Lorsque Harvard et BCG ont confié à 758 consultants des tâches assistées par IA générative, les résultats ont progressé de 40 % en qualité et ont été rendus 25 % plus rapidement. Mais la même étude, publiée dans Organization Science en 2026, a révélé l'autre face du tableau : sur les tâches où l'IA n'est pas fiable, ceux qui lui ont fait confiance ont obtenu des performances inférieures de 19 points. Savoir formuler ses demandes à l'IA — le fameux prompt engineering — est important ; savoir quand ne pas se fier à la réponse l'est encore davantage. Ce guide sépare, avec des données de 2025-2026, les techniques qui continuent de fonctionner de celles qui ne sont plus que du bruit, et explique pourquoi former votre équipe en la matière a cessé d'être facultatif : depuis février 2025, c'est une obligation du règlement européen sur l'IA.
Qu'est-ce que le prompt engineering ?
Le prompt engineering est la pratique consistant à concevoir les instructions données à une intelligence artificielle générative — le prompt — afin d'obtenir des résultats utiles, précis et dans le format dont vous avez besoin. Cela englobe ce que vous demandez, la façon dont vous le structurez, le contexte et les exemples que vous fournissez, et les limites que vous fixez. Ce n'est pas de la programmation : c'est bien communiquer avec une machine qui répond au langage naturel. Pour une équipe d'entreprise, la maîtriser fait la différence entre utiliser l'IA comme un stagiaire erratique ou comme un collaborateur fiable. La métaphore mentale recommandée par Anthropic elle-même est éclairante : traitez le modèle comme un employé brillant mais tout juste arrivé, qui ne connaît pas votre entreprise, votre client ni votre contexte — tout ce que vous ne lui direz pas, il l'inventera ou le fera à sa façon.
Le prompt engineering est-il mort en 2026 ?
Le poste est mort ; la compétence est devenue transversale. En 2023, des offres de « prompt engineer » à 200 000-300 000 dollars étaient publiées ; depuis fin 2024, ces postes ont chuté d'environ 30 % et la fonction a été absorbée dans les rôles habituels — produit, opérations, marketing, développement. Parallèlement, le centre de gravité s'est déplacé : en juin 2025, Tobi Lütke (PDG de Shopify) a popularisé le terme context engineering et Andrej Karpathy l'a résumé quelques jours plus tard : "the delicate art and science of filling the context window with just the right information for the next token prediction step" — l'art et la science délicat de remplir la fenêtre de contexte avec exactement les bonnes informations pour chaque étape. La leçon pour une entreprise est concrète : la valeur n'est plus dans des formules magiques de rédaction, mais dans les informations que vous donnez au modèle — documents, données, exemples, critères — et dans le fait que l'ensemble des collaborateurs utilisant l'IA au quotidien dispose d'un niveau de base commun. Avec l'adoption de l'IA par les entreprises espagnoles quasiment doublée en deux ans (de 12,4 % à 21,1 %, selon les données de l'INE, l'institut espagnol de statistique), ce niveau commun reste le principal défi à relever.
Les techniques qui continuent de fonctionner (avec preuves)
Les guides officiels d'Anthropic, d'OpenAI et de Google convergent sur un socle étonnamment stable :
- Clarté et spécificité avant tout. La « règle d'or » d'Anthropic : si un collègue serait perplexe en lisant votre prompt, le modèle le sera aussi. Incluez toujours le pourquoi, le pour qui et le format attendu.
- Exemples (few-shot). La technique la mieux étayée pour contrôler le format et le ton : Google recommande d'inclure des exemples « systématiquement », et Anthropic la décrit comme l'un des moyens les plus fiables d'orienter la sortie. Deux ou trois exemples du résultat souhaité valent mieux qu'un paragraphe d'explications.
- Structure avec délimiteurs. Séparer les instructions, le contexte et les données avec des balises XML ou des en-têtes Markdown améliore la fiabilité — les trois fabricants le recommandent. Un prompt bien structuré est un document, pas un message de messagerie instantanée.
- Le contexte en premier. Détail peu connu et très cité dans la documentation d'Anthropic : avec des documents longs, les placer au début du prompt et la question à la fin améliore les performances sur tous les modèles.
- Instructions en positif. Dire quoi faire fonctionne mieux qu'énumérer des interdictions (« écris sur un ton formel » plutôt que « ne sois pas informel »).
