Aller au contenu
TokIQ
Apprentissage

Apprendre le prompt engineering : guide gratuit pas à pas

Comment apprendre le prompt engineering : un parcours en 8 étapes des bases aux agents, les guides gratuits des éditeurs et un exercice par étape.

TokIQ EditorialMis à jour 8 min de lecture
Dans cet article
  1. Quel est le parcours pas à pas pour apprendre le prompt engineering ?
  2. Quels guides et tutoriels de prompt engineering valent votre temps ?
  3. Pourquoi lire ne suffit pas
  4. Quels projets construire ?
  5. Comment savoir que vous progressez ?
  6. Combien de temps cela prend-il ?

La meilleure façon d'apprendre le prompt engineering est de suivre un parcours fixe de huit étapes, de la rédaction de consignes claires à la sécurisation des agents IA, et de pratiquer chaque étape sur des entrées réelles au lieu de seulement lire. Prenez les guides de prompting gratuits d'OpenAI, d'Anthropic et de Google comme tutoriel, testez-vous sur des décisions de prompting isolées, et terminez par deux ou trois petits projets que vous mesurez avec un jeu de test.

Ce guide vous donne ce parcours dans l'ordre, avec ce qu'il faut lire et un exercice pour chaque étape, plus les projets qui transforment le savoir en compétence. On comprend ce que fait un prompt en le voyant échouer sur des entrées qu'on n'attendait pas : chaque étape se termine donc par un test.

À retenir

  • Apprenez dans un ordre fixe : fondamentaux, prompts système, exemples, raisonnement, sortie structurée, ancrage (grounding), outils, sécurité.
  • Les guides de prompting d'OpenAI, d'Anthropic et de Google sont le meilleur tutoriel gratuit de prompt engineering disponible.
  • Pratiquez les décisions, pas seulement la lecture. Se tester vaut mieux que relire (Roediger et Karpicke, 2006).
  • Construisez deux ou trois petits projets avec un jeu de test de 20 à 30 entrées. C'est là que la compétence s'ancre.

Quel est le parcours pas à pas pour apprendre le prompt engineering ?

Le parcours compte huit étapes, et chacune s'appuie sur la précédente. Pour chaque étape : ce qu'il faut apprendre, comment savoir que c'est acquis, et un exercice pour s'entraîner.

Étape 1 : les fondamentaux. Tâches claires, contexte sur le public et l'objectif, format de sortie explicite, contraintes. Vous maîtrisez cette étape quand vous savez regarder un prompt faible et nommer ce qui manque avant de le lancer. Exercice : reprenez trois prompts que vous avez écrits la semaine dernière et réécrivez chacun en précisant le public, l'objectif et le format. Qu'est-ce que le prompt engineering fait le tour du sujet, le thème des fondamentaux propose des questions d'entraînement, et comment écrire de meilleurs prompts ChatGPT montre les réécritures en pratique.

Étape 2 : rôle, contexte et prompts système. Ce qui va dans un prompt système, ce qui va dans le message utilisateur, et pourquoi un rôle sans contexte sert peu. Vous maîtrisez cette étape quand vous savez écrire un prompt système qui gère les cas limites et résiste à une série de messages tordus. Exercice : écrivez un prompt système pour un bot de support, puis envoyez-lui cinq messages conçus pour le faire échouer. Voir comment écrire un prompt système.

Étape 3 : les exemples. Zero-shot et few-shot, la façon dont les exemples sont copiés, l'équilibre des étiquettes. Vous maîtrisez cette étape quand vous savez prédire comment un exemple va déformer la sortie avant de la voir. Exercice : lancez le même prompt de classification avec zéro, un et trois exemples sur les mêmes dix entrées et comparez. Pour le contexte : zero-shot et few-shot.

Étape 4 : le raisonnement. Chain-of-thought, raisonner avant de répondre, et quand les modèles de raisonnement le rendent inutile. Vous maîtrisez cette étape quand vous placez d'instinct le champ reasoning avant le champ answer. Exercice : donnez à un modèle cinq problèmes à plusieurs étapes avec et sans « réfléchis étape par étape » et comptez les bonnes réponses. Voir le chain-of-thought expliqué.

Étape 5 : la sortie structurée. Schémas JSON, fonctions d'API qui les imposent, validation et nouvelles tentatives. Exercice : extrayez cinq champs de dix e-mails en désordre sous forme de JSON et comptez combien de sorties sont valides. Voir obtenir du JSON fiable avec les LLM.

Étape 6 : l'ancrage (grounding). Génération augmentée par la recherche (RAG), répondre uniquement à partir de sources, citations, réponses « introuvable » explicites. Exercice : posez dix questions dont les réponses ne figurent pas dans les documents à un système de questions-réponses documentaire. Voir qu'est-ce que RAG.

