Voici treize prompts que vous pouvez copier et utiliser dès aujourd'hui dans ChatGPT, Claude ou Gemini. Chacun contient des champs à remplir, affichés sur la carte : indiquez votre sujet, votre langage ou votre texte, puis copiez le prompt ou ouvrez-le directement dans une conversation. Sous chaque prompt, une courte note explique pourquoi il est écrit ainsi, pour que vous puissiez l'adapter ou écrire le vôtre dans le même esprit.
Ces prompts suivent tous le même schéma. Chacun formule la tâche en une phrase, fournit le contexte qu'un modèle ne peut pas deviner et précise à quoi doit ressembler la réponse. Ce schéma est détaillé élément par élément dans comment écrire un prompt.
Des prompts pour apprendre
Les prompts d'apprentissage marchent le mieux quand ils disent au modèle ce que vous savez déjà. Sans cela, les explications visent un lecteur moyen imaginaire et sont en général soit trop basiques, soit trop denses.
Analogie : tu fais la queue et tu veux connaître ta place. Tu demandes à la personne devant toi, qui demande à celle devant elle, et ainsi de suite jusqu'à ce que la première dise "je suis la numéro 1". Chacun ajoute un à la réponse reçue et la transmet en arrière.
Exemple :
def countdown(n):
if n == 0:
print("Done!")
return
print(n)
countdown(n - 1)
countdown(3)
Cela affiche 3, 2, 1 puis Done!. Une fonction récursive résout un problème en s'appelant elle-même sur une version plus petite de ce problème. Le test if n == 0 est le cas de base : il arrête les appels. Sans lui, la fonction s'appellerait sans fin jusqu'à ce que Python lève une RecursionError.
Vérifie-toi : qu'affiche countdown(0) ?
Nommer ce que vous n'avez pas encore appris garde l'explication à votre portée. La question de vérification à la fin transforme la lecture en petit test, et c'est là que l'apprentissage se fait vraiment.
Question 1 sur 5 (facile) : tu joins une table customers et une table orders avec un INNER JOIN sur customer_id. Un client qui n'a jamais passé de commande apparaît-il dans le résultat ? Pourquoi ?
Écris ta réponse et je te dirai ce qu'il en est.
"Attends ma réponse" est la ligne qui compte. Sans elle, un modèle écrit souvent les cinq questions d'un coup, parfois avec les réponses en dessous, ce qui transforme le quiz en liste de lecture.
Le budget de temps et la ligne "comment je saurai" font la différence entre un plan utilisable et une liste de thèmes. Un plan sans point de contrôle a tendance à être suivi au calendrier, qu'on ait appris quelque chose ou non.
Des prompts pour coder
Les prompts de code ont besoin du langage, de la version quand elle compte, et du vrai code ou de l'erreur collés en entier. Une description de votre code décrit ce que vous pensez qu'il fait, et les bugs vivent dans la différence.
Lister les cas limites dès le départ, avec ce qui doit se passer pour chacun, est le moyen le moins coûteux d'obtenir du code qui les gère comme vous le voulez. Demander des tests vous donne quelque chose à exécuter, pour vérifier la fonction au lieu de lui faire confiance.
[collez le code]
Erreur complète :[collez l'erreur complète, traceback compris]Demander la cause avant la correction empêche le modèle de réécrire votre code avec une supposition qui se trouve tourner. Prompts pour déboguer explique plus en détail comment donner au modèle ce dont il a besoin pour trouver un bug.
[collez le code]Le déroulé est ce qui fait retenir. Une explication ligne par ligne dit ce que fait chaque ligne en général ; un déroulé montre ce qu'elle fait à de vraies valeurs, comme vous le vérifieriez vous-même avec un débogueur.
[collez le code]Les niveaux de gravité vous permettent de corriger d'abord ce qui est dangereux, et l'autorisation de dire "pas sûr" réduit les fausses alertes affirmées avec aplomb. Prompts pour la revue de code va plus loin, avec des listes de contrôle pour des types de revue précis.
