L’art du prompt avec ChatGPT : les techniques qui marchent en 2026

Un prompt est une instruction, et plus elle est précise, plus le résultat est exploitable. La précision a cependant un coût en temps, en réflexion et en structure. Ce guide vous apprend à investir ce temps aux bons endroits, là où la différence de qualité est la plus visible. Il vous montre aussi comment automatiser le reste avec les instructions personnalisées.

Les exemples ont été testés dans la conversation sur une vingtaine de prompts réels, avec GPT-5.6 Luna et le curseur d’effort de GPT-5.6 Sol. Ils sont complets et prêts à copier-coller. Si les modèles et les forfaits de ChatGPT vous semblent encore flous, l’état des lieux complet de l’écosystème ChatGPT pose le décor avant d’attaquer le prompting.

Les instructions personnalisées : votre prompt système permanent

Avant de travailler vos prompts un par un, configurez vos instructions personnalisées. Ce levier offre le meilleur rapport entre effort et impact, car vous le réglez une fois et chaque conversation en profite ensuite.

Les instructions personnalisées se trouvent dans Paramètres > Personnalisation. Depuis le 15 juillet 2026, elles peuvent atteindre 5 000 caractères sur les forfaits Plus, Pro, Business, Enterprise et Edu, contre 1 500 auparavant. OpenAI ne mentionne pas Free et Go dans cette hausse, et la limite de 1 500 caractères s’y applique vraisemblablement toujours. Vous y renseignez deux types d’informations :

• Ce que ChatGPT doit savoir sur vous : votre métier, votre secteur, votre niveau technique, les outils que vous utilisez et votre langue de travail. Cette partie fournit le contexte permanent.
• La façon dont il doit répondre : le format, le ton, la longueur et les comportements à éviter. Cette partie pilote le style de sortie.

Une règle simple vous aide à trier. Une instruction qui restera vraie dans six mois a sa place dans les instructions personnalisées, alors qu’une consigne propre à une tâche va dans le prompt de la conversation.

Un exemple concret qui change tout

Voici des instructions personnalisées testées pour un consultant marketing indépendant francophone. Copiez-les, puis adaptez-les à votre cas.

# Partie 1 — Ce que ChatGPT doit savoir
Je suis consultant marketing digital indépendant, basé en France.
Mes clients sont des PME (10-200 salariés) dans le B2B tech.
Je travaille sur : stratégie de contenu, SEO, LinkedIn, emailing.
Mon niveau technique : à l'aise avec le HTML/CSS, pas développeur.
Je produis tous mes contenus en français.
J'utilise : WordPress, Mailchimp, LinkedIn, Google Analytics 4.

# Partie 2 — Comment répondre
Réponds en français. Tutoie-moi.
Sois direct et concis, sans phrase d'introduction inutile.
Quand je demande un texte, donne-moi le texte fini, pas un plan.
Privilégie les exemples concrets à la théorie.
Si je demande une liste, limite-la à 5-7 items sauf demande contraire.
Commence directement par la réponse, sans formule de politesse.
Si tu n'es pas sûr d'un fait, dis-le au lieu d'inventer.

Dès la première conversation, ChatGPT connaît votre contexte métier et adapte son ton comme son format. Il laisse aussi de côté les tics de langage agaçants. Vous économisez ainsi deux à trois échanges de cadrage à chaque nouvelle conversation. Sur un forfait payant, la marge de 5 000 caractères vous permet d’ajouter un court exemple de texte dans votre style, ce qui aide beaucoup pour la rédaction.

Prompter GPT-5.6 : régler soi-même l’effort de réflexion

Dans la conversation, les forfaits payants utilisent GPT-5.6 Sol, piloté depuis le 6 août 2026 par un curseur d’effort de réflexion. Sur Plus, ce curseur propose Instant, Medium et High. Pro y ajoute Extra High et le mode Pro. Les forfaits Free et Go répondent avec GPT-5.6 Luna et disposent d’un bouton Think pour demander davantage de réflexion.