- Rôle et système, avec des attentes réalistes. Attribuer un rôle (« agis comme un directeur financier ») reste utile pour le ton et l'orientation — Anthropic affirme qu'une seule phrase fait déjà une différence —, mais les preuves de son impact sur la précision sont faibles. Utilisez-le pour le style, n'attendez pas de miracles en matière d'exactitude.
Les techniques zombies : ce que vous ne devriez plus faire par défaut
Voici ce que presque aucun guide en français ne dit. « Pense étape par étape » est périmé comme réflexe universel. Le rapport de Wharton (juin 2025) a mesuré l'effet du chain-of-thought sur les modèles raisonneurs : des améliorations marginales (+2,9 % sur o3-mini) et même négatives (−3,3 % sur Gemini Flash 2.5), avec 20 à 80 % de latence supplémentaire. Une méta-analyse portant sur plus de 100 articles présentée à ICLR 2025 a précisé le périmètre : le raisonnement pas à pas aide surtout en mathématiques et en raisonnement symbolique, et apporte peu sur les tâches de connaissance générale. Les modèles de 2026 décident seuls quand raisonner ; la recommandation officielle d'OpenAI est de les traiter « comme un collaborateur senior à qui vous donnez l'objectif », pas la procédure. Les majuscules et les menaces sont également superflues : Anthropic prévient que le langage agressif du type « CRITICAL: You MUST... » provoque des surréactions dans les modèles actuels. Et les templates magiques de 500 mots qui circulent sur LinkedIn ont mal vieilli : le vrai levier s'est déplacé de la rédaction vers le contexte que vous apportez.
Le risque dont personne ne parle : vos données dans le prompt
Le prompt est également un vecteur de fuite d'informations, et les données de 2025 sont sérieuses : 77 % des employés qui utilisent l'IA générative collent des données d'entreprise dans le chatbot, et 82 % de ces interactions ont lieu depuis des comptes personnels hors du contrôle de l'entreprise (LayerX, 2025). Environ une de ces données sur cinq contient des informations personnelles ou financières — c'est-à-dire une exposition directe au RGPD devant les autorités compétentes, dont l'AEPD (l'autorité espagnole de protection des données) pour les entreprises opérant en Espagne. Parallèlement, l'injection de prompts est le risque numéro un du Top 10 OWASP pour les applications à LLM pour la deuxième édition consécutive : des instructions malveillantes cachées dans des documents ou des sites web traités par le modèle peuvent détourner son comportement. La réponse au niveau de l'entreprise comporte trois couches : des outils professionnels (et non des comptes gratuits personnels), une politique claire sur les données pouvant être intégrées dans un prompt, et une formation pour que l'équipe reconnaisse ces deux risques. L'hygiène du prompt est aussi importante que sa rédaction.
Le prompting comme obligation légale : l'article 4 de l'AI Act
Depuis le 2 février 2025, l'article 4 du règlement européen sur l'IA exige de toute entreprise utilisant l'IA — fournisseur ou utilisateur, quelle que soit sa taille — qu'elle garantisse un niveau adéquat d'alphabétisation à l'IA de son personnel : une formation documentée et proportionnelle au poste et au risque. Et le 2 août 2026 — à quelques jours de la publication de cet article — la supervision nationale du règlement entre en vigueur. Il n'existe pas de programme officiel : ce qui est exigé, c'est une formation réelle, adaptée à l'utilisation que chaque rôle fait de l'IA, et savoir formuler des demandes, vérifier les réponses et ne pas filtrer de données dans un prompt est précisément le cœur pratique de cette alphabétisation pour la majorité des postes. Le bon côté pour les entreprises : en Espagne, cette formation peut être subventionnée via FUNDAE (le dispositif espagnol de formation professionnelle continue financée par les cotisations patronales). Notre formation en prompt engineering pour les équipes est conçue autour de ce double objectif — productivité mesurable et conformité à l'article 4 — et 78 % des professionnels espagnols déclarent déjà que leur entreprise devrait la leur proposer.
Des astuces individuelles à l'actif d'entreprise : la bibliothèque de prompts
« L'erreur classique consiste à traiter le prompting comme une compétence individuelle : chaque employé avec ses astuces dans un carnet de notes. Les entreprises qui en tirent un vrai retour le traitent comme un actif : une bibliothèque de prompts partagée, versionnée et testée pour leurs vingt tâches les plus répétées. Cela transforme la chance de chacun en un standard pour tous », explique Alfons Marques, fondateur de Technova Partners.
