L’ingénierie de prompts pour les marketeurs n’est, pour l’essentiel, pas de l’ingénierie. C’est du briefing, une tâche que les marketeurs ont toujours mal faite et qu’ils font désormais mal à grande vitesse. Les agences et les équipes internes qui obtiennent des résultats cohérents des modèles de langage ne sont pas celles qui ont des astuces de formulation intelligentes. Ce sont celles qui savaient déjà comment donner à un freelance un brief qui ne revenait pas erroné : public, objectif, contraintes, exemples de ce à quoi ressemble un bon travail, et les faits spécifiques que seul le client possède.
L’échec est facile à diagnostiquer. Si le résultat nécessite une réécriture plutôt qu’une édition, le brief était trop léger. Dans nos comptes, la différence entre une demande en deux lignes et une demande structurée n’est pas subtile : la demande en deux lignes produit quelque chose que vous passez quarante minutes à corriger, et la demande structurée produit quelque chose que vous passez huit minutes à peaufiner.
Les cinq parties d’un prompt qui fonctionne
Traitez le prompt comme un document, pas comme une phrase. Le rôle et le public passent en premier : qui parle et à qui, avec suffisamment de spécificité pour que le ton suive automatiquement. Ensuite la tâche, énoncée comme un résultat plutôt que comme une activité. Ensuite le contexte : les faits sur le produit, le positionnement, les objections, les choses que vous ne pouvez pas dire pour des raisons juridiques. Ensuite les contraintes : longueur, format, mots interdits, structure requise. Ensuite un exemple, qui fait plus de travail que les quatre autres réunis.
- Rôle et public, décrits comme une personne avec un travail et un problème, pas comme une donnée démographique.
- Tâche énoncée comme le résultat que vous souhaitez, y compris ce que le lecteur doit faire ensuite.
- Contexte : faits sur le produit, réalité des prix, affirmations des concurrents, objections, limites juridiques.
- Contraintes : nombre de mots, structure, règles de ton, phrases interdites, niveau de lecture.
- Un ou deux exemples de résultats que vous considérez comme bons, avec une note sur le pourquoi.
Pourquoi les exemples surpassent les instructions
Décrire un ton n’est pas fiable. Deux personnes à qui l’on demande d’écrire d’une voix confiante et amicale produiront des choses différentes, tout comme deux exécutions du modèle. Montrer un ton est fiable. Collez deux paragraphes d’un texte que vous avez déjà approuvé et dites « adaptez-vous à ce registre », et la plupart des discussions sur la voix disparaissent. C’est l’habitude la plus rentable en ingénierie de prompts pour les marketeurs, et elle ne coûte rien une fois que vous avez constitué une petite bibliothèque d’exemples approuvés par canal.
Les exemples négatifs aident aussi, et les équipes les utilisent rarement. Incluez un court passage d’un texte que vous avez rejeté et une ligne expliquant le problème : trop de questions rhétoriques, des affirmations que nous ne pouvons pas justifier, commence par une définition dont personne n’a besoin. Les modèles réagissent bien à une paire de contraste.
Structurez le résultat afin de pouvoir le vérifier
Demandez un résultat sous une forme qui rend les erreurs visibles. Si vous avez besoin de dix variantes de publicités, demandez-les dans un tableau avec l’angle nommé dans une colonne et le nombre de caractères dans une autre. Vous verrez immédiatement que six d’entre elles utilisent le même angle, ce qui est le problème réel avec la plupart des ensembles de publicités générés. Si vous avez besoin d’une page de destination, demandez-la section par section avec l’objectif de chaque section étiqueté. La prose non structurée cache la répétition ; le résultat structuré l’expose.
Il en va de même pour les affirmations. Demandez au modèle de marquer toute déclaration factuelle qui ne lui a pas été donnée dans le contexte, ou de lister ses hypothèses séparément à la fin. Cela ne permettra pas de tout attraper, mais cela attrapera la statistique inventée avec confiance, qui est l’erreur la plus susceptible d’atteindre la publication et de causer de réels dommages. Ne laissez jamais un chiffre atteindre une page en direct sans qu’un humain ne le trace jusqu’à une source.
Itérez sur le prompt, pas sur le résultat
Lorsque le résultat est faux, l’instinct est de corriger le texte à la main et de passer à autre chose. Cela semble plus rapide mais c’est plus lent, car la demande suivante reproduit la même erreur. Corrigez plutôt le prompt, et gardez-le. Les équipes qui traitent les prompts comme des messages de chat jetables réapprennent les mêmes leçons chaque semaine. Les équipes qui stockent les prompts dans un document partagé, versionné par type d’actif, obtiennent des résultats constamment meilleurs avec constamment moins d’efforts, et les nouveaux arrivants héritent de ces connaissances au lieu de les redécouvrir.
Un système viable est simple : un fichier par type d’actif, contenant le bloc de contexte permanent pour la marque, les contraintes pour ce canal, les exemples approuvés et un journal des modifications notant ce qui a été ajusté et pourquoi. Lorsqu’une campagne change de positionnement, vous modifiez un bloc de contexte plutôt que cinquante prompts. C’est ainsi que l’ingénierie de prompts pour les marketeurs cesse d’être une compétence individuelle pour devenir un actif opérationnel que l’équipe possède.
Ce qu’il faut tenir à l’écart du modèle
Certaines décisions ne devraient jamais être déléguées, peu importe la qualité du prompt. La stratégie en est une : quel segment poursuivre, quoi promettre, où concurrencer. Les affirmations factuelles sur votre propre produit en sont une autre, car le modèle produira des spécifications plausibles qu’il n’a aucun moyen de vérifier. Tout ce qui implique des données client appartient derrière les règles de traitement des données que votre organisation a convenues, et coller une liste de clients dans un outil à usage général est un problème de politique avant d’être un problème de marketing.
Utilisé dans ces limites, le gain pratique est réel mais peu glamour. Vous obtenez des premiers jets plus rapidement, vous obtenez plus de variantes à tester, vous obtenez un formatage cohérent au sein de l’équipe, et vous passez vos propres heures sur les parties qui nécessitent du jugement. Quiconque obtient moins que cela a un problème de briefing, pas un problème d’outils, et la solution est de son côté de l’écran.
Continuer la lecture : Optimisation par IA
Service associé: Optimisation par IA