200_guide_prompting_llm_condensé_2025
Guide du Prompting LLM – Multi-Fournisseur
Google / OpenAI / Anthropic / Hugging Face
Table des Matières
1. Introduction
2. Pourquoi le Prompting
3. Panorama des LLM (Google, OpenAI, Anthropic, Hugging Face)
4. Principes d’un Prompt Efficace
5. Typologies de Prompts
6. Exemples Pratiques
7. Bonnes Pratiques et Erreurs Classiques
8. Pro Tips par Fournisseur
9. Cas d’Usage Éducation / Métier
10. Références, Signature
1. Introduction
Prompting : Technique structurée pour exploiter la puissance des LLM (Large Language
Models).
Utilisé par Google (Gemini), OpenAI (GPT-4o), Anthropic (Claude), Hugging Face
(Transformers).
Objectif : Obtenir des résultats fiables, auditables, utiles en contexte réel.
Ce guide synthétise les fondamentaux éducatifs et avancés.
2. Pourquoi le Prompting
Les LLM prédisent le texte, ils n’interprètent pas au sens humain.
La formulation détermine la qualité de la réponse (OpenAI, Anthropic).
“Garbage In, Garbage Out” : tout dépend de la clarté de l’instruction.
L’excellence en prompting = efficacité métier, réduction du bruit, sécurité des usages.
3. Panorama des LLM
Google : Gemini, PaLM. Fort en multimodalité, intégration Google Suite.
OpenAI : GPT-4o, GPT-4. Modèles universels, API très utilisée.
Anthropic : Claude 3, Claude 2. Orientation sécurité, raisonnement, usage en entreprise.
Hugging Face : Plateforme open-source, milliers de modèles (Llama, Mistral…). Forte
adaptabilité.
Chacun a ses spécificités (fenêtre de contexte, formats, style de prompts).
4. Principes d’un Prompt Efficace
Commencer simple et explicite, formuler une tâche précise.
Spécifier le format de sortie (texte, JSON, tableau…).
Ajouter du contexte : rôle, objectif, contraintes, données.
Versionner, tester, documenter ses prompts.
Ex :
“Agis comme expert RH, résume ce texte en 3 bullets pour un manager pressé.”
“Classe ces phrases comme POSITIF, NEUTRE, NÉGATIF.”
5. Typologies de Prompts
Zero-shot : Instruction seule.
Traduis ce texte en anglais : ...
One-shot : Avec un exemple.
Exemple :
Texte : Produit parfait. | Sentiment : POSITIF
À toi :
Texte : Service lent. | Sentiment :
Few-shot : Plusieurs exemples.
Texte : Produit top. → POSITIF
Texte : Mauvaise expérience. → NÉGATIF
Texte : Livraison ok. → NEUTRE
Texte : ... →
Chain of Thought (CoT) : Raisonnement étape par étape.
Q : J’ai 3 pommes, j’en mange 1. Combien reste-t-il ? Réfléchis étape par
étape...
ReAct : Raisonnement + Action (requiert outils externes/agents).
Question : Qui est CEO de Google ?
Thought : Chercher sur le web.
Action : Recherche Google “CEO Google”
6. Exemples Pratiques
Résumé orienté décision
Tu es consultant stratégique. Résume ce texte :
En 3 bullets : enjeu, tension, option
Texte : ...
Extraction JSON
Analyse et retourne JSON :
{ "entité": ..., "date": ..., "action": ..., "émotion": ... }
Texte : ...
Prompt API GPT (OpenAI)
{
}
"model": "gpt-4o",
"temperature": 0.2,
"messages": [
{"role": "system", "content": "Tu es un agent légal."},
{"role": "user", "content": "Analyse ce contrat."}
]
Prompt Claude (Anthropic)
{
}
"system": "Tu es conseiller PME.",
"context": "Litige commercial",
"task": "Rédige une réponse ferme et courtoise."
7. Bonnes Pratiques et Erreurs Classiques
Toujours demander le format voulu.
Limiter les ambiguïtés, préférer la consigne positive.
Tester avec plusieurs inputs (voir logs Hugging Face).
Éviter :
Prompts trop longs ou flous.
Conflit d’instructions.
Oubli de contrainte de sortie.
8. Pro Tips par Fournisseur
Google : Gemini supporte très bien l’image et le multi-format, mais sensible à la structure.
Utiliser des instructions courtes.
OpenAI : GPT-4o aime les prompts structurés (“system”, “user”, “assistant”). La
température contrôle la créativité.
Anthropic : Claude valorise le contexte, structure en “system/context/task”, très robuste sur
le raisonnement étape par étape.
Hugging Face : Exploiter les modèles open-source pour affiner selon son domaine ;
possibilité de fine-tuning, prompts longs acceptés sur Llama3.
9. Cas d’Usage Éducation / Métier
Synthèse de cours : Résumer 10 pages en 5 bullets pour étudiant.
Analyse de texte : Extraire points clés d’un article pour enseignant.
Rédaction assistée : Générer un plan de dissertation ou de rapport métier.
Classification : Classer des réponses d’élèves ou des emails clients.
Création de quiz : Générer 10 QCM à partir d’un contenu pédagogique.
10. Références, Signature
Sources :
Google
OpenAI
Anthropic
Hugging Face
Rédigé par : Jean-Philippe Maltais
Date : 2025-06-23