Étape 7 : outils et agents. Descriptions d'outils, boucles d'agent, conditions d'arrêt. Exercice : donnez à un modèle un outil qui renvoie parfois une erreur et observez ce qu'il fait ensuite. Voir les bases des appels d'outils et des agents IA.

Étape 8 : la sécurité. La prompt injection, directe et indirecte, et les parades d'architecture. Gardez-la pour après les outils, car l'injection compte surtout quand un modèle peut agir. Exercice : cachez une instruction dans un document que retrouve votre système de l'étape 6 et regardez si le modèle la suit. Voir la prompt injection expliquée.

Vous n'avez pas besoin de terminer chaque étape avant de passer à la suivante. Mais si l'étape 7 vous semble confuse, la lacune se trouve généralement à l'étape 1 ou 5. Si vous préparez aussi une certification, l'examen AWS Certified AI Practitioner teste les techniques de prompt engineering dans son plus gros domaine ; nos questions d'exemple AIF-C01 montrent à quoi cela ressemble.

Quels guides et tutoriels de prompt engineering valent votre temps ?

Les guides qui valent votre temps sont les guides gratuits publiés par les éditeurs de modèles, quelques articles de recherche et une ou deux sources sur la sécurité. C'est moins que ce qu'internet laisse croire. Une courte liste :

Les guides de prompting des éditeurs. Le guide de prompt engineering d'OpenAI, la documentation de prompt engineering d'Anthropic et les stratégies de conception de prompts de Google pour Gemini. Ils sont gratuits, précis, raisonnablement à jour, et écrits par des gens qui voient un nombre énorme d'échecs réels. Lisez les trois : ce qui se recoupe vous apprend ce qui est universel, et les différences vous apprennent ce qui dépend du modèle. Anthropic a aussi publié sur GitHub un tutoriel interactif de prompt engineering qui vaut la peine d'être suivi.

Quelques articles. Vous n'avez pas besoin de lire de la recherche pour bien prompter, mais quelques articles expliquent pourquoi les techniques fonctionnent :

  • Brown et al. (2020), « Language Models are Few-Shot Learners » : l'origine du few-shot prompting.
  • Wei et al. (2022), « Chain-of-Thought Prompting Elicits Reasoning in Large Language Models ».
  • Lewis et al. (2020), l'article d'origine sur la génération augmentée par la recherche.
  • Yao et al. (2022), « ReAct », pour le schéma raisonnement-action derrière la plupart des agents.

Lisez le résumé, les figures principales et les exemples. C'est suffisant en pratique.

Écrits sur la sécurité. Le blog de Simon Willison, où le terme « prompt injection » a été inventé en 2022, est la meilleure source continue sur ce sujet. L'OWASP Top 10 for LLM Applications donne un panorama structuré des risques.

À éviter : les listes de « 100 prompts magiques » et les cours dont le contenu principal est une collection de modèles de prompts. Les modèles apprennent à copier, pas à diagnostiquer.

Pourquoi lire ne suffit pas

La plupart des gens apprennent le prompting en lisant des astuces et en hochant la tête. Puis ils s'assoient pour écrire un prompt et les astuces ne leur reviennent pas, car reconnaître un bon conseil et le produire soi-même sont deux compétences différentes.

La recherche sur l'apprentissage a un nom pour la solution. La pratique de récupération, ou effet de test, est le constat que se rappeler activement une information renforce davantage la mémoire que la réétudier ; l'étude « Test-Enhanced Learning » de Roediger et Karpicke (2006) en est une démonstration connue. Espacer cette pratique sur plusieurs jours aide encore plus.

Pour le prompting, l'équivalent d'un test est une décision en situation d'incertitude :

  • Voici un prompt et sa mauvaise sortie. Qu'est-ce qui l'a causée ?
  • Voici quatre consignes possibles. Laquelle corrige le problème ?
  • Voici un prompt RAG. Que se passe-t-il quand la recherche ne renvoie rien ?

Répondre à ce genre de questions, et se tromper parfois, construit l'instinct dont vous avez besoin devant un prompt vide. Vous pouvez créer les vôtres : reprenez les prompts qui ont échoué, notez pourquoi, et revenez-y une semaine plus tard sans regarder vos notes.

C'est aussi l'idée derrière TokIQ, une application de quiz que nous développons (sur Google Play, bientôt sur iPhone). Chaque question porte sur une décision de prompting, et quand vous vous trompez, vous pouvez lire une courte explication et répondre à des questions de suivi sur la même idée. C'est une façon d'avoir une pratique régulière et espacée. Elle ne remplace pas la construction de projets, qui est l'étape suivante.

Quels projets construire ?

Petits, réels et testables. Quelques idées qui apprennent beaucoup :

Un classifieur pour vos propres données. Triez vos e-mails, vos messages de support ou vos notes en catégories. Rédigez des définitions d'étiquettes, rassemblez 30 exemples avec les bonnes étiquettes, mesurez la précision et améliorez-la. Vous apprendrez plus sur les consignes et les exemples en un après-midi qu'en une semaine de lecture.