Un changement du 14 septembre 2026 compte beaucoup pour le prompting. Sur Plus et Pro, ChatGPT ne passe plus automatiquement du mode Instant au mode réflexion quand une question lui semble difficile, et le réglage « Higher intelligence » a disparu du web. En mode Instant, la consigne « raisonne étape par étape » structure la réponse sans déclencher de bascule. Pour une analyse, un calcul ou un plan complexe, choisissez donc vous-même Medium ou High avant d’envoyer votre prompt.

Côté développeurs, l’API expose ces paliers sous les noms none, low, medium, high, xhigh et max, avec medium par défaut. La doctrine officielle de prompting a elle aussi évolué avec cette génération.

OpenAI recommande donc de simplifier les prompts plutôt que de les alourdir. Retirez les répétitions, les exemples redondants et les consignes devenues inutiles. Gardez le résultat attendu, les critères de réussite, les contraintes de sécurité et les règles de routage vers vos outils. Les modèles précédents récompensaient des prompts très détaillés et procéduraux, et cette approche perd de son intérêt.

Dans nos tests, les sorties de GPT-5.6 sont aussi plus sobres par défaut, avec moins de titres superflus et moins de préambules. Certaines contraintes négatives deviennent alors moins nécessaires, comme « pas de sommaire » ou « pas de conclusion générique ». Vous pouvez les alléger.

Régler le curseur, sans deviner

Gardez un réglage intermédiaire par défaut et montez seulement quand le résultat manque de profondeur. OpenAI conseille même d’essayer un cran plus bas sur les tâches où la rapidité compte. Réservez les efforts les plus élevés aux cas où le gain de qualité se mesure, et évitez le réglage maximal par défaut.

Demander un plan avant l’exécution

Pour que le modèle expose son plan avant de poursuivre, ajoutez cette instruction dans votre prompt :

# Demander un plan avant l'exécution
Avant de rédiger ta réponse, présente ton plan d'approche
et attends ma confirmation avant de continuer.

Cette consigne sert quand la tâche est longue et coûteuse à corriger après coup, comme un rapport de 2 000 mots, une refonte de code ou une stratégie complète. Elle vous donne aussi l’occasion de fixer ce qui reste sous votre contrôle.

Le même principe régit les cartes d’approbation de ChatGPT Work et des apps. Vous décidez où s’arrête l’autonomie du modèle.

Prompter les modèles GPT-6 : ce qui change

Les modèles GPT-6 ne répondent pas encore dans la conversation standard, sauf GPT-6 Astra sous le nom « GPT-6 Pro » pour les forfaits Pro, Business et Enterprise. Sur Plus, les abonnés utilisent GPT-6 Astra dans ChatGPT Work et dans Codex. GPT-6 Sol et GPT-6 Luna y sont arrivés le 22 septembre 2026. OpenAI a publié un guide dédié à ces modèles et un billet sur la façon de revoir prompts et skills pour Astra. Les conseils qui suivent en sont tirés.

Formuler une demande d’action

D’après OpenAI, Astra demande plus souvent des précisions là où les modèles précédents faisaient des hypothèses. Le guide recommande de l’orienter vers l’action et de lui faire mener la tâche jusqu’au bout. Une question comme « Peux-tu préparer le tableau ? » doit être traitée comme une consigne de travail. Écrivez donc directement « Prépare le tableau », et précisez ce qu’il doit faire quand une information manque.

Alléger les garde-fous hérités

Les prompts écrits pour GPT-5.6 contiennent souvent des mises en garde prudentes, comme « arrête-toi au moindre doute ». Avec Astra, ces consignes produisent parfois l’effet inverse de celui recherché.

OpenAI prévient aussi que des consignes trop détaillées peuvent désormais nuire au résultat, alors qu’elles aidaient auparavant. Relisez vos prompts récurrents et gardez les seules limites qui comptent vraiment, comme la validation avant un envoi ou un achat.

