5 erreurs courantes en prompt engineering (et comment les éviter)

Le prompt engineering est devenu une compétence essentielle pour travailler avec les LLMs. Pourtant, beaucoup de professionnels font des erreurs qui dégradent la qualité des réponses. Voici les 5 erreurs les plus courantes et comment les éviter.

Erreur 1 : Prompts trop vagues

Mauvais exemple :

"Écris un email de prospection."

Problème : Le LLM ne sait pas :

À qui s'adresse l'email (secteur, poste)
Quel produit/service vous vendez
Quel ton adopter
Quelle longueur

Bon exemple :

Rédige un email de prospection B2B pour proposer notre solution SaaS de gestion de projet à un CTO d'une PME tech (50-200 employés). Ton professionnel mais pas corporate. Max 150 mots. Inclure un CTA pour booker une démo.

Principe : Soyez spécifique sur le contexte, le public, le ton, le format.

Erreur 2 : Ne pas donner d'exemples

Problème : Le LLM ne sait pas exactement quel format ou style vous attendez.

Solution : Few-shot prompting

Extrait les entités nommées (personnes, organisations, lieux) de ce texte.

Exemples :
Texte : "Apple a annoncé l'ouverture d'un nouveau campus à Austin."
Output : {"organisations": ["Apple"], "lieux": ["Austin"]}

Texte : "Elon Musk a rencontré Emmanuel Macron à Paris."
Output : {"personnes": ["Elon Musk", "Emmanuel Macron"], "lieux": ["Paris"]}

Maintenant, traite ce texte :
"Microsoft et Google se disputent le marché de l'IA à Seattle."

Principe : Donnez 2-3 exemples du format attendu.

Erreur 3 : Instructions enterrées au milieu du prompt

Mauvais exemple :

Voici un long document de 2000 mots...
[texte]
...d'ailleurs, peux-tu me faire un résumé en 3 points ?

Problème : Le LLM peut "oublier" l'instruction si elle est noyée dans le contexte.

Bon exemple :

Instruction : Résume le document ci-dessous en 3 points clés.

Document :
[texte]

Résumé en 3 points :

Principe : Mettez les instructions en haut et utilisez des délimiteurs clairs (```, ---, ###).

Erreur 4 : Ne pas forcer une structure de sortie

Problème : Le LLM génère du texte libre difficilement exploitable par un programme.

Solution : Demander du JSON ou Markdown structuré

Analyse le sentiment de ce tweet et retourne un JSON avec ce format :
{
  "sentiment": "positif" | "négatif" | "neutre",
  "score_confiance": 0-100,
  "mots_cles": [liste de mots]
}

Tweet : "Super expérience avec le support client d'Ikasia, très réactifs !"

Principe : Spécifiez le format de sortie (JSON, Markdown, CSV, etc.).

Erreur 5 : Ne pas itérer et tester

Problème : Le premier prompt est rarement parfait. Beaucoup de gens abandonnent après un essai.

Solution : Itérez !

Testez votre prompt sur plusieurs exemples
Analysez les cas où ça ne marche pas
Raffinez en ajoutant des contraintes, exemples, instructions
Mesurez la qualité (précision, rappel, pertinence)

Exemple :

V1 : "Résume ce document"
V2 : "Résume ce document en 3 points"
V3 : "Résume ce document en 3 points en te concentrant sur les risques et opportunités"
V4 : "Résume en 3 bullet points les risques et opportunités mentionnés dans ce rapport financier"

Principe : Le prompt engineering est un processus itératif.

Bonus : Techniques avancées

Chain-of-Thought (CoT) Demandez au LLM de "penser à voix haute" pour améliorer le raisonnement.

Résous ce problème étape par étape :
Une entreprise a 120 employés. Elle embauche 20% de plus, puis licencie 10% de l'effectif total. Combien d'employés reste-t-il ?

Role Prompting Donnez un rôle au LLM.

Tu es un expert en cybersécurité avec 15 ans d'expérience. Analyse ce code et identifie les vulnérabilités potentielles.

Conclusion

Le prompt engineering est une compétence qui s'apprend et se perfectionne. En évitant ces 5 erreurs courantes, vous améliorerez drastiquement la qualité des réponses de vos LLMs.

Chez Ikasia, nous enseignons le prompt engineering dans toutes nos formations, avec des exercices pratiques sur vos cas d'usage réels.