Version 1 : "Catégorise cet e-mail."
Version 5 : jeu d'étiquettes fixe avec définitions, une règle pour les
cas limites, deux exemples variés par étiquette, sortie = étiquette seule.
La précision sur vos 30 e-mails de test dit quelle version est meilleure.

Un extracteur qui produit du JSON. Extrayez des champs structurés de factures, de recettes ou d'offres d'emploi. Utilisez un schéma, validez la sortie et comptez les échecs. Vous apprendrez la sortie structurée fiable mieux qu'avec n'importe quelle explication.

Un petit système de questions-réponses sur des documents. Prenez 20 pages que vous connaissez bien (un manuel, le wiki de votre équipe) et construisez une recherche documentaire basique. Posez-lui ensuite dix questions dont les réponses ne sont pas dans les documents et comptez combien de fois il invente quelque chose. Ce seul exercice enseigne l'essentiel de l'ancrage.

Un script qui utilise un outil. Un modèle avec un ou deux outils, comme une API météo et un calendrier. Observez comment il décide de les appeler et ce qui se passe quand un outil renvoie une erreur.

Tenez un journal pour chaque projet : versions du prompt, ce qui a changé et résultats sur votre jeu de test. Ce journal est aussi le portfolio qui démontre que vous savez faire le travail.

Comment savoir que vous progressez ?

Quelques signes qui apparaissent en général dans cet ordre :

  • Vous repérez un contexte manquant dans un prompt avant de le lancer.
  • Vos premiers jets demandent moins de corrections.
  • Quand la sortie est fausse, vous savez nommer la cause au lieu de réécrire au hasard.
  • Vous écrivez des cas de test avant de modifier un prompt.
  • Vous arrêtez de chercher des phrases magiques et vous cherchez l'information manquante.

Combien de temps cela prend-il ?

Avec quelques heures par semaine, les fondamentaux s'installent en quelques semaines : vos prompts du quotidien s'améliorent nettement. Construire des prompts fiables dans des applications prend plus de temps, des mois plutôt que des semaines, car cela dépend de l'expérience accumulée sur les cas d'échec.

Vingt minutes par jour de pratique active plus un petit projet par mois mèneront la plupart des gens plus loin qu'une formation d'un week-end. Pour un aperçu structuré des étapes, la page comment ça marche montre comment TokIQ les organise, et les erreurs courantes de prompt engineering est un bon auto-contrôle une fois les bases acquises.

Questions fréquentes

Quelle est la meilleure façon d'apprendre le prompt engineering ?

Suivez un ordre fixe de thèmes, des consignes claires et du contexte jusqu'aux exemples, au raisonnement, à la sortie structurée, à la recherche documentaire, aux outils et à la sécurité. Lisez les guides de prompting gratuits d'OpenAI, d'Anthropic et de Google, testez-vous sur des décisions de prompting isolées, et réalisez deux ou trois petits projets avec un jeu d'entrées de test.

Combien de temps faut-il pour apprendre le prompt engineering ?

Les bases, comme donner du contexte, préciser le format et utiliser des exemples, s'acquièrent en quelques semaines de pratique régulière. Construire des prompts fiables pour des applications, avec tests, recherche documentaire et outils, demande des mois de travail concret.

Peut-on apprendre le prompt engineering gratuitement ?

Oui. Les guides de prompting d'OpenAI, d'Anthropic et de Google sont gratuits et de grande qualité, les principaux articles de recherche sont accessibles librement, et vous pouvez vous entraîner avec les versions gratuites des assistants IA.

Faut-il un certificat pour travailler dans le prompt engineering ?

Les employeurs s'intéressent en général plus aux réalisations démontrées, comme des prompts que vous avez construits et testés sur de vraies tâches, qu'aux certificats. Un petit portfolio de projets avec des résultats avant et après est plus convaincant.

Que faut-il apprendre en premier en prompt engineering ?

Commencez par les fondamentaux : tâches claires, contexte, format de sortie et exemples. Passez ensuite au raisonnement, à la sortie structurée, à la recherche documentaire, aux outils et à la sécurité, à peu près dans cet ordre.

  • #apprendre le prompt engineering
  • #guide prompt engineering
  • #parcours d'apprentissage
  • #pratique
  • #rappel actif

À vous de jouer

TokIQ transforme le prompt engineering en courts quiz, avec une explication pour chaque réponse.

Bientôt surApp StoreDisponible surGoogle Play

Écrivez de meilleurs prompts, quelques questions par jour.

De courts quiz sur de vraies décisions de prompting, avec une explication pour chaque réponse. Gratuit pour commencer sur iPhone et Android.

Bientôt surApp StoreDisponible surGoogle Play