Définir ce que « terminé » veut dire

Astra doit savoir où s’arrête la tâche. Si le travail comprend la mise en route, la vérification du résultat et la correction de ce qui échoue, OpenAI conseille de l’inscrire noir sur blanc dans la demande. Le modèle lance aussi ses tests de lui-même, alors que les générations précédentes devaient y être encouragées. Les consignes du type « teste systématiquement ton code » deviennent donc superflues.

Demander un style simple

Le guide d’OpenAI propose des paragraphes clairs, chacun centré sur une idée, et un langage simple plutôt que du jargon. Il suggère aussi de bannir les tics d’écriture, comme « delve », « foster », « leverage » ou une conclusion introduite par « Bottom Line: ». Pour un texte en français, dressez votre propre liste de formules à éviter. Formulez enfin l’action attendue directement, sans énumérer ce que le modèle ne fera pas.

# Exemple de prompt pour GPT-6 Astra dans ChatGPT Work
Prépare le tableau de suivi des devis du trimestre à partir
des fichiers du dossier Devis 2026 de ma Bibliothèque.

Objectif : un tableur avec une ligne par devis (client, montant,
date d'envoi, statut) et un onglet de synthèse par mois.

La tâche est terminée quand le tableur s'ouvre sans erreur,
que les totaux par mois correspondent aux devis et que tu m'as
listé les fichiers que tu n'as pas pu lire.

Si une information manque, fais l'hypothèse la plus probable,
note-la dans une colonne Remarques et continue.

Rédige la synthèse en paragraphes courts, en langage simple.

Côté API, un détail technique distingue les modèles. GPT-6 Astra refuse le niveau d’effort none et commence à low, alors que GPT-6 Sol et GPT-6 Luna l’acceptent.

Les 6 techniques de prompt qui produisent une différence mesurable

Il existe des dizaines de « techniques de prompting » nommées. Avec les modèles actuels, six d’entre elles produisent une différence mesurable. Les autres sont soit intégrées au modèle, qui les applique de lui-même, soit marginales.

1. Le cadrage contextuel structuré

Structurez votre prompt en quatre blocs : Contexte, Tâche, Contraintes et Output. Dans nos tests, ce format s’est montré le plus fiable avec GPT-5.6.

# Exemple de cadrage — Rédaction d'un email commercial
CONTEXTE : Je suis directeur commercial chez DataFlow,
éditeur SaaS B2B de gestion de flux de données.
Notre prospect est le DSI d'un groupe industriel de 800 personnes.
Il a assisté à notre webinaire la semaine dernière.

TÂCHE : Rédige un email de relance post-webinaire qui propose
un rendez-vous de 30 minutes pour une démo personnalisée.

CONTRAINTES :
- Maximum 150 mots
- Ton professionnel mais pas corporatif
- Ne pas mentionner de prix
- Inclure une preuve sociale (invente un cas client crédible
  dans l'industrie manufacturière)

OUTPUT : L'email complet, prêt à envoyer, avec objet.

Ce format fonctionne parce qu’il élimine l’ambiguïté. Décrivez le résultat attendu plutôt que la procédure à suivre, et laissez le modèle choisir le chemin le plus efficace. Un prompt ambigu reste la première source de résultats décevants.

2. Le few-shot (exemples avant/après)

Donnez deux ou trois exemples du résultat attendu avant de poser votre requête. Le modèle reproduit un modèle observé bien mieux qu’il n’interprète une description abstraite.

# Few-shot — Réécriture de titres d'articles
Réécris ces titres de blog pour les rendre plus accrocheurs
et orientés bénéfice lecteur. Voici trois exemples :

AVANT : "Les avantages du CRM pour les PME"
APRÈS : "CRM en PME : 5 gains concrets dès le premier mois"

AVANT : "Comment utiliser l'IA pour le recrutement"
APRÈS : "Recrutement IA : réduire de 40 % le temps de tri des CV"

AVANT : "Guide de l'email marketing"
APRÈS : "Email marketing : le template qui génère 35 % d'ouverture"

Maintenant, réécris ces titres avec la même logique :
1. "Les tendances du marketing digital en 2026"
2. "Pourquoi adopter une stratégie de contenu"
3. "Les outils IA pour la gestion de projet"

Le few-shot fonctionne aussi pour la reformulation, la classification et la production de contenu dans un style précis. Avec deux ou trois exemples, vous obtenez une cohérence que les instructions personnalisées seules ne garantissent pas.

