5. Pour toutes et tous

5.2. Comment converser avec une IA ? (Le prompt)

Dans une conversation avec un LLM, penser et concevoir ses instructions, vers l’objectif que vous poursuivez est essentiel. Cette disposition d’esprit a un impact direct sur l’orientation et la qualité de la réponse qui sera produite par l’IAG.

Une expression du domaine informatique résume bien cette nécessité : Garbage in … Garbage out3

Si vos instructions manquent de précision en entrée... le système produira des réponses imprécises, décontextualisées.

La « technique » qui consiste à penser ses instructions ou questions pour dialoguer avec un LLM est appelée prompting.

On parle généralement de prompt pour évoquer l’instruction elle-même.

Le prompt est simplement le texte, en langage naturel, que vous allez saisir pour démarrer ou alimenter la conversation.

Par convention, le premier prompt que vous saisissez dans un chat est généralement le plus important : il doit expliquer vos intentions, le contexte de votre demande et les contraintes à respecter dans l’échange.

Exemple :

  • Vous manquez de temps ? Vous pouvez imposer à votre “interlocuteur IA” des réponses brèves.
  • Vous souhaitez des réponses détaillées et étayées ? Imposez-le en début de conversation.


3 Expression qui signifie que si des données d'entrée sont défectueuses ou absurdes, les données en sortie le seront aussi...

Vous pouvez revenir sur ces instructions en cours de discussion. Cependant, concevoir votre première interaction en amont vous permet aussi de délimiter vos objectifs pour vous-même et de lancer la discussion dans la bonne direction.

Si cela vous semble compliqué au premier abord, rassurez-vous… en respectant quelques règles simples vous serez en mesure de maîtriser cette technique de prompting.

Voici les 3 principaux axes à respecter :

  • Être clair et spécifique,
  • Préciser le contexte de votre demande,
  • Disposer d'une stratégie pour contrôler les inférences.

Ces 3 principes permettent de fournir des instructions efficaces que le modèle va ensuite conserver pour échanger avec vous dans la conversation, où vos instructions et ses réponses vont s’alterner.

On résume :

  • L’interaction avec un LLM se fait le plus souvent via un navigateur et sous la forme d’un chat ou conversation ;
  • La conversation est au départ vide et sans contexte - l’IA ignore tout de vous et de vos attentes ;
  • Dans un chat, le système tient compte des échanges précédents dans la même session de conversation (contexte) pour formuler des réponses pertinentes ;
  • Ce contexte est limité par la taille de la fenêtre de contexte propre au modèle ou définie par les administrateurs du service de chat.


Le modèle peut combiner les informations spécifiques à la conversation avec des connaissances plus générales : comme des événements historiques, des lieux … toutes sortes d’informations qui étaient présentes dans ses données d’entraînement.

Mais attention : le corollaire est aussi important : si une information n’est pas disponible dans ses données d’entraînement, le modèle ne pourra répondre efficacement. Cette réalité peut le conduire à halluciner.

Certains services d’IAG peuvent enrichir les réponses grâce à des fonctionnalités qui leur permettent de rechercher des informations en ligne dans un document ou dans des bases de données externes. Dans ces conditions, le modèle dispose d’une troisième source pour obtenir des données à jour et/ou répondre à des questions nécessitant des informations spécifiques.

Par exemple, pour savoir si demain il pleuvra, il aura recours, avant de vous répondre, à une base de données qu’il interrogera d’abord pour connaître la date actuelle et une deuxième pour récupérer les prévisions pour le lieu où vous vous trouvez.