Prompting Claude : les techniques qui marchent en 2026

Le même modèle peut produire une réponse médiocre ou excellente selon la façon dont vous le sollicitez. La différence tient au prompt. Voici sept techniques concrètes, illustrées par des exemples avant/après, pour obtenir de bien meilleurs résultats avec Claude.

1. Énoncer la tâche explicitement

La cause la plus fréquente d'une réponse décevante est une consigne vague. Claude ne devine pas votre intention : il l'interprète.

Avant : « Parle-moi de notre produit. » Après : « Rédige un paragraphe de présentation de notre produit, destiné à la page d'accueil, à l'attention de dirigeants de PME, en trois phrases. »

La seconde version précise le livrable, le destinataire et la longueur. Le résultat est immédiatement exploitable.

2. Donner le contexte nécessaire

Claude ne connaît que ce que vous lui fournissez dans la conversation. Un contexte explicite oriente fortement la réponse.

Avant : « Réécris ce texte. » Après : « Réécris ce texte pour un public non technique. Le ton doit rester professionnel et le vocabulaire accessible à un lecteur sans bagage informatique. »

Indiquer le public, le ton et l'objectif transforme une demande floue en brief précis.

3. Préciser le format de sortie

Si vous attendez une structure particulière, demandez-la. Sinon, Claude choisit à votre place.

Avant : « Compare ces deux offres. » Après : « Compare ces deux offres sous forme de tableau à trois colonnes : critère, offre A, offre B. Termine par une recommandation en une phrase. »

Préciser le format évite un aller-retour de reformatage et rend la réponse directement réutilisable.

4. Montrer un exemple

Décrire un résultat attendu fonctionne ; en montrer un exemple fonctionne souvent mieux. C'est particulièrement vrai pour un style ou un format spécifique.

Avant : « Génère des titres d'articles. » Après : « Génère cinq titres d'articles sur le même modèle que celui-ci : "5 erreurs de prompting qui ruinent vos résultats". »

L'exemple fixe implicitement le ton, la longueur et la structure attendus.

5. Décomposer les tâches complexes

Une demande qui empile plusieurs sous-tâches produit souvent un résultat inégal. Mieux vaut découper.

Avant : « Analyse ce rapport, résume-le, identifie les risques et propose un plan d'action. » Après : enchaînez trois demandes distinctes — d'abord le résumé, puis l'analyse des risques, enfin le plan d'action.

Chaque étape s'appuie sur la précédente et reste vérifiable. C'est aussi le principe de fonctionnement d'un agent IA.

6. Attribuer un rôle

Indiquer un rôle aide Claude à adopter le bon registre et le bon niveau de détail.

Avant : « Donne ton avis sur ce contrat. » Après : « En tant que juriste, relis ce contrat et signale les clauses ambiguës ou risquées pour le client. »

Le rôle agit comme un cadrage. Pour un cadrage plus durable sur l'ensemble d'une conversation, c'est le prompt système qui prend le relais.

7. Itérer plutôt que tout exiger d'un coup

Le premier jet n'est pas une fin : c'est un point de départ. Un bon prompteur ajuste.

Avant : abandonner après une réponse imparfaite. Après : « Cette version est bonne, mais raccourcis le deuxième paragraphe et adopte un ton plus direct. »

L'itération est la technique la plus sous-estimée. Elle transforme un résultat correct en résultat excellent.

Prompt système et prompt utilisateur : qui fait quoi

Une requête adressée à Claude se compose souvent de deux couches, qui ne servent pas le même objectif.

Le prompt système définit le cadre général : le rôle de Claude, son ton, ses contraintes, le format attendu. Il est posé une fois et s'applique à tout l'échange — c'est la couche de configuration. Le prompt utilisateur porte la demande concrète du moment et change à chaque tour : c'est la couche d'interaction.

Le prompt système est l'endroit des contraintes permanentes : rôle à incarner, langue de réponse, interdits, format de sortie systématique. Tout ce qui ne devrait pas être répété à chaque message y a sa place. Le prompt utilisateur, lui, contient ce qui est propre à la demande : les données à traiter, la question, les précisions ponctuelles.

L'erreur la plus fréquente consiste à empiler dans le prompt utilisateur des consignes qui devraient être durables — on les répète, on les oublie, et le comportement devient incohérent. L'erreur inverse existe aussi : figer dans le prompt système une contrainte qui ne vaut que pour un cas, ce qui pollue tous les échanges suivants.

Obtenir des sorties structurées fiables

Dès qu'un programme doit traiter la réponse, le texte libre ne suffit plus : il faut une sortie structurée, typiquement du JSON. L'enjeu n'est pas seulement d'obtenir du JSON, mais du JSON prévisible — mêmes clés, mêmes types, à chaque appel.

Décrivez le schéma complet. La cause la plus fréquente d'instabilité est un schéma flou : si vous ne dites pas exactement ce que vous attendez, Claude comble les vides à sa manière. Indiquez chaque clé, son type et sa signification, et précisez ce qui est obligatoire.

Réponds uniquement avec un objet JSON respectant ce schéma :
{
  "titre": string,        // titre de l'article, 60 caractères max
  "categorie": string,    // une valeur parmi : "Tutoriels", "Concepts"
  "mots_cles": string[],  // 3 à 5 mots-clés
  "resume": string        // 2 phrases maximum
}

Contraignez les valeurs. Pour les champs à choix limité, listez explicitement les valeurs autorisées : cela évite les variantes inattendues comme « Tutoriel » au lieu de « Tutoriels ».

Demandez le JSON seul. Même avec un bon schéma, le modèle peut entourer sa réponse de texte explicatif. Précisez-le noir sur blanc, et préremplissez au besoin le début de la réponse pour verrouiller le format.

Validez systématiquement la sortie. Analysez le JSON reçu, vérifiez les champs attendus, et prévoyez une stratégie de repli en cas d'échec — une relance, ou une valeur par défaut. Un modèle reste probabiliste : une sortie non validée finira par vous surprendre en production.

Évaluer la qualité d'une réponse

Savoir formuler un prompt ne suffit pas : encore faut-il juger ce qui revient. Un modèle peut produire une réponse fausse avec beaucoup d'assurance — l'éloquence n'est pas l'exactitude.

Quatre critères permettent de juger sans se perdre :

• Exactitude — les faits avancés sont-ils corrects ?
• Pertinence — la réponse traite-t-elle réellement la question posée ?
• Complétude — manque-t-il un élément essentiel ?
• Absence d'hallucinations — des affirmations sont-elles inventées, en particulier des références, chiffres ou citations ?

En pratique, la méthode tient en trois gestes : isoler les affirmations vérifiables (les faits précis, pas les tournures générales), les confronter aux sources dont vous disposez, puis juger l'adéquation au besoin réel.

Adaptez l'exigence aux enjeux. Une reformulation de courriel ne demande pas la même vigilance qu'une note juridique ou qu'un code déployé en production. Pour le code généré en particulier, la seule vérification qui compte est l'exécution : un code plausible n'est pas un code correct.

Aller plus loin que les techniques de base

Ces réflexes couvrent la grande majorité des situations courantes. Au-delà, on entre dans l'ingénierie de prompt, qui aborde des méthodes plus avancées et la conception de prompts robustes pour des usages répétés.

La qualité du prompting est une compétence centrale de la certification CCA-F. Pour la travailler méthodiquement, suivez le plan d'étude, testez-vous avec les questions d'entraînement et approfondissez avec le cours Claude 101. La fiche prompt du glossaire précise par ailleurs le vocabulaire employé ici.