3. Le chain of thought (raisonnement étape par étape)

Demandez au modèle de décomposer son raisonnement avant de donner la réponse finale. Avec un niveau d’effort Medium ou High, ce raisonnement se fait en grande partie de lui-même. En mode Instant, ou avec Luna, demandez-le explicitement, et rappelez-vous que la consigne n’active plus le mode réflexion sur Plus et Pro.

# Chain of thought — Analyse de rentabilité
Mon entreprise envisage de remplacer notre outil de support
client (Zendesk, 85 €/agent/mois, 12 agents) par Intercom
(74 €/agent/mois + 0,99 € par résolution IA, estimation
400 résolutions IA/mois).

Raisonne étape par étape :
1. Calcule le coût actuel annuel
2. Calcule le coût Intercom annuel (agents + résolutions IA)
3. Compare les deux
4. Identifie le seuil de résolutions IA où Intercom
   devient plus cher
5. Donne ta recommandation avec les réserves

L’écart entre un prompt « compare ces deux solutions » et un prompt avec chain of thought est net. Le premier donne une réponse vague, tandis que le second produit un calcul vérifiable.

4. Les balises de structure

Les balises XML et les titres Markdown séparent clairement les sections d’un prompt, surtout quand vous fournissez des données à analyser. Dans nos tests, GPT-5.6 les respecte bien. L’exemple ci-dessous utilise des titres Markdown, et des balises XML nommées rôle, données, tâche et format fonctionnent de la même façon. Ce type d’analyse justifie aussi de monter l’effort de réflexion, car le niveau intermédiaire sous-estime parfois la complexité de données réelles.

# Balises de structure — Analyse de feedback client
### RÔLE
Tu es analyste UX spécialisé en SaaS B2B.

### DONNÉES
[Coller ici 20-30 verbatims clients extraits de vos enquêtes]

### TÂCHE
1. Identifie les 5 thèmes récurrents dans ces retours
2. Pour chaque thème, cite 2 verbatims représentatifs
3. Classe les thèmes par fréquence décroissante
4. Propose une action concrète par thème

### FORMAT
Tableau à 4 colonnes : Thème | Fréquence | Verbatims | Action

Les balises servent aussi quand votre prompt mélange des instructions et des données. Sans elles, le modèle risque de confondre les deux, surtout si les données contiennent elles-mêmes des formulations impératives.

5. La contrainte négative

Dire au modèle ce qu’il doit éviter reste utile avec GPT-5.6, qui respecte bien les contraintes négatives explicites. Ses sorties étant plus sobres par défaut, certaines contraintes deviennent toutefois superflues, comme l’absence de sommaire ou de phrase d’introduction. Avec GPT-6 Astra, OpenAI conseille plutôt de formuler l’action attendue directement. Gardez donc les interdits pour ce qui compte vraiment pour vous, et accompagnez-les toujours d’une consigne positive.

# Contraintes négatives — Brief de contenu
Rédige une introduction de 100 mots pour un article
sur l'IA en comptabilité.

NE PAS :
- Commencer par "Dans un monde où..."
- Utiliser les mots "révolutionnaire" ou "incontournable"
- Poser une question rhétorique en ouverture
- Faire une liste de ce que l'article va couvrir
- Mentionner ChatGPT ou OpenAI spécifiquement

FAIRE :
- Commencer par un scénario concret qu'un comptable
  reconnaîtrait
- Poser le problème en 2 phrases, la solution en 2 phrases

Les contraintes négatives restent un bon antidote aux tics de langage des LLM. Elles obligent le modèle à sortir de ses automatismes.

