lorsque celle ci doit respecter un format précis. En combinant différentes techniques, il est toutefois possible d’approcher un haut niveau de cohérence.

Le point de rencontre : quand l’art rencontre l’ingénierie

C’est précisément ce qui rend le prompt engineering si captivant. Il se situe exactement à l’intersection de ces deux mondes. Il n’est ni purement artistique ni purement technique, mais un hybride des deux.

Les prompt engineers sont des technologues créatifs. Ce sont des designers dotés de compétences techniques. D’un côté, ils savent traduire des idées complexes ou abstraites en instructions écrites si claires, précises et sans ambiguïté que l’IA les comprend et produit exactement le résultat attendu, à la manière d’un langage de programmation. De l’autre, ils sont capables de créer des mondes et des idées auparavant inimaginables en jouant avec leur propre créativité et celle de l’IA, comme le ferait un artiste.

Il s’agit d’un équilibre permanent. Ceux qui ne pensent qu’en termes techniques passent à côté de la magie créative. Ceux qui ne travaillent que de manière artistique perdent en précision. La véritable force réside dans la capacité à combiner les deux.

« Le nouveau langage de programmation le plus populaire est l’anglais. »
Andrej Karpathy