Non commencé

Module M02

Prompt Engineering

Le Prompt Engineering transforme une intention pédagogique en consigne claire, exploitable et vérifiable par un LLM.

Définition

Le Prompt Engineering consiste à formuler une demande avec un objectif, un contexte, des contraintes et un format de sortie attendus.

Pourquoi c’est important

Dans un AI Harness, le prompt sert de première couche de cadrage : il limite l’ambiguïté et rend la réponse plus facile à contrôler.

Points clés

  • Définir le rôle attendu du modèle.
  • Donner le contexte utile, sans surcharge inutile.
  • Exprimer les contraintes et le format de réponse.
  • Prévoir la vérification de la sortie.

Pièges fréquents

  • Demander trop vague.
  • Mélanger plusieurs objectifs dans une seule consigne.
  • Oublier le format de sortie attendu.
  • Confondre prompt et garantie de vérité.

Mini-récap

Un bon prompt cadre le LLM : objectif, contexte, contraintes, sortie attendue.

La suite approfondit le contexte avec le Context Engineering.

Infographie parcours

Prompt Engineering

Une consigne utile guide le modèle sans remplacer la vérification.

  1. 1

    Nommer l’objectif

    Dire clairement ce que la réponse doit permettre de faire ou comprendre.

  2. 2

    Donner le contexte

    Ajouter seulement les informations nécessaires pour orienter la réponse.

  3. 3

    Poser les contraintes

    Définir limites, ton, niveau, format et éléments à éviter.

  4. 4

    Vérifier la sortie

    Comparer la réponse aux consignes et corriger si nécessaire.

Projection

Le module suivant complète cette logique avec la gestion structurée du contexte.

1. Quel est l’objectif principal du Prompt Engineering ?
2. Quel élément doit apparaître dans une consigne utile ?
3. Pourquoi donner du contexte dans un prompt ?
4. Que signifie préciser le format de sortie ?
5. Quel piège faut-il éviter ?
6. Dans la progression MyharCoach, M02 porte sur…
7. Un prompt sert d’abord à…
8. Quel enchaînement est cohérent pour une consigne ?
9. Pourquoi éviter plusieurs objectifs mélangés ?
10. Que fait une contrainte dans un prompt ?
11. Quel est le rôle du ton ou du niveau demandé ?
12. Un bon prompt supprime-t-il le besoin de vérification ?
13. Quelle demande est la plus exploitable ?
14. Quel lien avec M01 est correct ?
15. Pourquoi le prompt est-il une couche de l’AI Harness ?
16. Quel problème un format de sortie explicite limite-t-il ?
17. Pourquoi le contexte doit-il rester utile et non surchargé ?
18. Quelle pratique respecte la simplicité MVP ?
19. Quel résultat attendu est le plus compatible avec une validation ?
20. Quel résumé est le plus juste ?