6. La rubrique interne auto-scorée

Le principe est simple. Vous demandez au modèle de construire en interne une grille d’évaluation avant de répondre, puis de s’auto-évaluer sur cette grille. S’il n’atteint pas un score excellent, il reprend la partie concernée. Le raisonnement suit ainsi des critères explicites plutôt que les automatismes du modèle.

# Rubrique interne auto-scorée — effort de réflexion élevé
Avant de rédiger ta réponse, construis en interne une grille
d'évaluation de 5 à 7 critères qu'une excellente réponse
à cette demande devrait respecter (pertinence, profondeur,
structure, actionnabilité, exemples concrets, etc.).

Rédige ta réponse en visant un score de 98/100 minimum sur
chaque critère. Si ta réponse n'atteint pas ce score sur un
critère, recommence cette partie.

Ne me montre pas la grille, juste la réponse finale.

Ma demande : [ta demande ici]

Cette technique donne ses meilleurs résultats sur les tâches ouvertes et créatives, comme les stratégies, les rédactions longues et les analyses. Elle ralentit un peu la réponse, puisque le modèle fait plus de travail en interne. Le gain de qualité reste net avec un effort de réflexion élevé. Sur les tâches simples et factuelles, elle n’apporte rien, alors réservez-la aux sujets qui méritent un raisonnement approfondi.

Fixer une condition d’arrêt, pas seulement une tâche

Un principe moins connu se révèle tout aussi rentable : indiquez au modèle quand s’arrêter, en plus de ce qu’il doit faire. Sans condition d’arrêt explicite, GPT-5.6 peut relancer des recherches, essayer des variantes ou itérer plus longtemps que nécessaire. Le risque grandit avec un effort de réflexion élevé.

# Condition d'arrêt — Recherche d'information
Cherche le tarif actuel de l'API Gemini 3.7 Flash.

Arrête-toi dès que tu as trouvé une source officielle datée
de moins de deux mois. Si aucune source fiable ne confirme
le chiffre après trois tentatives, dis-le clairement plutôt
que d'estimer.

Cette logique s’applique à toutes les tâches un peu ouvertes, comme la recherche d’information, la génération de variantes ou le débogage. Une condition d’arrêt claire évite les réponses qui tournent en rond. Elle empêche aussi le modèle d’inventer une donnée manquante pour « finir » la tâche. Avec GPT-6 Astra, le problème se pose dans l’autre sens, car le modèle hésite plutôt sur le moment de s’arrêter. La même condition, écrite comme une définition de la tâche terminée, lui donne alors le repère qui lui manque.

Cinq templates réutilisables par cas d’usage

Voici cinq prompts prêts à l’emploi, un par cas d’usage courant. Copiez-les, puis remplacez les crochets par vos données. Pour aller plus loin, consultez notre banque de 50 prompts ChatGPT par cas d’usage.

Synthèse de document (Template 1)

# Synthèse de document
Voici un document de [type : rapport / article / compte-rendu].

Produis une synthèse en 3 parties :
1. RÉSUMÉ (5 phrases max) : les points clés
2. DÉCISIONS ou CONCLUSIONS : ce qui a été tranché
3. ACTIONS : les prochaines étapes identifiées,
   avec responsable si mentionné

Si le document ne contient pas de décisions ou d'actions
explicites, indique "Non identifié" plutôt que d'inventer.

[Coller le document ici]

Comparaison de solutions (Template 2)

# Comparaison de solutions
Compare [Solution A] et [Solution B] pour [cas d'usage précis].

Structure ta réponse ainsi :
1. Tableau comparatif sur ces critères : [critère 1],
   [critère 2], [critère 3], prix, limites principales
2. Pour qui chaque solution est la meilleure option
   (1 phrase par solution)
3. Ta recommandation pour mon cas précis : [décrire votre
   contexte en 2-3 phrases]

Utilise des données vérifiables. Si un prix ou une feature
n'est pas certain, signale-le.