Le plan de déploiement que nous recommandons :
- Identifiez les 10 à 20 tâches IA les plus répétées dans chaque département (offres commerciales, e-mails clients, comptes rendus de réunions, analyses de données).
- Créez la première version de la bibliothèque : un prompt testé par tâche, avec ses exemples few-shot et son format de sortie, accessible à toute l'équipe.
- Formez l'équipe aux techniques éprouvées — et à la leçon de la « frontière dentelée » de l'étude BCG : la formation doit aussi enseigner quand ne pas faire confiance au modèle, car c'est là que les 19 points se perdent.
- Révisez et versionnez trimestriellement : les modèles évoluent (vous souvenez-vous quand le raisonnement pas à pas était indispensable ?) et la bibliothèque doit évoluer avec eux.
Si vous souhaitez d'abord comprendre comment ces modèles fonctionnent en interne, notre guide sur ce qu'est un LLM pour les entreprises est le complément naturel de cet article.
Vous voulez une bibliothèque de prompts sur mesure et former votre équipe en respectant l'article 4 de l'AI Act avec FUNDAE ? Parlez-nous de votre situation et nous vous préparons une proposition.
Conclusion
Le prompt engineering en 2026 n'est plus ce qu'il était en 2023 — et c'est une bonne nouvelle. Le poste vedette a disparu, mais la compétence est devenue obligatoire pour l'ensemble du personnel : par souci de productivité (la preuve des +40 % de qualité est réelle quand c'est bien utilisé) et par obligation légale (article 4 de l'AI Act, avec une supervision active depuis août 2026). Ce qui fonctionne est clair et documenté : clarté, exemples, structure et contexte bien placé. Ce qui est superflu l'est aussi : le raisonnement pas à pas par défaut, les majuscules menaçantes et les prompts magiques. Et le véritable saut de niveau ne tient pas au prompt individuel, mais à la transformation du prompting en actif d'entreprise — bibliothèque partagée, politique de données et formation qui enseigne aussi à se méfier au bon moment.
Questions fréquentes sur le prompt engineering
Qu'est-ce que le prompt engineering en quelques mots ?
C'est la pratique consistant à bien concevoir les instructions données à une IA générative — ce que vous demandez, avec quel contexte, avec quels exemples et dans quel format — afin d'obtenir des résultats utiles et cohérents. Cela ne nécessite aucune compétence en programmation : c'est une communication structurée avec la machine, et en 2026, c'est une compétence transversale de bureau, non un poste de travail spécifique.
Dire à l'IA « pense étape par étape » est-il encore utile ?
Comme réflexe par défaut, non. Les études de 2025 (Wharton, ICLR) montrent que, pour les modèles raisonneurs actuels, le chain-of-thought apporte des améliorations marginales ou aggrave même le résultat, et augmente toujours la latence. Il aide sur les problèmes mathématiques ou de logique symbolique avec des modèles non raisonneurs. La recommandation actuelle des fabricants est de donner l'objectif et le contexte, et de laisser le modèle décider comment raisonner.
Quels risques présente l'utilisation de prompts en entreprise ?
Deux principaux. La fuite de données : 77 % des employés utilisant l'IA générative collent des informations d'entreprise dans les chatbots, souvent depuis des comptes personnels — avec des données personnelles impliquées, cela représente une exposition directe au RGPD. Et l'injection de prompts : le risque numéro un du Top 10 OWASP pour les applications LLM, où des instructions cachées dans un document ou un site web manipulent le modèle. Les deux se limitent grâce à des outils professionnels, une politique de données et une formation adéquate.
La formation en prompt engineering est-elle obligatoire ?
La formation spécifique au prompting n'est mentionnée dans aucune loi, mais l'article 4 du règlement européen sur l'IA oblige, depuis février 2025, à garantir l'alphabétisation à l'IA de tout le personnel qui l'utilise, proportionnellement à son poste et au risque — et savoir formuler des demandes, vérifier les sorties et protéger les données dans les prompts en est précisément le cœur pratique. La supervision nationale entre en vigueur le 2 août 2026, et en Espagne cette formation peut être subventionnée via FUNDAE.
