Structures de prompt : une mise en forme qui améliore les résultats

Les bons prompts ont une structure visible : une tâche claire, des sections de contexte séparées, des exemples et un format de sortie précisé.

Clair et direct

La règle la plus importante tirée de la doc de prompting d'Anthropic : sois précis sur ce que tu veux. Le test : montre ton prompt à un collègue sans connaissance préalable. S'il serait perdu, le modèle le sera aussi. Des étapes numérotées aident quand l'ordre ou l'exhaustivité comptent.

Séparer les sections – avec des tags XML

Dès qu'un prompt mélange plusieurs types de contenu (instructions, contexte, exemples, données d'entrée), Anthropic recommande des tags XML : <instructions>, <context>, <example>. Chaque type de contenu reçoit son propre tag – ainsi le modèle peut distinguer sans ambiguïté ce qui est une instruction et ce qui n'est qu'un exemple. Des noms de tags cohérents et descriptifs comptent.

Attribuer un rôle

Une seule phrase dans le system prompt (« Tu es un développeur Python expérimenté ») focalise déjà nettement le comportement et le ton.

Montrer des exemples (few-shot)

Selon la doc, les exemples sont l'un des moyens les plus fiables pour piloter le format et le style. Recommandé : 3 à 5 exemples, pertinents pour ton cas d'usage réel et suffisamment variés, chacun dans des tags <example>.

Préciser le format de sortie

Dis ce que le modèle doit faire – pas ce qu'il doit éviter : « Réponds en texte continu » fonctionne mieux que « Pas de Markdown ». Pour des structures fixes, un exemple de format ou un tag dédié pour la réponse aide.

EXEMPLE

<instructions> Résume le texte en 3 points. Réponds en français. </instructions> <context> Public cible : débutants sans connaissance préalable. </context> <text> [le texte ici] </text>

🛠️ EXERCICE — À TOI DE JOUER

Prends un de tes propres prompts non structurés et reconstruis-le avec une structure.

Cherche un prompt que tu as utilisé récemment et qui mélange instruction, contexte et données.
Décompose-le en sections avec des tags : <instructions>, <context> et un tag pour les données d'entrée. Précise le format de sortie souhaité à la fin.
Envoie les deux versions à ton modèle et compare les réponses en termes de précision et de respect du format.

✅ AUTO-VÉRIFICATION

☐ Peux-tu montrer clairement dans ton prompt où l'instruction s'arrête et où les données commencent ?
☐ As-tu formulé le format de sortie positivement (« fais X ») plutôt que négativement (« pas de Y ») ?
☐ Un collègue sans connaissance préalable comprendrait-il ton prompt dès la première lecture ?

QUIZ RAPIDE

Pourquoi Anthropic recommande-t-il des tags XML comme <instructions> et <context> dans les prompts ?