Dernière revue :
Qu'est-ce qu'un pattern de prompting ? Définition et bon réflexe vs mauvais réflexe
Les patterns de prompting sont des conventions de formulation qui structurent un prompt pour orienter la sortie du modèle. Ils n'existent pas comme commandes natives du LLM, seulement comme guides du rédacteur. La distinction compte : aucun pattern ne déclenche de fonctionnalité, l'effet vient de la précision linguistique.
Vous avez peut-être croisé des graphiques listant 80 ou 90 « commandes Claude ». Ces commandes n'existent pas techniquement : le LLM Claude n'a pas de système de slash-commands natif. Il s'agit de patterns de prompting, conventions d'écriture qui structurent la requête sans déclencher de fonctionnalité spécifique côté modèle. La distinction compte. Un pattern n'est pas une instruction interprétée par le modèle comme une directive technique, c'est une convention linguistique appliquée par l'utilisateur pour clarifier son intention. La valeur réelle des patterns est cognitive : ils aident le rédacteur à structurer sa pensée avant de prompter (rôle, contexte, contraintes, raisonnement attendu), et statistiquement, des prompts mieux structurés produisent des sorties mieux ciblées. Pas de magie côté modèle, juste de la discipline d'écriture côté humain. La grille WYP retient 12 patterns récurrents sélectionnés pour leur utilité dirigeante : rôle assigné, contexte d'entrée, contraintes de sortie, chain-of-thought, few-shot, refus d'inventer, sources demandées, critique adversaire, reformulation, comparaison structurée, hypothèses listées, pré-mortem.
Exemple concret
Une directrice générale d'ETI conseil (180 salariés) compare en 2026 deux approches de prompting sur 20 demandes successives à Claude (synthèses concurrentielles). Premier essai : prompts vagues du type « fais-moi un résumé du marché X ». Sortie moyenne jugée utile à 4/10 sur la grille interne. Second essai : application systématique de 4 patterns combinés (rôle assigné « analyste senior », contexte d'une page, contraintes de sortie trois colonnes plus 300 mots, chain-of-thought explicite). Sortie moyenne 7,5/10 sur la même grille. Différence non liée au modèle (identique), uniquement à la discipline d'écriture. Temps de rédaction du prompt : 3 minutes au lieu de 30 secondes, soit 2 minutes 30 supplémentaires pour un gain qualitatif de 75 %.
À voir aussi
Pour aller plus loin
Prompt engineering overview, documentation officielle Anthropic
Sources
- Prompt engineering overview, documentation officielle Anthropic, 2026. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei, Wang, Schuurmans, Bosma, Ichter, Xia, Chi, Le, Zhou, arXiv 2201.11903, 2022 (révisé janvier 2023). https://arxiv.org/abs/2201.11903
- Language Models are Few-Shot Learners, Brown et al., arXiv 2005.14165, 2020 (papier de référence GPT-3 introduisant le few-shot learning par prompting). https://arxiv.org/abs/2005.14165