Des prompts pour rédiger
Les prompts de rédaction ont besoin d'un public et d'un ton. "Améliore ce texte" ne donne aucune cible au modèle ; "rends-le plus clair pour des clients qui ne sont pas techniciens", si.
"Garde chaque fait et chaque chiffre" protège le fond pendant que la forme change. La liste des modifications vous montre ce qui a été fait, pour annuler une retouche qui ne vous convient pas.
Objet : Congé ce vendredi
Bonjour [Prénom],
Je souhaiterais poser ce vendredi pour le mariage de ma sœur. Le rapport de sprint sera terminé jeudi, donc rien ne m'attendra ce jour-là.
Dis-moi si c'est bon pour toi.
Merci, [Votre prénom]
"Sans excuses" est une petite contrainte à grand effet : sans elle, ce genre de demande commence souvent par un paragraphe de "désolé de te déranger". La ligne sur le plan répond à la première question du lecteur avant qu'il la pose.
Nommer le lecteur décide de ce qui compte comme important. La ligne sur les questions ouvertes rattrape ce qu'un simple résumé laisse tomber : ce que personne n'a encore décidé.
Des prompts pour le travail et l'organisation
Ces prompts transforment une matière brouillonne en quelque chose d'exploitable. L'astuce qui revient : dire au modèle quoi faire quand une information manque, pour qu'il signale le trou au lieu de le combler par une supposition.
| Tâche | Responsable | Échéance |
|---|---|---|
| Mettre à jour la page des tarifs | Priya | non précisé |
| Écrire aux utilisateurs de la bêta | non précisé | non précisé |
| Vérifier la configuration analytics | Tom | vendredi |
Décisions :
- La date de lancement est repoussée au 12 mai.
La règle "non précisé" rend le tableau fiable : un responsable marqué "non précisé" est une tâche que personne n'a prise, et c'est justement ce que vous voulez voir. Quand un programme doit lire le résultat, voir sortie structurée pour demander du JSON plutôt qu'un tableau.
Demander au modèle de vous interroger d'abord inverse le déroulement habituel. Au lieu d'une liste générique d'avantages et d'inconvénients, vous obtenez une comparaison fondée sur vos propres priorités.
Des étapes petites et visibles rendent les progrès vérifiables, et signaler les étapes difficiles à l'avance permet de les aborder en s'y attendant. Pour transformer n'importe quel prompt de cette page en version réutilisable à vous, voir modèles de prompts.
Questions fréquentes
Quels sont de bons prompts ChatGPT ?
Un bon prompt nomme la tâche, donne le contexte que le modèle ne peut pas deviner et précise la forme de la réponse. "Explique la récursivité à quelqu'un qui connaît les boucles mais pas les structures de données, avec une analogie et un exemple en Python" fonctionne bien mieux que "explique la récursivité". Les prompts de cette page suivent ce schéma pour apprendre, coder, rédiger et s'organiser.
Ces prompts marchent-ils aussi dans Claude et Gemini ?
Oui. Aucun ne dépend d'une fonction propre à un produit. Ce sont de simples consignes, ils fonctionnent donc dans ChatGPT, Claude, Gemini et les autres modèles de chat. La formulation des réponses variera d'un modèle et d'une exécution à l'autre, mais la structure demandée devrait tenir.
Comment personnaliser un exemple de prompt ?
Remplacez chaque champ par vos propres informations, puis relisez le prompt comme si vous étiez le modèle : reste-t-il quelque chose de flou ? Ajoutez une phrase de contexte sur le destinataire de la réponse et ce que vous savez déjà. Si la première réponse est à côté, modifiez le prompt plutôt que de discuter dans la conversation : vous obtiendrez un meilleur prompt réutilisable.
Faut-il enregistrer les prompts qu'on utilise souvent ?
Oui. Un prompt qui marche mérite d'être gardé comme modèle à trous, comme ceux de cette page. La plupart des applications de chat permettent aussi d'enregistrer des consignes permanentes, comme les instructions personnalisées ou les instructions de projet, pour ne pas répéter le même contexte dans chaque conversation.