Rédaction d’un contenu structuré (Template 3)

# Rédaction d'un contenu structuré
Rédige un [type : article de blog / post LinkedIn / newsletter]
sur [sujet].

PUBLIC : [décrire l'audience en 1 phrase]
OBJECTIF : [informer / convaincre / éduquer / vendre]
TON : [professionnel / conversationnel / technique]
LONGUEUR : [nombre de mots ou de paragraphes]

Structure :
- Accroche (1 phrase qui capte l'attention par un fait
  ou un scénario)
- [Nombre] sections titrées
- Conclusion avec un appel à l'action précis

INTERDITS : [lister les formules ou approches à éviter]

Debug de code (Template 4, avec un effort de réflexion élevé)

# Debug de code — choisir Medium ou High avant d'envoyer
Ce code [langage] produit [décrire le comportement observé]
au lieu de [décrire le comportement attendu].

Environnement : [version du langage, framework, OS]

1. Identifie la cause probable du bug
2. Propose la correction avec le code modifié
3. Explique pourquoi ça corrige le problème
4. Signale si d'autres parties du code pourraient
   causer des problèmes similaires

[Coller le code ici]

Brainstorm structuré (Template 5)

# Brainstorm structuré
Je cherche des idées pour [objectif précis].

Contexte : [2-3 phrases sur la situation actuelle]
Contraintes : [budget, délai, ressources, compétences]
Ce qui a déjà été essayé : [lister pour éviter les doublons]

Propose 9 idées classées en 3 catégories (3 par catégorie) :
- Quick wins (faisables cette semaine)
- Projets moyen terme (1-3 mois)
- Paris ambitieux (6+ mois)

Pour chaque idée : 1 phrase de description + 1 phrase
sur le résultat attendu.

Les erreurs de prompting les plus courantes

Nos tests sur une vingtaine de prompts réels, avec Luna et le curseur d’effort de Sol, font ressortir quatre erreurs récurrentes. Elles se distinguent par leur impact sur la qualité du résultat.

La première erreur tient au prompt trop vague. Une demande comme « Aide-moi avec mon marketing » ne produit rien d’utile. En revanche, « Propose 5 sujets d’articles de blog pour attirer des DSI de PME industrielles vers notre solution de cybersécurité » donne un résultat actionnable. Sur ce type de tâche, un prompt vague demande en moyenne trois à cinq itérations de correction, alors qu’un prompt précis obtient le même résultat du premier coup.

La deuxième erreur consiste à oublier le format de sortie. Si vous ne le précisez pas, le modèle le choisit à votre place. Les sorties sont certes plus sobres par défaut, mais indiquez quand même le format voulu : tableau, liste à puces, e-mail prêt à envoyer, code commenté ou JSON. Le format explicite reste le levier le plus fiable.

La troisième erreur revient à mélanger données et instructions. Quand vous collez un texte à analyser directement dans votre prompt sans le séparer, le modèle peut prendre certains passages pour des consignes. Délimitez-le avec des balises, des titres Markdown ou de simples guillemets triples.

La quatrième erreur consiste à ne jamais itérer. L’art du prompt repose sur des allers-retours, et votre premier prompt sert de brouillon. Analysez le résultat, repérez ce qui manque ou ce qui déborde, puis affinez. Trois itérations ciblées valent mieux qu’un seul prompt de 500 mots.

Ce que vous pouvez faire maintenant

Ouvrez ChatGPT et configurez vos instructions personnalisées à partir de l’exemple fourni, adapté à votre métier. Testez ensuite deux des cinq templates sur une vraie tâche, en choisissant vous-même le niveau de réflexion. Comparez le résultat avec ce que vous obteniez avant, et la différence vous sautera aux yeux.

Prenez ensuite le template qui correspond le mieux à votre travail quotidien et utilisez-le cinq fois en une semaine. Au cinquième usage, vous l’aurez affiné pour votre contexte. Si vous avez accès à ChatGPT Work, relisez enfin vos prompts récurrents avec les conseils propres à GPT-6 Astra.